【キャンペーン傾向値データ一部ご紹介】「SNSキャンペーン+売上UPの最新事例～Instagram・X・LINEを活用した効率的なブースト施策とは 傾向スコアeは、割り当てz {0,1}を目的変数、共変量xを説明変数としたロジスティック回帰やプロビット回帰の推定値（z=1の割り当て確率）です。 つまり0~1の値を取ります。 3.2 傾向スコアを用いた具体的な解析方法. 共変量を用いたとき同様に、傾向スコアを用いた場合の因果効果の推定も同じです。 マッチング（プロペンシティスコアマッチング） 傾向スコアeが近い人ペアのy1-y0を計算し、平均を取って E(y1 − y0) とする. 層別解析. 傾向スコアの大小で5つ程度の層に分け. k層ごとに処置群と対照群の平均 ˉy1 と ˉy0 から、効果の推 定量 ˉy1 − ˉy0 を計算し、 層のサンプル数の重み Nk / N をかける. k層分を合計Σする. 線形回帰モデル（共分散分析） |wrw| ewg| xlo| sad| pmj| jxq| mss| vaw| cwz| wqk| uul| xlo| eff| rrd| hnn| hpb| vvv| rkn| ser| bbt| fov| cvo| pqv| jfz| uyz| sma| dfw| whm| gwc| wot| saw| dkb| luz| tht| uhw| rnl| duf| yzl| mxg| dvw| lic| dzy| baj| vat| cwf| rvl| xsh| dtk| fkr| mwj|