【書評】RとStanではじめるベイズ統計モデリングによるデータ分析入門

馬場さんの「RとStanではじめるベイズ統計モデリングによるデータ分析入門」を読んだので、感想。
今回の書籍はベイズ統計モデリングの初学者向けにぴったりで、内容がわかりやすくてガンガン読み進められた素晴らしい書籍。細かい話は概要に書く。

買おう買おうと思ってずっと買ってなかったら、5刷になったばかりだった。ページを開いた瞬間から、色味が好みで、具体例たくさんで、すごい良い。
早く手を動かしながら読もう！！ pic.twitter.com/bllta8Q9Tm
— くろたんく@激しく多忙 (@black_tank_top) 2020年8月5日

本書の概要
- 感想
- 理論編
- 基礎編
- 実践編
- 応用編
必要な前提知識
おすすめの人
終わりに
その他参考図書
お願い（欲しい書籍リスト）

本書の概要

感想

中身を見せてあげたいくらい、色味が目に優しくてよい。（自分が緑色が好きだというのがあるけども）
数学的な議論が少ないけれど、数式は出てくる。しかしきちんと説明されているため理解が促される。
統計・確率・ベイズ推論・MCMCの基礎をしっかり学べる。
実際に推定結果の図示したり、どう見るのかということを説明している。
GLM→GLMM→DLM→DGLM と順にモデルを発展させて説明がされているため理解がしやすい。
章ごとにテーマ・目的・概要、さらに具体例が書かれており、これは非常によかった。理解を促すなら、この形がいいと思った。

理論編

統計モデリングとはなにかという説明から、始まって以下がまとまっている。
（基礎という言葉は自分が勝手にそう思っているだけ。）

統計学基礎

確率基礎

確率分布基礎

ベイズ推論の基礎

MCMCの基礎

特に、よかったのは各項目にわかりやすい具体例が載っていること。統計にしても確率にしても数式だけで追える、理解できる人はいいが、具体的にどういう場面かというところから書いてくれることで置いてきぼりにならない。 4章の確率分布で扱っている、同時分布・周辺分布・条件付き確率の説明が非常にわかりやすく、つまずきポイントをうまく具体例を示して、理解を促している。また、6-7章ではベイズ推論の難点、なぜMCMCをつかうのか、MCMCはどうやって乱数を生成しているのかをかなり事細かく説明してある。MCMCについてなんとなくの理解しかないなーっていう感じであればこの7章はかなり理解を促してくれると思う。

基礎編

まぁ、ここはRとStanのインストールと可視化方法などが主なので、基本省略。
5章がかなりよくて、結局結果をどう見ればいいの？っていうところをきちんとおさえてくれているのと、Stanに慣れてない人向けに6章でStanの文法の解説がコードと共にある。

実践編

まずはGLM。同じ事例で、線形予測子や、確率分布とリンク関数を変えた例を複数取り合えげているのでその違いが明確にわかる。まずは単回帰モデルでの推定および予測の実装例がある。また、brmsをつかって簡単にベイズ統計モデリングを試みつつも、Stanで再現できるかということを実践している。これはとてもいいことでブラックボックスになっている部分をきちんと理解したうえで使えるようになることが重要である。そのほか、正規線形モデル・ポアソン回帰モデル・ロジスティック回帰モデルを扱い、線形予測子や、確率分布とリンク関数を変えた実装例が書かれている。順序良く書かれているので、理解が促されやすい。