因果推論

Causal Inference

994G35N

46MASTS504

折原　隼一郎、原田　和治、小向　翔

KOMUKAI Sho
ORIHARA Shunichiro
HARADA Kazuharu

2026年度後期

2026年度

①First semester

集中講義

Intensive course

工学研究科　情報工学専攻

Department of Information and Computer Technology, Graduate School of Engineering

2.00単位

講義

Lecture

-

⑤ [対面]ブレンド型授業/ [On-site] Blended format (must include 50%-or-more classes held on-site)

現代の統計的因果推論に用いられる因果モデルの基礎と統計解析方法論について講義を行う。演習にはRを用 いる。

This course provides the lecture about the fundamental models for modern statistical causal inference and statistical methodology for data analysis. Students also work on the R software to analyze real-world and simulated datasets.

因果を表す概念モデルと統計手法を応用することで、データからいかにして「因果」を議論できるかを学ぶ。特に医学・疫学研究における因果推論の基礎的事項から近年の発展までを概観し、治療効果や健康影響因子への曝露効果の推定のために必要な方法論についての理解を目指す。受講後には、この分野の発展的な教科書や論文を読むための基礎能力を身に着けていることを目標とする。

本講義は情報工学専攻におけるディプロマポリシー「情報工学分野に応じた高度な専門知識」を身につける科目である。

Students learn how to infer or discuss "causality" from observed "correlation/association", by applying causal models and statistical methodology. In particular, students overview the fundamental concepts of causal inference and its recent methodological development to understand approaches necessary for estimating causal effects of pharmaceutical treatments or health-related exposures. The aim is to obtain the basic capacity to read the advanced textbooks and articles in this field.

This lecture is a subject to acquire "advanced expertise of information and computer technology" specifi ed in the diploma policy of the Department of Information and Computer Technology.

1. 統計的因果推論の基本的な枠組みを理解する
2. 交絡という現象を理解する
3. 統計モデルによる交絡調整の原理を理解する
4. 実データへの応用上の注意点やそれに対応する因果推論手法とその限界を理解する

1. To understand the basic framework of statistical causal inference
2. To understand the problem known as "confounding"
3. To understand the principle of confounding adjustment via statistical models
5. To understand practical issues in applying causal inference to real-world data and the limitations of causal inference methods.

原則として全ての講演を聴講した上で、課されるレポートをすべて提出することが単位取得のための必要条件である。スケジュールについては、第1回目の開講日をガイダンス回として設定し、その際に説明する。

本講義内で簡単な復習は行うが、尤度に基づく漸近理論をはじめとした統計的推測、回帰（一般化線形モデル、一般化推定方程式）の基礎知識・解析経験を前提とする。

In principle, attending all lectures and submitting all required reports are necessary conditions for receiving credit for this course. The schedule will be explained during the first class (orientation).

Prerequisite for the class: fundamental knowledge of statistical inference, including likelihood-based asymptotic theory, generalized linear models, and generalized estimating equations (a brief review will be provided in the course). Having experience of analysis using these techniques is preferable.

ディベート・ディスカッション　Debate/Discussion／実習　Practical learning

-

準備は特に必要ないが、レポートが課されるので、講義内容等に対する復習は必須である。

No prior preparation is required. However, as written reports will be assigned, thorough review of the lecture materials is expected.

学習態度・学習に対する姿勢：30%
課題・授業外レポート　　　：70%

Evaluated by positiveness of participating in class (30%) and report (70%)

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

Hernán MA, Robins JM (2021). Causal Inference: What If. Boca Raton: Chapman & Hall/CRC.
https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book/
篠崎 智大・萩原 康博・田栗 正隆・松山 裕 (2026)．疫学・臨床研究のための因果推論．朝倉書店．ISBN：978-4-254-12312-8
Brumback BA (2021). Fundamentals of Causal Inference: With R. Chapman & Hall/CRC. ISBN-13 : 978-0367705053

基本的には対面での授業を行うが、オンラインでの授業を実施する場合がある。オンラインでの授業を実施する場合には事前にアナウンスする。全授業回数のうち、半数以上の授業会を対面で受講することを必須とする。

1. 統計的推測の一般論
2. 研究デザイン・交絡・因果モデル
3. 観察研究における因果推論の基本
4. 傾向スコアに基づく因果推論
5. 傾向スコア解析演習
6. 因果DAGと因果推論における変数選択
7. 仮定の評価と逸脱への対処 (共変量バランシング，SMD，ATO，Poor overlap)
8. 仮定の評価と逸脱への対処 (感度分析，Bayesian因果推論，bounds, E-value)
9. 因果推論手法を用いた研究事例
10. データ解析演習
11. 二重頑健推測
12. 機械学習を用いた因果推論
13. 様々な因果推論デザイン（媒介分析）
14. 様々な因果推論デザイン（操作変数，差分の差，回帰不連続デザイン）
15. 講義の補足と理解を深めるためのQ＆A

Classes will primarily be held in person. However, some sessions may be conducted online. In such cases, advance notice will be provided. Students are required to attend more than half of the sessions in person.

1. General theory of statistical inference
2. Study design, confounding, and causal models
3. Fundamentals of causal inference in observational studies
4. Causal inference based on propensity scores
5. Hands-on propensity score analysis
6. Causal DAGs and variable selection in causal inference
7. Assessment of assumptions and approaches to violations (covariate balancing, SMD, ATO, poor overlap )
8. Assessment of assumptions and approaches to violations(sensitivity analysis, Bayesian causal inference, bounds, E-value)
9. Case studies of causal inference methods
10. Hands-on data analysis
11. Doubly robust inference
12. Causal inference using machine learning
13. Alternative causal inference designs (mediation analysis)
14. Alternative causal inference designs (instrumental variables, difference-in-differences, regression discontinuity design)
15. Question-and-answer for supplementation and deepening understanding of the series of lectures

-

-

R

Y

N