内容紹介：回帰モデルを用いたデータ分析は基本的で有用である反面、回帰変数の選択が恣意的になったり、回帰式の設定が不適切になったりするなどの問題も抱えている。本書は、これらの問題に対して、統計学者や計量経済学者がどのような解決策を考えてきたのか、分野の発展の歴史をたどりながら解説する。特に近年、機械学習の手法を取り入れることで従来の統計学では扱えなかった問題に対処できることも多くなった。分析者の恣意性を極力排除したデータ駆動型の回帰分析の可能性を、理論的な側面から考える。
奥深い回帰分析の世界へ。分析者の恣意性を極力排除したデータ駆動的（ｄａｔａ‐ｄｒｉｖｅｎ）な回帰分析の可能性を探る。
もくじ情報：第１章　回帰分析の課題；第２章　変数選択；第３章　ノンパラメトリック回帰；第４章　セミパラメトリック回帰；第５章　回帰木とアンサンブル学習；第６章　正則化法；第７章　変数選択後の統計的推測

末石　直也(スエイシ　ナオヤ)
１９７９年生まれ。京都大学大学院経済学研究科修士課程修了。ウィスコンシン大学経済学部博士課程修了（Ｐｈ．Ｄ．ｉｎ　Ｅｃｏｎｏｍｉｃｓ）。京都大学大学院経済学研究科講師、神戸大学大学院経済学研究科准教授を経て、２０１９年より、同研究科教授。専門は計量経済学、統計学（本データはこの書籍が刊行された当時に掲載されていたものです）