ベイズ統計で実践モデリング

幅広い科学領域で標準的な分析方法となってきたベイズ推論。本書では，認知モデルを主な題材とし，数多くのケーススタディを通してモデリングの具体例を示す。実習に軸を置き，MatlabまたはRを使ってWinBUGS（あるいは，JAGSやStan）による推定を実践し，とことんエクササイズできる。 ◆「まえがき」より一部抜粋 この本を読み終えた後には，統計学についての新しい理解を手に入れるだけでなく（もちろんそのことも有意義だが），プロではあっても非ベイズ派の認知科学者なら夢見て終えるしかないような統計モデルを実装できる専門的なスキルが身につくことを願っている。 ◆「訳者あとがき」より一部抜粋 本書はMichael D. LeeとEric-Jan WagenmakersによるBayesian Cognitive Modeling: A Practical Course（Cambridge University Press, 2013年）の全訳である。ベイズ統計学に関心のある方からは，そのカバーデザインから“コワい本”として知られている本でもある。 昨今の心理学界隈では，ベイズ統計学が話題に上ることが多くなり，関係書籍が相次いで刊行され，ベイズが今後の統計手法のスタンダードになるのではないかとも言われている。その一方で，認知心理学や認知科学などの基礎的な領域の研究者には，ベイズが重要であることは理解できても，自分たちが行っている研究の中でどのように生きるものであるかがつかみきれていない方も少なくないように思う。そのような中で，認知研究を主な題材とし，数多くのケーススタディを通してベイズモデリングの具体例を示す本書は，この領域に関心のある研究者や学生にとって有用な手がかりとなるだろう。 ◆「解説」より一部抜粋 本書ではさまざまなベイズモデリングの実例が示されている。しかしその一方で，心理学や認知科学の莫大な研究分野を考えれば，ベイズモデリングが貢献できる応用例がこれだけにとどまるはずはない。さらなる新しい応用例が，今後もますます提案されていくだろう。 読者のこれまでの研究では，その研究デザインが「有意な条件間の差を見出す」「有意な交互作用を見出す」ように組まれてはいなかっただろうか。もちろんこうした枠組みの貢献を否定するものではない。しかし，せっかく量的なデータを収集していながら，最終的に「差がある／ない」「交互作用がある／ない」といった質的な結果に落とし込んでしまっては，そのデータの情報を十分に活用したとは言えないのではないか。データ生成メカニズムを反映したベイズモデリングは，量的な観測データの量的情報をそのまま活用し，現象の説明・理解や，観測されていない条件での予測，不確実性の大きさなど，豊かな情報を我々に提供してくれる。本書が，そしてベイズモデリングによる研究が今後の心理学や認知科学の新しい時代を切り開いていくことを信じてやまない。