因果機械学習による効果検証の原理と実装
参加費
一般: 11,000円(税込)
学生: 5,500円(税込)
※所属機関内にて領収書と共に税額や金額の根拠を求められた際には、本ページのスクリーンショット等でご対応いただけますと幸いです。
学習ポイント
傾向スコアや平均処置効果（ATE）の推定を出発点として、因果推論の基本的な推定手法を理解します
共変量バランシング、最近傍マッチング、二重機械学習などの代表的手法を統一的な枠組みから整理し、それぞれの適用場面を理解します
Pythonによる実装演習を通じて、機械学習を用いた因果効果推定とバイアス補正の実践的な手順を習得します
詳細概要
マーケティング施策や政策評価、オンラインサービスの改善など、データに基づく意思決定の重要性が高まる中で、因果推論による効果検証は実務と研究の双方において広く利用されています。近年では、データの高次元化や複雑化に伴い、ニューラルネットワークやランダムフォレストといった機械学習アルゴリズムを因果推論に組み込む方法（因果機械学習）が注目を集めています。
しかし、因果機械学習の分野では、傾向スコア法、最近傍マッチング、共変量バランシング、二重機械学習、ターゲット最尤推定など多様な手法が提案されており、それぞれの違いや適用条件を体系的に理解することは容易ではありません。実務においては、「どの手法をどの状況で使うべきか」を適切に判断することが重要な課題となります。
本セミナーでは、まず平均処置効果（ATE）の推定を出発点として、代表的な因果推論手法を体系的に整理します。さらに、リース回帰（Riesz regression）やネイマン直交性といった概念を手がかりに、これらの手法がどのような共通原理に基づいているかを解説し、共変量バランシング、最近傍マッチング、二重機械学習などの手法を統一的な枠組みで理解する視点を提示します。
また、応用例として、限界効果の推定、差分の差法、共変量シフトへの適応などの発展的な問題設定についても紹介します。これにより、因果推論手法がさまざまな実証分析の問題にどのように拡張できるかを理解します。
後半では、Pythonによる各種手法（二重機械学習、共変量バランシング、ターゲット最尤推定）の実装例を、ステップバイステップで追体験します。参加者は、機械学習モデルを素朴に用いて因果パラメータを推定するところから始め、その過程で生じるバイアスをどのように補正するかを実装を通して理解します。さらに、自動バイアス除去学習（Auto-Debiased Machine Learning）を利用することで、多様な因果パラメータを自動的に推定できることを確認します。
実装では、講演者が開発しているPythonパッケージを用い、公開されているGitHubリポジトリ
https://github.com/MasaKat0/genriesz
を参照しながら、因果機械学習の実装手順を具体的に解説します。
本セミナーを通じて、参加者は因果機械学習の理論的背景と実装方法を体系的に理解し、実際のデータ分析において適切な手法を選択・適用できるようになることを目指します。
キーワード
機械学習と因果推論、リース回帰、最近傍マッチング、共変量バランシング、二重機械学習、自動デバイアス機械学習、密度比推定、セミパラメトリック効率性
セミナーで扱う内容
傾向スコアと平均処置効果の推定方法（共変量バランシング・リース回帰・最近傍マッチング・二重機械学習・ターゲット最尤推定）
因果推論手法の一般化と漸近効率な推定量
応用例（限界効果、差分の差法、共変量シフト適応）
講義の流れ
傾向スコアと平均処置効果の基礎的な推定方法を整理し、それぞれの考え方を解説する
実務的な利便性、理論的な漸近効率性、実証的な性能の観点から、どの手法を選択すべきかを議論する
リースの表現定理とネイマン直交性に基づき、主要な因果推論手法（共変量バランシング、リース回帰、最近傍マッチングなど）が統一的に記述できることを解説する
応用として、限界効果、差分の差法、共変量シフト適応などの拡張的な問題設定を紹介する
講演者が開発しているPythonパッケージ（GitHub: https://github.com/MasaKat0/genriesz）を用いた実装デモを行う
因果推論手法の限界について議論する
講師紹介
加藤 真大（Kato Masahiro）
大阪公立大学大学院 経営学研究科 客員研究員
2017年、東京大学経済学部卒業。東京大学大学院経済学研究科現代経済コースに進学後、同大学大学院情報理工学系研究科コンピュータ科学専攻へ進み、2020年に修士号を取得。サイバーエージェントに入社し、AI Lab経済学チームにおいて機械学習および計量経済学の手法を用いた研究開発に従事。2023年よりみずほ第一フィナンシャルテクノロジーに入社し、現在はデータアナリティクス技術開発部門にて、金融分野のデータ分析および機械学習・因果推論に関する研究開発に取り組んでいる。2025年より大阪公立大学大学院経営学研究科の客員研究員。
専門は因果推論、機械学習、計量経済学。特に、機械学習を用いた因果効果推定やセミパラメトリック推定理論に関する研究に取り組んでおり、金融・経営分野の実問題への応用にも関心を持つ。研究成果として、処置群データと未ラベルデータを用いた平均処置効果推定に関する論文「PUATE: Efficient ATE Estimation from Treated (Positive) and Unlabeled Units」がNeurIPS 2025に採択されている。
また、Scott Cunningham著『Causal Inference: The Mixtape』の日本語版『因果推論入門〜ミックステープ：基礎から現代的アプローチまで』（共訳）などの翻訳にも携わる。
HP: https://sites.google.com/view/mkato/
領収書発行
領収書を希望の方は、下記よりお問い合わせください。なお、学割利用の方への領収書発行はいたしかねますので、予めご了承ください。https://seminar.no-spare.com/receipt
注意事項
本セミナーはZoom Webinarsを用いて開催いたします。
お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日までに送付いたします。
開催時間になりましたら、送付するURLよりご参加ください。
講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 講義資料 演習資料（演習のあるセミナーのみ）の3点を配布いたします。
お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
アーカイブ配信期間は、セミナー終了より1ヶ月間です。
万が一、開催時間になっても事前案内メール（Zoomの参加URLや講義資料など）が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
お問い合わせの際は、弊社コンタクトフォームよりお願い申し上げます。
禁止事項
録音や録画撮影などはご遠慮ください。
配布した一切の資料 / 動画を無断で公開、転載することは固く禁じます。
免責事項
本セミナーの内容は、事前の告知なく変更を行う場合があります。
主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。
上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。ただし、事由によっては事前のお知らせがないことを予めご了承ください。