まえがき
1統計的モデリング——現実の意思決定へ向けて
　1.1 統計モデルとは
　1.2 統計的モデリングとは
　1.3 統計モデルの推定
　　1.3.1 最尤推定法
　　1.3.2 ベイズ推定法
　　1.3.3 罰則付き最尤推定法
　　1.3.4 重み付き最尤推定法
　1.4 統計的モデル選択
　　1.4.1 情報量規準
　　1.4.2 ベイズ情報量規準
　1.5 統計的モデリングから意思決定へ
　　1.5.1 意思決定1：金融資産ポートフォリオの構築
　　1.5.2 意思決定2：価格設定とプロモーションプラニング
　　1.5.3 意思決定3：オンラインプラットフォーム市場における商品設計
　　1.5.4 まとめ
2高次元データの統計的モデリング
　2.1 lasso 推定量
　　2.1.1 変数選択の一致性
　　2.1.2 推定アルゴリズム
　　2.1.3 正則化パラメータの選択
　　2.1.4 実行例
　2.2 adaptive lasso 推定量
　2.3 elastic net 推定量
　2.4 group lasso 推定量
　2.5 SCAD 推定量
　　2.5.1 SCAD 推定量の理論的性質
　　2.5.2 SCAD 推定における仮定
　　2.5.3 一致性について
　　2.5.4 変数選択の一致性について
　　2.5.5 漸近正規性について
　　2.5.6 正則化パラメータの選択について
　2.6 MC+ 推定量
　2.7 Dantzig selector 推定量
　2.8 Bayesian lasso 推定量
　2.9 quantile lasso 推定量
　2.10 R により提供されているパッケージソフト
3超高次元データへの対応について
　3.1 sure independence screening 法
　3.2 漸近主成分法
　　3.2.1 モデルの推定，および正則化パラメータの選択
　　3.2.2 実行例
　　3.2.3 仮定について
　　3.2.4 SCAD 推定量の一致性，oracle property の証明
　　3.2.5 漸近主成分分析におけるファクター数について
　　3.2.6 一般のモデルへの拡張
　　3.2.7 分位点ファクター回帰分析
　3.3 高次元パネルデータの分析
4モデル統合法
　4.1 モデル統合とは
　4.2 情報量規準によるモデル統合
　　4.2.1 実行例1：情報量規準による線形回帰モデルの統合
　　4.2.2 実行例2：ロジスティック回帰モデルの統合
　　4.2.3 実行例3：新規顧客の獲得確率
　　4.2.4 実行例4：既存顧客の維持期間
　4.3 ベイズアプローチによるモデル統合
　　4.3.1 実行例1：線形回帰モデルの統合
　　4.3.2 実行例2：消費選択モデルの統合
　4.4 予測尤度によるモデル統合
　　4.4.1 実行例：線形回帰モデルの統合
　4.5 Cp 基準によるモデル統合
　　4.5.1 実行例
　4.6 jackknife 法によるモデル統合
　　4.6.1 実行例
　4.7 操作変数回帰モデルの統合
　4.8 さまざまなモデル統合
　　4.8.1 推定区間による時系列回帰モデルの統合
　　4.8.2 さまざまなモデル統合法
5高次元データとモデル統合
　5.1 高次元データの分析と線形回帰モデル統合
　　5.1.1 高次元データ分析におけるモデル統合の問題1
　　5.1.2 高次元データ分析におけるモデル統合の問題2
　5.2 高次元データ分析におけるモデル統合
　5.3 実行例
　5.4 漸近最適性について
6総括
A罰則重み付き最尤推定法を想定した情報量規準
参考文献
索　　　引