Sparse Bayesian Models for Regression, Subgroup Analysis, and Panel Data

回帰、サブグループ解析、およびパネルデータに対するスパースベイズモデル

Sparse modeling provides a mean selecting a small number of non-zero effects from a large possible number of candidate effects. This package includes a suite of methods for sparse modeling: estimation via EM or MCMC, approximate confidence intervals with nominal coverage, and diagnostic and summary plots. The method can implement sparse linear regression and sparse probit regression. Beyond regression analyses, applications include subgroup analysis, particularly for conjoint experiments, and panel data. Future versions will include extensions to models with truncated outcomes, propensity score, and instrumental variable analysis.

疎なモデリングは、多数の候補効果の中から少数の非ゼロ効果を選択する平均を提供します。本パッケージには、疎なモデリングのためのメソッド群が含まれています：EMまたはMCMCMCによる推定、公称カバレッジを用いた近似信頼区間、診断プロットおよびサマリープロット。このメソッドは、疎な線形回帰と疎なプロビット回帰を実装することができます。回帰分析以外のアプリケーションとしては、特にコンジョイント実験のサブグループ分析、パネルデータなどがあります。将来のバージョンでは、結果を切り詰めたモデル、傾向スコア、および器材変数分析への拡張が含まれる予定です。

Stratification and matching by the propensity score

傾向スコアによる階層化とマッチング

This package offers a comprehensive data analysis if stratification and matching by the propensity score is done. Several functions are implemented, starting from the selection of the propensity score model up to estimating propensity score based treatment or exposure effects. All functions can be applied separately as well as combined.

本パッケージは、プロペンシティスコアによる層別化とマッチングを行えば、包括的なデータ分析を提供します。プロペンシティスコアモデルの選択から、プロペンシティスコアに基づく治療効果や曝露効果の推定まで、いくつかの機能が実装されています。すべての機能は、個別に適用することも、組み合わせて適用することも可能です。

Incorporating Uncertainties in Propensity Scores

傾向スコアにおける不確実性の取り込み

This package includes functions to incorporate uncertainties in estimated propensity scores and provide adjusted standard errors for making valid causal inference.

本パッケージには、推定された傾向スコアの不確実性を組み込み、有効な因果関係推論を行うための調整済み標準誤差を提供する機能が含まれています。