仕事でたまーにARIMAモデルを推定することがあるんだけど、そのたびに「いま推定してるモデルって、どんな定数項が入っているんだろう…」とちょっと混乱してしまう。じっくり考えればわかるんだけど、あいにく単変量のARIMAモデルというのは、(自分の仕事のなかでは) 深く考えずにちゃちゃっと推定する場面が多く、考えている時間がないことが多い。時計を睨みながらキーボード叩いているようなときに、いちいちマニュアルなど調べたくないじゃないですか。
というわけで、このたびイライラが募り、メモを取った。
続きを読む
amazon primeで表示されているが日本では観られない中国語映画193本
[2021/12/04追記: この記事の内容は、「amazonで配信されている中国語映画」に統合しました]
amazonで配信されている中国語映画
読了：Hubbard, et al. (2010) 混合モデル vs. 母集団平均モデル: GEEすべきか、せざるべきか、それが問題だ
仕事の話なので抽象化して書くけれど、被験者内１要因の実験計画、被験者x要因内でさらに反復測定(反復回数は一様でない)、目的変数は二値。検定したいんだけどやり方がよくわからん、どうすればいい？ …という主旨のお問い合わせを、先日受けた。うーん、それは確かに、ちょっと困るかも。少なくとも市場調査のルーチンワークからは外れている。
それはもうGLMMなんじゃないっすかね、と説明しかけて、いや待てよ、こういうときにはGEEってのもあるよな、というのが頭をよぎり、どんよりした気分になった。GEE(一般化推定方程式)、それは過去なんどか勉強しようとしては挫折した、私にとっての鬼門のひとつなのである。
Hubbard, A.E., et al. (2010) To GEE or Not to GEE: Comparing Population Avarage and Mixed Models for Estimating the Associations Between Neighborhood Risk Factors and Health. Epidemiology, 21(4), 467-474.
というわけで、易しそうな文献で再チャレンジ。
続きを読む
読了：「ニセ蟲図鑑」「赤い髪の女」
読了：「刑罰」「歩道橋の魔術師」「アパレル興亡」「オルガスマシン」「一人称単数」
読了：「刃物たるべく 職人の昭和」「道化の耳」
読了：「その虐殺は皆で見なかったことにした：トルコ南東部ジズレ地下、黙認された惨劇」「見るレッスン 映画史特別講義」「香港 あなたはどこへ向かうのか」「安倍・菅政権vs.検察庁 暗闘のクロニクル」「戦争交響楽 音楽家たちの第二次世界大戦」
読了：「暴君 シェイクスピアの政治学」「ファシズム」「憲法学の虫眼鏡」「クルアーン 神の言葉を誰が聞くのか」「中華の成立 唐代まで」
暴君――シェイクスピアの政治学 (岩波新書)
スティーブン・グリーンブラット, 河合 祥一郎続きを読む
読了：「戦争は女の顔をしていない」「めしばな刑事タチバナ」「天国大魔境」「木根さんの１人でキネマ」「九龍ジェネリックロマンス」
読了：「私の少年」「セクシー田中さん」「ハコヅメ」「BLUE GIANT SUPREME」「BLUE GIANT EXPLORER」「ニュクスの角灯」
カテゴリカル因子分析において因子得点をどうやって求めるのか
カテゴリカル変数について因子分析をしたとき、その因子得点ってどうやって求めるの？ いや、ベイズ推定のときにシミュレーションで求めるのは知っているけど(plausible valuesっていうんでしたっけ)、そうじゃなくて頻度主義的に求めたときには…
仕事の都合で上記の疑問を抱き、構造方程式モデリングのソフトウェア Mplus の技術文書を読んでみたんだけど、途中でさらに別の文書に遡る羽目になり、ずいぶん時間がかかってしまった。
以下は Mplus Technical Appendix 11. Estimation of Factor Scoresのメモである。Mplus ver.3の頃の古い文書であり、パラメータのベイズ推定量の話は出てこない。
続きを読む
Mplus は計算するときモデルをどのように再定式化しているか
構造方程式モデリングのソフトウェア Mplus を使っていて、よくわからないことが起きて解説を辿っていくと、最終的にすごく基礎的な説明までさかのぼることになり、難しすぎて断念することがある。今回も仕事の都合で、ちょっとそういうことが起きかけて、大変イライラしたので仕事を放りだし、初期の技術文書をメモを取りながら読んだ。
以下は Mplus Technical Appendix 2. The general modeling framework からのメモである。Mplus ver.3の頃の古い文書なので(Mplusの最新版は8.5)、当然ながらベイジアンな話は出てこない。
続きを読む
読了：Barnett (1988) 市場予測の4つのステップ
Barnett, W. (1988) Four steps to forecast total market demand. Harvard Business Review. Jul. 1, 1988.
仕事の足しになるかと思って読んだ奴。HBRの記事で、別にメモを取りながら読まなきゃいけないような内容ではないんだけど、なんでも記録しておくに越したことはないと思って。
続きを読む
読了：O’Gorman, et al. (1994) 層別分析で共通リスク差を推定するときWLS推定量とCMH推定量のどっちがいいか
O’Gorman, T.W, Woolson, R.F., Jones, M.P. (1994) A Comparison of Two Methods of Estimating a Common Risk Difference in a Stratified Analysis of a Multicenter Clinical Trial. Controlled Clinical Trials, 15, 135-153.
仕事の都合で読んだ。層別された2×2クロス表について層を潰したリスク差を求めるとき、マンテル・ヘンツェルのアプローチだとどうなるか、という話。
MHオッズ比についての解説はその辺の教科書に載っているけど、リスク差についての解説は少ないので、仕方なくめくった。勤務先の本棚にあるAgrestiの厚い本に書いてあったような気がするけど、いま自宅に閉じこもっているもので…
続きを読む
読了：Lu, Chow, Loken (2016) 因子分析モデルで負荷行列のどこにゼロが埋まっているのか、ベイジアン変数選択の枠組みで考えよう
Lu, Z.H., Chow, S.M., Loken, E. (2016) Bayesian Factor Analysis as a Variable-Selection Problem: Alternative Priors and Consequences. Multivariate Behavioral Research, 51(4), 519–539.
仕事の都合で因子分析モデルをベイズ推定するとき、いつも悩むのは因子負荷の事前分布の設定である。導師Muthenが提案するベイジアンSEMは確かにすごく有用な手法だと思うし、日本語での紹介が少ないことに義憤を感じて書籍で紹介させて頂いたりもしたんだけど(嗚呼、自己満足)、個別具体的な事例においては、どうしても困っちゃうわけです。いったい負荷の事前分布とはなんなのか… 我々はデータについて何を知っているのか… この世界のなりたちとは… 人生の意味とは… 眠い… 今日は寝よう… っていう風になります。
というわけで、たまたまみつけた論文を読んでみた(目先の仕事からの現実逃避であるともいえる)。ベイジアン因子分析において、因子負荷にspike-and-slab事前分布を与えるのがよろしいのではないでしょうか、という論文。
続きを読む
読了：「ウェブスター辞書あるいは英語をめぐる冒険」「中年格差」「感染爆発にそなえる」「道化のような歴史家の肖像」「猫を棄てる」
ウェブスター辞書あるいは英語をめぐる冒険
コーリー・スタンパー, 鴻巣 友季子, 竹内 要江, 木下 眞穂, ラッシャー 貴子, 手嶋 由美子, 井口 富美子続きを読む
読了：「低反発枕草子」「記者、ラストベルトに住む」「エロの「デザインの現場」」「誰が音楽をタダにした？」「世界で最も危険な男」
著者は朝日新聞の若い記者さん。この人によるアメリカの現地報告は抜群に面白い。この人の能力もあるだろうけど、所属社のバックアップあってのことかもしれないと思う。日本はこれからもどんどん貧しくなっていくだろうから、こういう力作は次第に読めなくなるかもしれない。
続きを読む
続きを読む
読了：「ヨハネ受難曲」「ローマ帝国の崩壊」「独裁と孤立 トランプのアメリカ・ファースト」「それを、真の名で呼ぶならば」「みずほ銀行システム統合、苦闘の19年史」
ヨハネ受難曲 (単行本)
礒山 雅続きを読む
