書記の読書記録#674『統計学が最強の学問である』

『統計学が最強の学問である』のレビュー

統計学が最強の学問である

レビュー

本書のレベル感は「第1章+終章」とそれ以外で二分され，前者は教養，後者は専門への導入と割り切って読むと期待通りになる。著者の専門が生物統計学ということもあり，一般化線形モデルや実験計画法になると早口になる傾向。

もくじ

はじめに

第１章　なぜ統計学が最強の学問なのか？

01　統計リテラシーのない者がカモられる時代がやってきた
Ｈ・Ｇ・ウェルズの予言／あみだくじの必勝法／統計学を制する者が世界を制する

02　統計学は最善最速の正解を出す
統計学が最強の武器になるワケ／「疫学の父」ジョン・スノウの活躍／人類の寿命は疫学が伸ばした

03　すべての学問は統計学のもとに
「エビデンス」が医療を変えた／教育にも活かされるエビデンス／野球にも経済学にもおよぶ統計学の影響

04　ＩＴと統計学の素晴らしき結婚
なぜ今、統計学が花開いたのか／フラミンガム研究の調査が２年に１回だったわけ／退屈だった「紙とペンの統計学」／「ビッグデータ」という言葉が流行るわけ／これからの10年で最もセクシーな職業

第２章　サンプリングが情報コストを激減させる

05　統計家が見たビッグデータ狂想曲
狂想曲を盛り上げる専門用語／データを活かすのにお金は要らない

06　部分が全体に勝る時
失業率25％！／ニューディール政策を支えた統計家たち／全数調査vsサンプリング調査／80年前と変わらないおっさんたち

07　１％の精度に数千万円をかけるべきか？
サンプリング調査への「よくある反論」／誤差を計算する方法／サンプルを１万増やしても標準誤差は０・３％しか変わらない／まずは、正しい判断に必要な最小十分のデータを

第３章　誤差と因果関係が統計学のキモである

08　ナイチンゲール的統計の限界
「ふ〜ん」としか言えないグラフ／データをビジネスに使うための「３つの問い」／「集計」だけでよかったのは19世紀まで

09　世間にあふれる因果関係を考えない統計解析
ツッコみどころが多すぎるグラフ／よくわからないまま使われる指標たち／死者・犯罪・暴動を生み出す食べ物とは？

10　「60億円儲かる裏ワザ」のレポート
買ってくれる人、買ってくれない人の違いは何か？／「あるある」は当てにならない／ＤＭの送り方を変えるだけで売上が60億円アップする

11　p値5％以下を目指せ！
「誤差」を考えない試算は皮算用／「Ａ／Ｂテスト」とはお馴染みの比較検討のこと／「0.1％」の差は出たけれど／「カイ二乗検定」と「ｐ値」の登場

12　そもそも、どんなデータを解析すべきか？
裏ワザを見つける３つめのポイント／ビジネスにおける明確なゴール／それは利益につながっているのか？／ＣＰＵ温度の解析がコスト削減につながった

13　「因果関係の向き」という大問題
因果関係には向きがある／ゲームと少年犯罪の因果関係は明らかにできるのか？／「フェア」じゃないからわからない／２つの解決法

第４章　「ランダム化」という最強の武器

14　ミルクが先か、紅茶が先か
「科学」の対象を拡大したランダム化比較実験／なぜ、ランダムでなくてはならないのか？／「1杯の完璧な紅茶の淹れ方」／オカルトとペテンの見破り方／研修やＤＭの効果測定にも

15　ランダム化比較実験が社会科学を可能にした
科学は「観察」と「実験」からなる／「誤差」あるものの科学／「誤差」への３つのアプローチ／『実験計画法』は農場で生まれた

16　「ミシンを2台買ったら1割引き」で売上は上がるのか？
「攻め」のための統計学／「誤り」と決めつけることの愚かさ／１億5000万ドルを稼いだクレーム対応／ランダムは意外とむずかしい

17　ランダム化の３つの限界
「現実」の壁／「倫理」の壁／「感情」の壁

第５章　ランダム化ができなかったらどうするか？

18　疫学の進歩が証明したタバコのリスク
タバコの箱を見てみよう／「ケースコントロール研究」の登場／天才フィッシャーからの反論／
世界中のデータによる再反論／「揃えきれていない条件」にどこまでこだわるべきか

19　「平凡への回帰」を分析する回帰分析
回帰分析とは何か／背の低い野村くんの恋愛／ダーウィンの従兄弟と優生学／
「平凡への回帰」の発見／「オリンピックの魔物」の正体

20　天才フィッシャーのもう1つの偉業
ゴルトンの回帰分析の限界／回帰係数自体にバラつきがある／統計学者も理解できなかった「真値」というアイディア／回帰分析を使うための基礎用語

21　統計学の理解が劇的に進む1枚の表
統計学の教科書は一般化線形モデルの扱いで２種類に分けられる／「１枚の表」の使い方／どの方法でも同じｐ値が得られるわけ／紛らわしい用語「一般線形モデル」

22　重回帰分析とロジスティック回帰
学者も多用する統計手法の主役／フェアな比較が崩れるシンプソンのパラドックス／層別解析でパラドックスは防げるが……／層分けを不要にする重回帰分析／オッズ比を用いるロジスティック回帰／回帰分析が読めれば「いいかげんな言説」が駆逐できる

23　統計学者が極めた因果の推論
回帰モデルを使う際は交互作用に注意する／ドツボにはまる変数選択作業／限りなくランダム化に近づく「傾向スコア」

第６章　統計家たちの仁義なき戦い

24　社会調査法vs疫学・生物統計学
統計学の6つの分野／正確さを追求する社会調査のプロたち／「妥当な判断」を求める疫学・生物統計家／終わりのない言い争い

25　「ＩＱ」を生み出した心理統計学
「一般知能」の発明／知能を７つに分けた多因子知能説／心理統計家の考え方と手法／心理統計家は「質問紙」に命をかける／ＩＱへの結論

26　マーケティングの現場で生まれたデータマイニング
意外なほど新しいデータマイニングの歴史／「おむつとビール」でバスケット分析／バスケット分析よりもカイ二乗検定を／人工知能の研究から生まれた高度な手法／なぜ、データマイニングの専門家は回帰モデルを「古臭い」と言うのか？／「予測」に役立つデータマイニング

27　言葉を分析するテキストマイニング
計量文献学が否定した「シェイクスピア＝ベーコン説」／テキストマイニングの王道「形態素解析」とGoogleを支える「N-Gram」／ビジネスにおけるテキストマイニングの活用法／テキストマイニングを活かすコツはそれ以外の統計リテラシー

28　「演繹」の計量経済学と「帰納」の統計学
統計学と計量経済学の「表面的」な違い／統計学と計量経済学の「本質的」な違い／よりよいモデルを求める計量経済学者／影響力を強める計量経済学

29　ベイズ派と頻度論派の確率をめぐる対立
頻度論派はシンプルに考える／ベイズ派は「事前確率」と「事後確率」を考える／計量経済学と相性がいいベイズ統計／迷惑メールの判別に威力を発揮するベイズ統計

終章　巨人の肩に立つ方法

30　「最善の答え」を探せ
エビデンスのヒエラルキー／最高のエビデンス「系統的レビュー」と「メタアナリシス」／「最善の答え」は公開されている

31　エビデンスを探してみよう
日本語文献の探し方／英語文献の探し方／明らかになる課題

本記事のもくじはこちら：

書記の読書記録まとめ｜Writer_Rinka｜note