参考文献

Rについての教科書

R-tips(舟尾暢男 2016)

まずは、R-tipsから紹介します。R-tipsは2020年ぐらいまではWeb上で見ることができていた、Rの入門にちょうどいいホームページでした。かなり昔から教科書としても販売されていました。Rのプログラミングから統計の基礎まで網羅しており、入門編として必要十分な内容を備えています。

Rで楽しむ統計(奥村 and 石田 2016)

Rで楽しむ統計は統計よりの内容になった、Rの入門の教科書です。著者の奥村先生のホームページにはRのスクリプトを含む情報がたくさんあり、昔からお世話になっていたものです。

Rによるやさしい統計学(山田, 杉澤, and 村井 2008)

こちらも統計よりに近い内容の教科書です。内容はかなり統計よりになっていますが、平易な文章で書かれており、理解しやすいと思います。

Rによるデータサイエンス(金 2017)

こちらも基礎からRを学べる教科書です。上記の教科書よりかなり最近に書かれたものです。

私たちのR ベストプラクティスの探求(宋 and 矢内 2020)

Web版の教科書ですが、Rのプログラミング言語としての面について詳しく説明された教科書です。Web版でタダで読めますので、まずはこれでRに触れてみるのがよいでしょう。このテキストでは説明していないWebスクレイピングなどにも触れています。

生物統計学

こちらは昔からお世話になっている、Rに関する統計学的手法を取りまとめたホームページです。こちらを一通り読み通せば、Rや統計について一通りフォローできる内容になっています。

からだにいいもの

表題はともかく、このブログは10年ほど前からいろいろなRのライブラリを紹介し続けてくれているページとなっています。

実践的データサイエンス

こちらはUryuさんという方が書かれているものです。どちらかというとRというよりはデータサイエンスの基礎を押さえたものとなっており、内容は入門としては少し難しめとなっています。

R for Data Science(Wickham, Mine, and Grolemund 2023)

英語の教科書では、まずHadley WickhamのR for Data Scienceを読んでみるのが良いでしょう。日本語版も英語の書籍版もありますが、Webサイトから読むと無料で利用できます。Hadley Wickhamはこの他にもWebで教科書を複数公開しており、英語さえできれば教科書を買うことなくRを学ぶことができます。

An Introduction to R

日本語版

RのマニュアルもRを学ぶ上で参考になるでしょう。最新のRの使い方（tidyverseやQuarto、Shinyなど）についての記載はありませんが、Rの基礎については十分に説明がされています。日本語版のマニュアルもあるため、一目通しておくとよいでしょう。

Welcome to ModernDive

Hands-On Programming with R

英語のテキストは無数にあります。上に入門編のテキストから2つを紹介しておきます。日本語のテキストは少なく、どうしても落穂ひろいしてしまうことになりがちですが、英語さえできればほぼ無料で一通りRを学ぶことができます。

ggplot2

Rグラフィックスクックブック(Chang 2019)

ggplot2の教科書では、このRグラフィッククックブックに目を通すのがよいでしょう。ちょっと分厚いですが、ggplot2の端から端までよく記載されている教科書です。

ggplot2: Elegant Graphics for Data Analysis(Wickham 2016)

英語でもよければこちらのHadley Wickham謹製の教科書を読むのがよいでしょう。無料で読めますし、紙の媒体が欲しければAmazonでペーパーバックを購入することもできます。

plotly

Rによるインタラクティブなデータビジュアライゼーション: 探索的データ解析のためのplotlyとshiny(Sievert and 株式会社ホクソエム 2022)

plotlyに関してはほとんど日本語の資料がないのですが、こちらの教科書はかなり良く書かれていてわかりやすいものとなっています。Webアプリケーション作成ライブラリであるShinyについても少し紹介されています。

また、インタラクティブなグラフの使いかたについては、Interactively exploring high-dimensional data and models in R(Cook and Laa 2024)が参考になります。

統計

統計学入門（基礎統計学Ⅰ）(東京大学教養学部統計学教室 1991)

統計の教科書の1冊目には、とりあえずこの教科書を選んでおくと問題ないでしょう。基礎からきちんと説明がされていて、常に手元に置いておくとよい教科書の一つです。東京大学教養学部統計学教室が出版している教科書には他にも2冊ありますので、一通り目を通すだけでも勉強になると思います。

データ分析に必須の知識・考え方　統計学入門(阿部真人 2021)

統計学入門よりもう少し簡単な内容で、入門編として読みやすい教科書です。統計も何も知らない方が読んでも読みやすい内容になっています。同様のデザインの教科書がソシムのデータサイエンスというシリーズで出版されており、どれも読みやすく理解しやすい内容となっています。

統計学入門

こちらも昔からお世話になっているホームページで、統計の基礎的なことでわからないことがあればとりあえずココで確認することが多いです。著者は統計の教科書も数冊書かれています。

R基本統計関数マニュアル

Rで統計を行うのであれば、とりあえずこのマニュアルに目を通すとよいでしょう。やや長いですが、基礎的な統計に関する関数の説明はほぼすべて記載されています。

データ分析のための統計学入門

こちらは英語の教科書（OpenIntro Statistics）を東京大学の先生が翻訳して公開しているものです。初めに手に取る教科書にしては少し難しいかもしれませんが、内容が充実しているので、通して読めば非常に勉強になるでしょう。

回帰

データ解析のための統計モデリング入門(久保 2012)

回帰について基礎から理解したいなら、とりあえずこの教科書を読むとよいでしょう。MCMCに関してはWinBugsという、2006年に開発が終わって、今ではあまり使われていないソフトウェアが紹介されていますが、内容をStanに読み替えれば今でも十分に役に立つ教科書です。

統計モデルと推測(松井秀俊 and 小泉和之 2019)

こちらはもう少し最近になって出版された教科書です。統計モデルというのは統計を扱ったことがないとよくわからない概念なのですが、こちらを一通り読めばある程度把握できると思います。

Rによる多変量解析入門 データ分析の実践と理論(川端, 岩間, and 鈴木 2018)

こちらは重回帰、因子分析を中心に詳しく説明されている教科書です。上の2冊を読んだ後に読めば、回帰の手法についてより深く学ぶことができるでしょう。また、構造方程式モデリングについてもかなり詳しい説明がされています。

Generalized Additive Models: An Introduction with R(Wood 2017)

Generalized Additive Model（GAM、一般化加法モデル）はかなり複雑で、何をやっているのかよくわからない非線形回帰モデルの一つですが、この教科書では入門から計算の要点、mgcvの使い方まで一通り説明されています。GAMの日本語の教科書はあまりなく、この教科書ほど内容が充実しているものは無いように思います。ただし、内容はかなり難しく、行列演算がわからないと何を書いているのかわからない部分も多いです。しかし、現状この教科書より分かりやすいものも無いので、興味のある方は挑戦してみるとよいでしょう。

分類

Rによる機械学習入門(金森敬文 2017)

機械学習はPythonの領域、といった感じで、Rで機械学習を取り扱うことはそれほど多くないと思いますが、一通り機械学習の手法をRで試すのであればこの教科書を読むとよいでしょう。

時系列分析

時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装(馬場真哉 2018)

時系列の基礎から応用まで、一通りすべて説明されている教科書です。時系列についてとりあえず一冊買うなら、これを買って試してみるのがよいでしょう。

Rとstanではじめる　心理学のための時系列分析入門(小森政嗣 2022)

上の教科書よりもう少しとっつきやすい感じの教科書がこちらです。ただし、たどり着くところは上の教科書よりやや難しめです。

生存時間解析

Applied Survival Analysis Using R(Moore 2016)

生存時間解析を行うことはほとんどないですし、耐久性試験やがんの第II、III相治験にでも関わらない限りそれほど学ぶ理由もないと思うのですが、Rに関連して一冊読むならこの教科書が一番簡単で理解しやすいと思います。もちろん英語の教科書ですが、内容はそれほど難しくなく、生存時間解析の基礎についてRのスクリプトと共によく説明されています。

疫学のためのRハンドブック(Neale Batra 2021b)

疫学についての教科書ですが、27章に生存時間解析についての詳しい内容が記載されています。元々は英語の教科書(Neale Batra 2021a)で、日本人の有志の方が翻訳し、公開してくれています。このテキストよりもずっと正確でまともな内容が記載されていますので、生存時間解析を含む疫学に興味があれば一読されることをおすすめします。

地理空間情報

Geocomputation with R

こちらも地理空間情報の取り扱いについて解説した教科書です。英語の原著版はこちらです。まだまだ情報が少ないsfパッケージの説明、leafletといった地理空間を取り扱うグラフィックライブラリの説明等の内容が充実しています。

実践Data Scienceシリーズ Rではじめる地理空間データの統計解析入門(村上 2022)

こちらは地理空間情報だけではなく、地理情報を用いた統計の手法を説明した教科書です。地理空間統計には興味があるのですが、あまりにもデータに触ることがないため知識がなく、このテキストにも記載はしていません。この教科書を読むと地理空間統計についてイメージしやすくなるのではないかと思います。

ネットワーク解析

ネットワーク分析 第2版 (Rで学ぶデータサイエンス 8) (鈴木 2017)

Rでネットワーク解析を学ぶのであれば、とりあえずこれを1冊読むとよいでしょう。Rのネットワーク解析ライブラリであるsnaとigraphの両方について、ネットワーク解析の意味や手法を交えて基礎から詳しく記載されています。特にsnaについてはネット上にも情報が落ちていないので、きちんと学ぶのであれば他に選択肢がないように思います。ただし、同じ手法をsnaとigraphを用いて並行して説明されているので、やや読みにくい印象があります。

Rmarkdown・Quarto

再現可能性のすゝめ (Wonderful R 3) (高橋康介. and 石田 2018)

Rmarkdownについて一冊読むのであれば、この教科書が初心者でも読みやすいでしょう。RstudioとRmarkdownを用いた手法が一通り説明されています。やや独特の言い回しが多いので気になるかもしれませんが、手元に置いておけばRでのレポート制作の役に立つでしょう。

Rmarkdownについての教科書は他にも数冊出ていますので、手に取ってみて肌に合うものを読んでみるとよいと思います。

R Markdown: The Definitive Guide (J. J. Allaire and Grolemund 2023)

英語でも良ければR markdownの開発者であるDr. Yihui Xie謹製のこちらの教科書を読むのが良いでしょう。また、この教科書を日本語に翻訳したものも公開されています。こちらからR Markdownに入門するのもよいでしょう。

この教科書を含め、Posit.ioが公表している教科書はほぼすべてbookdownパッケージ(Xie 2024, 2016)、もしくはこの機能を引き継いだQuartoで作成されています。このR入門もQuartoで作成している教科書です。bookdownで作成された教科書の一覧も公開されていますので、R markdownだけでなく他のRの教科書を探すのにも便利です。

Quartoについてはあまり良い教科書がありません。QuartoのGuideを読むのが最も簡単に学ぶ方法だと思います。上で紹介した日本語の教科書(宋 and 矢内 2020)にはQuartoについての詳しい記載があります。

Shiny

RとShinyで作るWebアプリケーション(梅津 and 中野 2018)

RでWebアプリケーションを作成するためのライブラリであるShinyに関する教科書は、特に日本語ではほぼありません。現状これがほぼ唯一の教科書で、Shinyについて学ぶのであればとりあえずこれを読むことになります。唯一の教科書ですが、内容は非常に充実していて、一通り読めば簡単なアプリケーションであればすぐに作成することができます。Shinyを用いれば（統計に関するWebアプリケーションを作る場合）、RubyのRailsや、PythonでDjangoやFlaskなどを学ぶよりも遥かに簡単にWebアプリケーションを作成することができます。とは言ってもPythonではStreamlitという同等のフレームワークが開発されているため、ShinyよりStreamlitの方が主流になっていくのかもしれません。

因果推論

Rによる実証分析(星野匡郎, 田中久稔, and 北川梨津 2023)

経済学の先生が書かれた教科書です。おそらくあまり統計学・数学に強くない学生が読むことを想定されているようで、統計学の手法について平素な言葉で容易に理解できるよう書かれています。基礎的な統計手法、回帰、マッチング、差分の差分法についてかなり丁寧にページを割いて説明されていて、Rでの因果推論のことはじめにはちょうどよい教科書のように思います。

統計的因果推論の理論と実装 (Wonderful R)(高橋将宜 2022)

因果推論の基礎から丁寧に解説されている教科書で、特に回帰と回帰不連続デザインについての情報が多い教科書です。やや内容が行ったり来たりするようなところがあり、難しい話をしていると思ったら基礎的な説明が始まったりするのでちょっとずつ難しくなる、というタイプの教科書ではないですが、理解の難易度としてはココで紹介している教科書の中ではちょうど中間ぐらいだと思います。よりやさしい教科書の後で読むと、因果推論についての理解が進むでしょう。

岩波データサイエンス vol3 因果推論(岩波データサイエンス刊行委員会 2016)

上で紹介した岩波データサイエンスシリーズの一冊で、因果推論について取り上げた巻です。薄い本ですが、因果推論の手法について短い文で高い密度で説明されており、因果推論の手法がどんなものであるかを短い時間でも理解しやすい教科書です。因果推論の手法がどういうものなのか知りたいときにまず手にとって、興味を深めていくのによい教科書だと思います。

効果検証入門〜正しい比較のための因果推論/計量経済学の基礎(安井翔太 2020)

こちらはこのテキストの49章、50章で説明した回帰による共変量の調整、傾向スコアを用いた手法、差分の差分法、回帰不連続デザインについてより詳しく書かれた教科書になっています。特に回帰による共変量の調整についてはページを割いて詳しく解説されています。また、マーケティング分野への適用の例がたくさん書かれていて、Web広告などのマーケティング分野の方であればより理解しやすいのではないかと思います。

調査観察データの統計科学：因果推論・選択バイアス・データ融合(星野崇宏 2009)

因果推論の詳細について詳しく書かれた教科書です。観察研究ではたくさん発生する欠測データについての説明も加えられています。内容は駆け足で、少しついていくのが大変ですので、他の文献で予習した上で読み進めると良いでしょう。内容はかなり難しいですが、傾向スコアを用いた手法で実際に起こりうる問題や欠測、バイアスが生じる理由や生じた場合の調整の方法について詳しく説明されており、実際にデータを分析する際に手元に置いておくと参考になると思います。

この他に、日本語ではKUT 計量経済学応用、英語では、The Effect: An Introduction to Research Design and CausalityやCausal Inference in R、Causal Inference The MixtapeなどのWeb上の教科書もたくさんありますので、目を通してみるとよいでしょう。

DAGとベイジアンネットワーク

Rと事例で学ぶベイジアンネットワーク(Scutari et al. 2022)

英語の同書籍（Bayesian Networks: With Examples in R）を翻訳したベイジアンネットワークの教科書です。カテゴリカルデータでのベイジアンネットワーク、正規分布するデータでのベイジアンネットワーク、カテゴリカルデータと正規分布するデータでのベイジアンネットワークと順に解説されており、Rでの事例も豊富に記載されている教科書です。ベイジアンネットワークの原理を基礎から理解する、という目的ではやや使いにくい教科書かもしれませんが、実際のデータ解析では役に立つ教科書だと思います。

Thinking clearly about correlations and causation: Graphcal causal models for observbational data

こちらは心理学の先生が書いたDAGと共変量の調整に関する論文です。少し長めの論文で、DAGと調整すべき共変量の関係について、数式ではなく言葉で説明したものとなっています。数式が苦手で言葉で説明してもらった方が分かりやすい方にはこちらで共変量の調整について学ぶのが向いているかもしれません。

構造方程式モデリング

共分散構造分析［入門編］

共分散構造分析（構造方程式モデリング）を学ぶのであれば、これをまず読むのがよいでしょう。構造方程式モデリングがどういうものなのか、どのように演算するのか、注意すべきポイントがすべて丁寧に説明されています。

共分散構造分析［入門編］

入門後はこれを読んでRでの実際の解析の例を学びながら用いるのがよいでしょう。著者の豊田先生はこの教科書の他にも、Amosという共分散構造分析のためのソフトウェアを使う場合の教科書、AIを用いる手法の教科書、因子分析の教科書なども書かれています。

多変量解析

神戸大学経営学研究科の分寺先生が講義のために準備された教科書です。無料で公開されており、正直、私が準備したテキストなど読んでいる暇があるならこちらを読んだ方がよほど勉強になると思います。構造方程式モデリングについてはこの教科書があるから私は書かなくてもいいかな、と思ったのですが、この教科書の入口を準備した、という意味ぐらいはあるのかなと思います。

その他

RとStanで始める ベイズ統計モデリングによるデータ分析入門(馬場真哉 2019)

ベイズ統計入門としてはかなり読みやすい教科書になっています。上記の「データ解析のための統計モデリング入門」と共にベイズ入門編としてとても良い教科書だと思います。

StanとRでベイズ統計モデリング(松浦 and 石田 2016)

ベイズ入門後はこちらを読むとよいでしょう。具体的にベイズ統計でどのようなことができるのか、イメージするのに最適です。

岩波データサイエンス Vol.1~6(岩波データサイエンス刊行委員会 2015)

岩波データサイエンスシリーズは全6冊の薄めのテキストです。6冊それぞれにテーマ（ベイズとMCMC、自然言語処理、因果推論、地理空間、スパース、時系列）があり、テーマに基づいた解説がされています。教科書と連動したページもあります。比較的手に取りやすいので目を通しやすいテキストですが、内容は難しめです。

欠測データ処理(高橋将宜. and 渡辺 2017)

データの欠測とそれを補完する手法についてまとめた教科書です。欠測データを埋めるというのは通常の分析ではそれほど行われないと思うのですが、治験ではLOCFやBOCF、回帰モデルを用いた補完などの欠測データ補完が昔からよく用いられています。この教科書ではRを利用した欠測データの補完について解説されています。

Optimal Design of Experiments: A Case Study Approach (Goos and Jones 2011)

実験計画法の手法であるOptimal Designについて解説した教科書です。各章は作者2人（PeterとBradley）が実験計画で困っている人のところにコンサルタントとして訪問し、Optimal Designを駆使して問題を解決するドラマ仕立てのパートと、そのOptimal Designの解説からなります。ドラマパートに出てくる実験計画で困っている人は、こういうことが実験で知りたい、と語ってくれるため、こういう実験ならどのOptimal Designを使うべきか、比較的容易に理解することができます。Optimal Design自体の解説は解説パートで説明してくれるため、理屈も比較的理解しやすいと思います。Optimal Designの日本語の教科書はほとんどないので、とりあえずこれを読んで入門するのがよいでしょう。

ただし、肝心の計画を作成する部分は、『Peterはおもむろにラップトップを取り出し、ソフトウェアに説明変数を打ち込み始めた。しばらくして、Peterはラップトップをひっくり返して作成された計画を示した。「この実験デザインがいいはずだ」「Oh, Great!」』とか書いてあって、どーやったら計算できるのかは（アルゴリズムが書いてある場合もありますが）具体的にはよくわからない形になっています。実験計画に強いソフトウェア（JMPなど）を使えるのであれば有用な教科書だと思います。Rではskprを含めいくつかのライブラリがOptimal Designに対応しています。CRANのDoEのTask Viewを調べながらRで実験計画を作成しつつ、教科書を読み進めるのが良いかもしれません。

実験計画法については、日本語では「はじめよう実験計画」というサイトが公開されていて、このテキストより内容が充実しています。また、英語ではありますがUniversity Southamptonの統計学の授業のテキストやSouthern Illinois Universityの統計学のテキストの7章、8章、9章にも実験計画について詳しく書かれていて、参考になります。

Lead2Amazon

上記の教科書のReferenceは大体このページを利用してbibtexに変換して登録しています。ですので、Referenceのリンクは大体Amazonの販売ページに繋がっています。このテキストを読むことで、教科書の売り上げが1冊でも増えればいいなと思います。

(Rで)マイクロアレイデータ解析

Rの入門時にお世話になったページです。生物系でかつ、マイクロアレイやHiSeqを用いるような方以外にはあまり必要のないものですが、実際の多変量解析で必要となる様々な手順が記載されています。

実行環境

sessionInfo()

R version 4.5.2 (2025-10-31 ucrt)
Platform: x86_64-w64-mingw32/x64
Running under: Windows 11 x64 (build 22631)

Matrix products: default
  LAPACK version 3.12.1

locale:
[1] LC_COLLATE=Japanese_Japan.utf8  LC_CTYPE=Japanese_Japan.utf8   
[3] LC_MONETARY=Japanese_Japan.utf8 LC_NUMERIC=C                   
[5] LC_TIME=Japanese_Japan.utf8    

time zone: Etc/GMT-9
tzcode source: internal

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
 [1] htmlwidgets_1.6.4 compiler_4.5.2    fastmap_1.2.0     cli_3.6.5        
 [5] tools_4.5.2       htmltools_0.5.9   otel_0.2.0        rstudioapi_0.17.1
 [9] rmarkdown_2.30    knitr_1.51        jsonlite_2.0.0    xfun_0.55        
[13] digest_0.6.39     rlang_1.1.7       evaluate_1.0.5   

文献

以下は文献のリストとなります。

Akaike, Hirotogu. 1998. “Information Theory and an Extension of the Maximum Likelihood Principle.” In Selected Papers of Hirotugu Akaike, 199–213. Springer.

Allaire, J. J., Christopher Gandrud, Kenton Russell, and CJ Yetman. 2017. networkD3: D3 JavaScript Network Graphs from r. https://CRAN.R-project.org/package=networkD3.

Allaire, JJ, Yihui Xie, Christophe Dervieux, Jonathan McPherson, Javier Luraschi, Kevin Ushey, Aron Atkins, et al. 2023. Rmarkdown: Dynamic Documents for r. https://github.com/rstudio/rmarkdown.

Almende B.V. and Contributors, and Benoit Thieurmel. 2022. visNetwork: Network Visualization Using ’Vis.js’ Library. https://CRAN.R-project.org/package=visNetwork.

Altman, Naomi, and Martin Krzywinski. 2016. “Points of Significance: P Values and the Search for Significance.” Nature Methods 14 (1): 3–4. https://doi.org/10.1038/nmeth.4120.

Alves, Matheus Facure. 2022. Causal Inference for the Brave and True. https://matheusfacure.github.io/python-causality-handbook/landing-page.html.

Anscombe, Francis J. 1973. “Graphs in Statistical Analysis.” The American Statistician 27 (1): 17–21.

Atkins, Aron, Toph Allen, Kevin Ushey, Jonathan McPherson, Joe Cheng, and JJ Allaire. 2023. Packrat: A Dependency Management System for Projects and Their r Package Dependencies. https://CRAN.R-project.org/package=packrat.

Atkins, Aron, Toph Allen, Hadley Wickham, Jonathan McPherson, and JJ Allaire. 2024. Rsconnect: Deploy Docs, Apps, and APIs to ’Posit Connect’, ’Shinyapps.io’, and ’RPubs’. https://CRAN.R-project.org/package=rsconnect.

Austin, Peter C, and Elizabeth A Stuart. 2015. “Moving Towards Best Practice When Using Inverse Probability of Treatment Weighting (IPTW) Using the Propensity Score to Estimate Causal Treatment Effects in Observational Studies.” Statistics in Medicine 34 (28): 3661–79.

Bache, Stefan Milton, and Hadley Wickham. 2022. Magrittr: A Forward-Pipe Operator for r. https://CRAN.R-project.org/package=magrittr.

Barrett, Tyson, Matt Dowle, and Arun Srinivasan. 2023. Data.table: Extension of ‘Data.frame‘. https://CRAN.R-project.org/package=data.table.

Bates, Douglas, Martin Mächler, Ben Bolker, and Steve Walker. 2015. “Fitting Linear Mixed-Effects Models Using lme4.” Journal of Statistical Software 67 (1): 1–48. https://doi.org/10.18637/jss.v067.i01.

Bengtsson, Henrik. 2021. “A Unifying Framework for Parallel and Distributed Processing in r Using Futures.” The R Journal 13 (2): 208–27. https://doi.org/10.32614/RJ-2021-048.

———. 2026a. Futurize: Parallelize Common Functions via One Magic Function. https://doi.org/10.32614/CRAN.package.futurize.

———. 2026b. Parallelly: Enhancing the ’Parallel’ Package. https://doi.org/10.32614/CRAN.package.parallelly.

Benjamin, Daniel J, James O Berger, Magnus Johannesson, Brian A Nosek, E-J Wagenmakers, Richard Berk, Kenneth A Bollen, et al. 2018. “Redefine Statistical Significance.” Nature Human Behaviour 2 (1): 6–10.

Ben-Shachar, Mattan S., Daniel Lüdecke, and Dominique Makowski. 2020. “effectsize: Estimation of Effect Size Indices and Standardized Parameters.” Journal of Open Source Software 5 (56): 2815. https://doi.org/10.21105/joss.02815.

Bivand, Roger, Jakub Nowosad, and Robin Lovelace. 2023. spData: Datasets for Spatial Analysis. https://CRAN.R-project.org/package=spData.

Boswell, Dustin, and Trevor Foucher. 2012. リーダブルコード ーより良いコードを書くためのシンプルで実践的なテクニック (Theory in Practice). Translated by 角征典. 単行本（ソフトカバー）. オライリージャパン. https://www.amazon.co.jp/dp/4873115655/.

Bouchet-Valat, Milan. 2023. SnowballC: Snowball Stemmers Based on the c ’Libstemmer’ UTF-8 Library. https://CRAN.R-project.org/package=SnowballC.

Bretz, Frank, Martin Posch, Ekkehard Glimm, Florian Klinglmueller, Willi Maurer, and Kornelius Rohmeyer. 2011. “Graphical Approaches for Multiple Comparison Procedures Using Weighted Bonferroni, Simes or Parametric Tests.” Biometrical Journal 53 (6): 894–913. https://doi.org/10.1002/bimj.201000239.

Brodersen, Kay H., Fabian Gallusser, Jim Koehler, Nicolas Remy, and Steven L. Scott. 2014. “Inferring Causal Impact Using Bayesian Structural Time-Series Models.” Annals of Applied Statistics 9: 247–74. https://research.google/pubs/inferring-causal-impact-using-bayesian-structural-time-series-models/.

Brodersen, Kay H, Fabian Gallusser, Jim Koehler, Nicolas Remy, and Steven L Scott. 2015. “Inferring Causal Impact Using Bayesian Structural Time-Series Models.”

Bruinsma, Wessel. n.d. “Spike and Slab Prior.” https://wessel.ai/assets/write-ups/Bruinsma,%20Spike%20and%20Slab%20Priors.pdf.

Bryan, Jennifer. 2023a. Gapminder: Data from Gapminder. https://CRAN.R-project.org/package=gapminder.

———. 2023b. Googlesheets4: Access Google Sheets Using the Sheets API V4. https://CRAN.R-project.org/package=googlesheets4.

Bürkner, Paul-Christian. 2017. “brms: An R Package for Bayesian Multilevel Models Using Stan.” Journal of Statistical Software 80 (1): 1–28. https://doi.org/10.18637/jss.v080.i01.

———. 2018. “Advanced Bayesian Multilevel Modeling with the R Package brms.” The R Journal 10 (1): 395–411. https://doi.org/10.32614/RJ-2018-017.

———. 2021. “Bayesian Item Response Modeling in R with brms and Stan.” Journal of Statistical Software 100 (5): 1–54. https://doi.org/10.18637/jss.v100.i05.

Butts, Carter T. 2008. “Network: A Package for Managing Relational Data in r.” Journal of Statistical Software 24 (2). https://doi.org/10.18637/jss.v024.i02.

———. 2015. Network: Classes for Relational Data. The Statnet Project (http://www.statnet.org). https://CRAN.R-project.org/package=network.

———. 2023. Sna: Tools for Social Network Analysis. https://CRAN.R-project.org/package=sna.

Calonico, Sebastian, Matias D. Cattaneo, and Max H. Farrell. 2025. Rdrobust: Robust Data-Driven Statistical Inference in Regression-Discontinuity Designs. https://doi.org/10.32614/CRAN.package.rdrobust.

Calonico, Sebastian, Matias D Cattaneo, and Rocio Titiunik. 2014. “Robust Data-Driven Inference in the Regression-Discontinuity Design.” The Stata Journal 14 (4): 909–46.

———. 2015. “Rdrobust: An r Package for Robust Nonparametric Inference in Regression-Discontinuity Designs.”

Carpenter, Bob, Andrew Gelman, Matthew D Hoffman, Daniel Lee, Ben Goodrich, Michael Betancourt, Marcus Brubaker, Jiqiang Guo, Peter Li, and Allen Riddell. 2017. “Stan: A Probabilistic Programming Language.” Journal of Statistical Software 76 (1).

Chang, Winston. 2019. Rグラフィックスクックブック 第2版 ーggplot2によるグラフ作成のレシピ集. Translated by 石井弓美子, 河内崇, and 瀬戸山雅人. 単行本（ソフトカバー）. オライリージャパン. https://www.amazon.co.jp/dp/4873118921/.

———. 2021a. R6: Encapsulated Classes with Reference Semantics. https://CRAN.R-project.org/package=R6.

———. 2021b. Shinythemes: Themes for Shiny. https://CRAN.R-project.org/package=shinythemes.

Chang, Winston, and Barbara Borges Ribeiro. 2021. Shinydashboard: Create Dashboards with ’Shiny’. https://CRAN.R-project.org/package=shinydashboard.

Chang, Winston, Joe Cheng, JJ Allaire, Carson Sievert, Barret Schloerke, Yihui Xie, Jeff Allen, Jonathan McPherson, Alan Dipert, and Barbara Borges. 2024. Shiny: Web Application Framework for r. https://CRAN.R-project.org/package=shiny.

Chen, Tianqi, Tong He, Michael Benesty, Vadim Khotilovich, Yuan Tang, Hyunsu Cho, Kailong Chen, et al. 2023. Xgboost: Extreme Gradient Boosting. https://CRAN.R-project.org/package=xgboost.

Cheng, Joe, Barret Schloerke, Bhaskar Karambelkar, and Yihui Xie. 2023. Leaflet: Create Interactive Web Maps with the JavaScript ’Leaflet’ Library. https://CRAN.R-project.org/package=leaflet.

Cohen, Jacob. 2013. Statistical Power Analysis for the Behavioral Sciences. routledge.

Consortium, Japanese Archipelago Human Population Genetics. 2012. “The History of Human Populations in the Japanese Archipelago Inferred from Genome-Wide SNP Data with a Special Reference to the Ainu and the Ryukyuan Populations.” Journal of Human Genetics 57 (12): 787–95. https://cir.nii.ac.jp/crid/1523106605673180672.

Cook, Dianne, and Ursula Laa. 2024. “Interactively Exploringhigh-Dimensional Data and Models in r.” https://dicook.github.io/mulgar_book/.

Corporation, Microsoft, and Steve Weston. 2022. doParallel: Foreach Parallel Adaptor for the ’Parallel’ Package. https://doi.org/10.32614/CRAN.package.doParallel.

Coyle, Jeremy. 2025. tmle3: The Extensible TMLE Framework. https://doi.org/10.5281/zenodo.4603358.

Csardi, Gabor, and Tamas Nepusz. 2006. “The Igraph Software Package for Complex Network Research.” InterJournal Complex Systems: 1695. https://igraph.org.

Csárdi, Gábor, and Jim Hester. 2024. Pak: Another Approach to Package Installation. https://CRAN.R-project.org/package=pak.

Csárdi, Gábor, Tamás Nepusz, Vincent Traag, Szabolcs Horvát, Fabio Zanini, Daniel Noom, and Kirill Müller. 2024. igraph: Network Analysis and Visualization in r. https://doi.org/10.5281/zenodo.7682609.

Cunningham, Scott. 2023. 因果推論入門 ミックステープ：基礎から現代的アプローチまで. 単行本. https://www.amazon.co.jp/dp/4297134179.

Daniel, Cuthbert. 1959. “Use of Half-Normal Plots in Interpreting Factorial Two-Level Experiments.” Technometrics 1 (4): 311–41. https://doi.org/10.1080/00401706.1959.10489866.

Diamond, Alexis, and Jasjeet S. Sekhon. 2013. “Genetic Matching for Estimating Causal Effects: A General Multivariate Matching Method for Achieving Balance in Observational Studies.” Review of Economics and Statistics 95 (3): 932–45. https://www.jsekhon.com.

Dragulescu, Adrian, and Cole Arendt. 2020. Xlsx: Read, Write, Format Excel 2007 and Excel 97/2000/XP/2003 Files. https://CRAN.R-project.org/package=xlsx.

Feinerer, Ingo, Kurt Hornik, and David Meyer. 2008. “Text Mining Infrastructure in r.” Journal of Statistical Software 25 (5): 1–54. https://doi.org/10.18637/jss.v025.i05.

Friedman, Jerome, Robert Tibshirani, and Trevor Hastie. 2010. “Regularization Paths for Generalized Linear Models via Coordinate Descent.” Journal of Statistical Software 33 (1): 1–22. https://doi.org/10.18637/jss.v033.i01.

Fritsch, Stefan, Frauke Guenther, and Marvin N. Wright. 2019. Neuralnet: Training of Neural Networks. https://CRAN.R-project.org/package=neuralnet.

Gabry, Jonah, Rok Cesnovar, and Andrew Johnson. 2023. Cmdstanr: R Interface to ’CmdStan’. https://mc-stan.org/cmdstanr/.

Gagolewski, Marek. 2022. “stringi: Fast and Portable Character String Processing in R.” Journal of Statistical Software 103 (2): 1–59. https://doi.org/10.18637/jss.v103.i02.

Glynn, Adam, and Kevin Quinn. 2017. CausalGAM: Estimation of Causal Effects with Generalized Additive Models. https://doi.org/10.32614/CRAN.package.CausalGAM.

Goos, Peter, and Bradley Jones. 2011. Optimal Design of Experiments: A Case Study Approach (English Edition). Wiley. https://onlinelibrary.wiley.com/doi/book/10.1002/9781119974017.

Greifer, Noah. 2025a. Cobalt: Covariate Balance Tables and Plots. https://doi.org/10.32614/CRAN.package.cobalt.

———. 2025b. WeightIt: Weighting for Covariate Balance in Observational Studies. https://doi.org/10.32614/CRAN.package.WeightIt.

Groemping, Ulrike. 2014. “R Package FrF2 for Creating and Analyzing Fractional Factorial 2-Level Designs.” Journal of Statistical Software 56 (1): 1–56. https://www.jstatsoft.org/v56/i01/.

———. 2025. FrF2: Fractional Factorial Designs with 2-Level Factors. https://doi.org/10.32614/CRAN.package.FrF2.

Grolemund, Garrett, and Hadley Wickham. 2011. “Dates and Times Made Easy with lubridate.” Journal of Statistical Software 40 (3): 1–25. https://www.jstatsoft.org/v40/i03/.

Gruber, Susan, and Mark J. van der Laan. 2012. “tmle: An R Package for Targeted Maximum Likelihood Estimation.” Journal of Statistical Software 51 (13): 1–35. https://www.jstatsoft.org/v51/i13/.

Hadfield, Jarrod D. 2010. “MCMC Methods for Multi-Response Generalized Linear Mixed Models: The MCMCglmm R Package.” Journal of Statistical Software 33 (2): 1–22. https://www.jstatsoft.org/v33/i02/.

Handcock, Mark S., David R. Hunter, Carter T. Butts, Steven M. Goodreau, Pavel N. Krivitsky, and Martina Morris. 2018. Ergm: Fit, Simulate and Diagnose Exponential-Family Models for Networks. The Statnet Project (http://www.statnet.org). https://CRAN.R-project.org/package=ergm.

Hansen, Ben B., and Stephanie Olsen Klopfer. 2006. “Optimal Full Matching and Related Designs via Network Flows.” Journal of Computational and Graphical Statistics 15 (3): 609–27.

Helske, Jouni. 2017. “KFAS: Exponential Family State Space Models in R.” Journal of Statistical Software 78 (10): 1–39. https://doi.org/10.18637/jss.v078.i10.

Hijmans, Robert J. 2023. Raster: Geographic Data Analysis and Modeling. https://CRAN.R-project.org/package=raster.

———. 2024. Terra: Spatial Data Analysis. https://CRAN.R-project.org/package=terra.

Ho, Daniel E., Kosuke Imai, Gary King, and Elizabeth A. Stuart. 2011. “MatchIt: Nonparametric Preprocessing for Parametric Causal Inference.” Journal of Statistical Software 42 (8): 1–28. https://doi.org/10.18637/jss.v042.i08.

Horst, Allison Marie, Alison Presmanes Hill, and Kristen B Gorman. 2020. Palmerpenguins: Palmer Archipelago (Antarctica) Penguin Data. https://doi.org/10.5281/zenodo.3960218.

Hunter, David R., Mark S. Handcock, Carter T. Butts, Steven M. Goodreau, and Martina Morris. 2008. “Ergm: A Package to Fit, Simulate and Diagnose Exponential-Family Models for Networks.” Journal of Statistical Software 24 (3): 1–29.

Huntington-Klein, Nick, and Malcolm Barrett. 2024. Causaldata: Example Data Sets for Causal Inference Textbooks. https://doi.org/10.32614/CRAN.package.causaldata.

Ishida, Motohiro, and Taku Kudo. 2023. RMeCab: Interface to MeCab.

Izrailev, Sergei. 2023. Tictoc: Functions for Timing r Scripts, as Well as Implementations of "Stack" and "StackList" Structures. https://CRAN.R-project.org/package=tictoc.

J. J. Allaire, Yihui Xie ahd, and Garrett Grolemund. 2023. R Markdown: The Definitive Guide.

Jones, Bradley, and {Christopher J.} Nachtsheim. 2011. “Efficient Designs with Minimal Aliasing.” Technometrics 53 (1): 62–71. https://doi.org/10.1198/TECH.2010.09113.

Jones, Payton J., Patrick Mair, and Richard J. McNally. 2018. “Visualizing Psychological Networks: A Tutorial in r.” Frontiers in Psychology 9. https://doi.org/10.3389/fpsyg.2018.01742.

Karatzoglou, Alexandros, Alex Smola, and Kurt Hornik. 2023. Kernlab: Kernel-Based Machine Learning Lab. https://CRAN.R-project.org/package=kernlab.

Karatzoglou, Alexandros, Alex Smola, Kurt Hornik, and Achim Zeileis. 2004. “Kernlab – an S4 Package for Kernel Methods in R.” Journal of Statistical Software 11 (9): 1–20. https://doi.org/10.18637/jss.v011.i09.

Kassambara, Alboukadel, Marcin Kosinski, and Przemyslaw Biecek. 2021. Survminer: Drawing Survival Curves Using ’Ggplot2’. https://CRAN.R-project.org/package=survminer.

Kassambara, Alboukadel, and Fabian Mundt. 2026. Factoextra: Extract and Visualize the Results of Multivariate Data Analyses. https://CRAN.R-project.org/package=factoextra.

Kennedy, Edward H. 2025. Npcausal: Nonparametric Causal Inference Methods. https://github.com/ehkennedy/npcausal.

Knudson, Christina. 2022. Glmm: Generalized Linear Mixed Models via Monte Carlo Likelihood Approximation. https://CRAN.R-project.org/package=glmm.

Komsta, Lukasz. 2022. Outliers: Tests for Outliers. https://CRAN.R-project.org/package=outliers.

Kondo, Shigeru, and Rihito Asai. 1995. “A Reaction–Diffusion Wave on the Skin of the Marine Angelfish Pomacanthus.” Nature 376 (6543): 765–68.

Krispin, Rami. 2023. TSstudio: Functions for Time Series Analysis and Forecasting. https://CRAN.R-project.org/package=TSstudio.

Kross, Sean. 2022. Postcards: Create Beautiful, Simple Personal Websites. https://doi.org/10.32614/CRAN.package.postcards.

Kuhn, Max, and Hadley Wickham. 2020. Tidymodels: A Collection of Packages for Modeling and Machine Learning Using Tidyverse Principles. https://www.tidymodels.org.

Kurz, Christoph F. 2022. “Augmented Inverse Probability Weighting and the Double Robustness Property.” Medical Decision Making 42 (2): 156–67.

Kuznetsova, Alexandra, Per B. Brockhoff, and Rune H. B. Christensen. 2017. “lmerTest Package: Tests in Linear Mixed Effects Models.” Journal of Statistical Software 82 (13): 1–26. https://doi.org/10.18637/jss.v082.i13.

LaLonde, Robert J. 1986. “Evaluating the Econometric Evaluations of Training Programs with Experimental Data.” The American Economic Review, 604–20.

Lawson, John, and Cameron Willden. 2016. “Mixture Experiments in R Using mixexp.” Journal of Statistical Software, Code Snippets 72 (2): 1–20. https://doi.org/10.18637/jss.v072.c02.

Leisch, Friedrich, and Evgenia Dimitriadou. 2021. Mlbench: Machine Learning Benchmark Problems.

Liaw, Andy, and Matthew Wiener. 2002. “Classification and Regression by randomForest.” R News 2 (3): 18–22. https://CRAN.R-project.org/doc/Rnews/.

Liland, Kristian Hovde, Bjørn-Helge Mevik, and Ron Wehrens. 2023. Pls: Partial Least Squares and Principal Component Regression. https://CRAN.R-project.org/package=pls.

Lupi, Claudio. 2009. “Unit Root CADF Testing with R.” Journal of Statistical Software 32 (2): 20.

Matsumoto, Makoto, and Takuji Nishimura. 1998. “Mersenne Twister: A 623-Dimensionally Equidistributed Uniform Pseudo-Random Number Generator.” ACM Trans. Model. Comput. Simul. 8 (1): 3–30. https://doi.org/10.1145/272991.272995.

Mebane, Jr., Walter R., and Jasjeet S. Sekhon. 2011. “Genetic Optimization Using Derivatives: The rgenoud Package for R.” Journal of Statistical Software 42 (11): 1–26. https://www.jstatsoft.org/v42/i11/.

Meek, Chris. 1995. Complete Orientation Rules for Patterns. Carnegie Mellon [Department of Philosophy].

Meyer, David, Evgenia Dimitriadou, Kurt Hornik, Andreas Weingessel, and Friedrich Leisch. 2023. E1071: Misc Functions of the Department of Statistics, Probability Theory Group (Formerly: E1071), TU Wien. https://CRAN.R-project.org/package=e1071.

Microsoft, and Steve Weston. 2022. Foreach: Provides Foreach Looping Construct. https://doi.org/10.32614/CRAN.package.foreach.

Mone, Fionnuala, and FM McAuliffe. 2015. “Preconception Low-Dose Aspirin and Pregnancy Outcomes: Results from the EAGeR Randomized Trial.”

Moore, Dirk F. 2016. Applied Survival Analysis Using r (Use r!) (English Edition). Kindle版. Springer. https://www.amazon.co.jp/dp/B01FKDTW3W/.

Morgan, Martin, and Marcel Ramos. 2023. BiocManager: Access the Bioconductor Project Package Repository. https://CRAN.R-project.org/package=BiocManager.

Morgan-Wall, Tyler, and George Khoury. 2021. “Optimal Design Generation and Power Evaluation in R: The skpr Package.” Journal of Statistical Software 99 (1): 1–36. https://doi.org/10.18637/jss.v099.i01.

Müller, Kirill, and Lorenz Walthert. 2023. Styler: Non-Invasive Pretty Printing of r Code. https://CRAN.R-project.org/package=styler.

Murdoch, Duncan, and Daniel Adler. 2023. Rgl: 3D Visualization Using OpenGL. https://CRAN.R-project.org/package=rgl.

Nagarajan, Radhakrishnan, and Marco Scutari. 2013. Bayesian Networks in R with Applications in Systems Biology. New York: Springer. https://doi.org/10.1007/978-1-4614-6446-4.

Neale Batra, Paula Blomquist, Alex Spina. 2021a. The Epidemiologist r Handbook. https://doi.org/10.5281/zenodo.4752646.svg.

———. 2021b. 疫学のための r ハンドブック. Translated by 瞳齋藤 雄介. https://doi.org/10.5281/zenodo.4752646.svg.

Newman, D. J., S. Hettich, C. L. Blake, and C. J. Merz. 1998. “UCI Repository of Machine Learning Databases.” University of California, Irvine, Dept. of Information; Computer Sciences. http://www.ics.uci.edu/~mlearn/MLRepository.html.

Noji, Hiroyuki, Ryohei Yasuda, Masasuke Yoshida, and Kazuhiko Kinosita Jr. 1997. “Direct Observation of the Rotation of F1-ATPase.” Nature 386 (6622): 299–302.

Olson, Matthew. 2017. JOUSBoost: Implements Under/Oversampling for Probability Estimation. https://CRAN.R-project.org/package=JOUSBoost.

Ooms, Jeroen. 2014. “The Jsonlite Package: A Practical and Consistent Mapping Between JSON Data and r Objects.” arXiv:1403.2805 [Stat.CO]. https://arxiv.org/abs/1403.2805.

Ooms, Jeroen, Kornel Lesiński, and Authors of the dependency Rust crates. 2023. Gifski: Highest Quality GIF Encoder. https://CRAN.R-project.org/package=gifski.

Paux, Gautier, and Alex Dmitrienko. 2019. Mediana: Clinical Trial Simulations. https://CRAN.R-project.org/package=Mediana.

Pearl, Judea. 2009a. 統計的因果推論 -モデル・推論・推測-. Translated by 学. 単行本. https://www.amazon.co.jp/%E7%B5%B1%E8%A8%88%E7%9A%84%E5%9B%A0%E6%9E%9C%E6%8E%A8%E8%AB%96-%E3%83%A2%E3%83%87%E3%83%AB%E3%83%BB%E6%8E%A8%E8%AB%96%E3%83%BB%E6%8E%A8%E6%B8%AC-Judea-Pearl/dp/432001877X.

———. 2009b. Causality. 単行本. https://www.amazon.co.jp/Causality-English-Judea-Pearl-ebook/dp/B09QQX9HXQ.

Pebesma, Edzer. 2018. “Simple Features for R: Standardized Support for Spatial Vector Data.” The R Journal 10 (1): 439–46. https://doi.org/10.32614/RJ-2018-009.

Pebesma, Edzer, and Roger Bivand. 2023a. Spatial Data Science: With applications in R. Chapman and Hall/CRC. https://doi.org/10.1201/9780429459016.

———. 2023b. Spatial Data Science: With applications in R. London: Chapman; Hall/CRC. https://doi.org/10.1201/9780429459016.

Pebesma, Edzer, Thomas Mailund, and James Hiebert. 2016. “Measurement Units in R.” R Journal 8 (2): 486–94. https://doi.org/10.32614/RJ-2016-061.

Pedersen, Eric J, David L Miller, Gavin L Simpson, and Noam Ross. 2019. “Hierarchical Generalized Additive Models in Ecology: An Introduction with Mgcv.” PeerJ 7: e6876.

Pedersen, Thomas Lin. 2023. Patchwork: The Composer of Plots. https://CRAN.R-project.org/package=patchwork.

———. 2024a. Ggraph: An Implementation of Grammar of Graphics for Graphs and Networks. https://CRAN.R-project.org/package=ggraph.

———. 2024b. Tidygraph: A Tidy API for Graph Manipulation. https://CRAN.R-project.org/package=tidygraph.

Pedersen, Thomas Lin, and David Robinson. 2022. Gganimate: A Grammar of Animated Graphics. https://CRAN.R-project.org/package=gganimate.

Perković, Emilija, Johannes Textor, Markus Kalisch, and Marloes H. Maathuis. 2015. “A Complete Generalized Adjustment Criterion.” https://arxiv.org/abs/1507.01524.

Petris, Giovanni. 2010. “An R Package for Dynamic Linear Models.” Journal of Statistical Software 36 (12): 1–16. https://www.jstatsoft.org/v36/i12/.

Petris, Giovanni, Sonia Petrone, and Patrizia Campagnoli. 2009. Dynamic Linear Models with r. useR! Springer-Verlag, New York.

Pfaff, B. 2008. Analysis of Integrated and Cointegrated Time Series with r. Second. New York: Springer. https://www.pfaffikus.de.

Pfaff, Bernhard. 2008. “VAR, SVAR and SVEC Models: Implementation Within R Package vars.” Journal of Statistical Software 27 (4). https://www.jstatsoft.org/v27/i04/.

Pinheiro, José C., and Douglas M. Bates. 2000. Mixed-Effects Models in s and s-PLUS. New York: Springer. https://doi.org/10.1007/b98882.

Pinheiro, José, Douglas Bates, and R Core Team. 2023. Nlme: Linear and Nonlinear Mixed Effects Models. https://CRAN.R-project.org/package=nlme.

Polack, Fernando P., Stephen J. Thomas, Nicholas Kitchin, Judith Absalon, Alejandra Gurtman, Stephen Lockhart, John L. Perez, et al. 2020. “Safety and Efficacy of the BNT162b2 mRNA Covid-19 Vaccine.” New England Journal of Medicine 383 (27): 2603–15. https://doi.org/10.1056/NEJMoa2034577.

Polley, Eric, Erin LeDell, Chris Kennedy, and Mark van der Laan. 2024. SuperLearner: Super Learner Prediction. https://doi.org/10.32614/CRAN.package.SuperLearner.

Prokhorenkova, Liudmila, Gleb Gusev, Aleksandr Vorobev, Anna Veronika Dorogush, and Andrey Gulin. 2017. “CatBoost: Unbiased Boosting with Categorical Features.” https://arxiv.org/abs/1706.09516.

R Core Team. 2025. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.

R Special Interest Group on Databases (R-SIG-DB), Hadley Wickham, and Kirill Müller. 2024. DBI: R Database Interface. https://CRAN.R-project.org/package=DBI.

Richard A. Becker, Original S code by, Allan R. Wilks. R version by Ray Brownrigg. Enhancements by Thomas P Minka, and Alex Deckmyn. Fixes by the CRAN team. 2023. Maps: Draw Geographical Maps. https://CRAN.R-project.org/package=maps.

Richardson, Neal, Ian Cook, Nic Crane, Dewey Dunnington, Romain François, Jonathan Keane, Dragoș Moldovan-Grünfeld, Jeroen Ooms, Jacob Wujciak-Jens, and Apache Arrow. 2025. Arrow: Integration to ’Apache’ ’Arrow’. https://doi.org/10.32614/CRAN.package.arrow.

Rinker, Tyler W., and Dason Kurkiewicz. 2018. pacman: Package Management for R. Buffalo, New York. http://github.com/trinker/pacman.

Robinson, David, Alex Hayes, Simon Couch, and Emil Hvitfeldt. 2025. Broom: Convert Statistical Objects into Tidy Tibbles. https://doi.org/10.32614/CRAN.package.broom.

Rosenbaum, Paul R, and Donald B Rubin. 1983. “The Central Role of the Propensity Score in Observational Studies for Causal Effects.” Biometrika 70 (1): 41–55.

Rosseel, Yves. 2012. “lavaan: An R Package for Structural Equation Modeling.” Journal of Statistical Software 48 (2): 1–36. https://doi.org/10.18637/jss.v048.i02.

Rosseel, Yves, Terrence D. Jorgensen, and Luc De Wilde. 2025. lavaan: Latent Variable Analysis. https://doi.org/10.32614/CRAN.package.lavaan.

Sali, Andras, and Dean Attali. 2020. Shinycssloaders: Add Loading Animations to a ’Shiny’ Output While It’s Recalculating. https://CRAN.R-project.org/package=shinycssloaders.

Sant’Anna, Pedro H. C., and Jun Zhao. 2020. “Doubly Robust Difference-in-Differences Estimators.” Journal of Econometrics 219: 101–22. https://doi.org/10.1016/j.jeconom.2020.06.003.

Sant’Anna, Pedro HC, and Jun Zhao. 2020. “Doubly Robust Difference-in-Differences Estimators.” Journal of Econometrics 219 (1): 101–22.

Sarkar, Deepayan. 2008. Lattice: Multivariate Data Visualization with r. New York: Springer. http://lmdvr.r-forge.r-project.org.

Savje, Fredrik, Jasjeet Sekhon, and Michael Higgins. 2024. Quickmatch: Quick Generalized Full Matching. https://doi.org/10.32614/CRAN.package.quickmatch.

Scheffé, Henry. 1958. “Experiments with Mixtures.” Journal of the Royal Statistical Society: Series B (Methodological) 20 (2): 344–60. https://doi.org/https://doi.org/10.1111/j.2517-6161.1958.tb00299.x.

Schloerke, Barret, Di Cook, Joseph Larmarange, Francois Briatte, Moritz Marbach, Edwin Thoen, Amos Elberg, and Jason Crowley. 2023. GGally: Extension to ’Ggplot2’. https://CRAN.R-project.org/package=GGally.

Schoch, David. 2022. “Netrankr: An r Package for Total, Partial, and Probabilistic Rankings in Networks.” Journal of Open Source Software, no. 77: 4563.

Scutari, Marco. 2010. “Learning Bayesian Networks with the bnlearn R Package.” Journal of Statistical Software 35 (3): 1–22. https://doi.org/10.18637/jss.v035.i03.

———. 2017. “Bayesian Network Constraint-Based Structure Learning Algorithms: Parallel and Optimized Implementations in the bnlearn R Package.” Journal of Statistical Software 77 (2): 1–20. https://doi.org/10.18637/jss.v077.i02.

Scutari, Marco, and Jean-Baptiste Denis. 2021. Bayesian Networks with Examples in R. 2nd ed. Boca Raton: Chapman; Hall.

Scutari, Marco, Jean-Baptiste Denis, 財津亘, and 金明哲. 2022. Rと事例で学ぶベイジアンネットワーク. 共立出版. https://cir.nii.ac.jp/crid/1971993809756830770.

Sekhon, Jasjeet S., and Walter R. Mebane, Jr. 1998. “Genetic Optimization Using Derivatives: Theory and Application to Nonlinear Models.” Political Analysis 7: 189–213.

Shi, Yu, Guolin Ke, Damien Soukhavong, James Lamb, Qi Meng, Thomas Finley, Taifeng Wang, et al. 2024. Lightgbm: Light Gradient Boosting Machine. https://CRAN.R-project.org/package=lightgbm.

Sievert, Carson. 2020. Interactive Web-Based Data Visualization with r, Plotly, and Shiny. Chapman; Hall/CRC. https://plotly-r.com.

Sievert, Carson, Joe Cheng, and Garrick Aden-Buie. 2024. Bslib: Custom ’Bootstrap’ ’Sass’ Themes for ’Shiny’ and ’Rmarkdown’. https://CRAN.R-project.org/package=bslib.

Sievert, Carson, and 株式会社ホクソエム. 2022. Rによるインタラクティブなデータビジュアライゼーション: 探索的データ解析のためのplotlyとshiny. Translated by 輿石拓真, 今井康貴, 髙木誠二, 和田尚樹, and 株式会社ホクソエム. 単行本. 共立出版. https://www.amazon.co.jp/dp/4320124863/.

Signorell, Andri. 2023. DescTools: Tools for Descriptive Statistics. https://CRAN.R-project.org/package=DescTools.

Simon, Noah, Jerome Friedman, Robert Tibshirani, and Trevor Hastie. 2011. “Regularization Paths for Cox’s Proportional Hazards Model via Coordinate Descent.” Journal of Statistical Software 39 (5): 1–13. https://doi.org/10.18637/jss.v039.i05.

Simpson, Gavin L. 2024. gratia: Graceful ggplot-Based Graphics and Other Functions for GAMs Fitted Using mgcv. https://gavinsimpson.github.io/gratia/.

Sjoberg, Daniel D., Mark Baillie, Charlotta Fruechtenicht, Steven Haesendonckx, and Tim Treis. 2023. Ggsurvfit: Flexible Time-to-Event Figures. https://CRAN.R-project.org/package=ggsurvfit.

Stan Development Team. 2023. “RStan: The R Interface to Stan.” https://mc-stan.org/.

Strayer, Nick, Javier Luraschi, and JJ Allaire. 2022. R2d3: Interface to ’D3’ Visualizations. https://CRAN.R-project.org/package=r2d3.

Tay, J. Kenneth, Balasubramanian Narasimhan, and Trevor Hastie. 2023. “Elastic Net Regularization Paths for All Generalized Linear Models.” Journal of Statistical Software 106 (1): 1–31. https://doi.org/10.18637/jss.v106.i01.

Team, Stan Development. 2023. Stan Modeling Language Users Guide and Reference Manual (version 2.33). https://mc-stan.org.

Tennekes, Martijn. 2018. “tmap: Thematic Maps in R.” Journal of Statistical Software 84 (6): 1–39. https://doi.org/10.18637/jss.v084.i06.

Terry M. Therneau, and Patricia M. Grambsch. 2000. Modeling Survival Data: Extending the Cox Model. New York: Springer.

Textor, Johannes, Benito van der Zander, Mark S Gilthorpe, Maciej Liśkiewicz, and George TH Ellison. 2016. “Robust Causal Inference Using Directed Acyclic Graphs: The r Package ’Dagitty’.” International Journal of Epidemiology 45 (6): 1887–94. https://doi.org/10.1093/ije/dyw341.

Therneau, Terry M. 2023. A Package for Survival Analysis in r. https://CRAN.R-project.org/package=survival.

Thieurmel, Benoit, and Victor Perrier. 2022. Shinymanager: Authentication Management for ’Shiny’ Applications. https://CRAN.R-project.org/package=shinymanager.

Thornton, Rebecca. 2005. “The Demand for and Impact of Learning HIV Status: Evidence from a Field Experiment.” Informal Paper, Harvard University, Cambridge, MA.

Tierney, Luke, A. J. Rossini, Na Li, and H. Sevcikova. 2021. Snow: Simple Network of Workstations. https://doi.org/10.32614/CRAN.package.snow.

Trapletti, Adrian, and Kurt Hornik. 2023. Tseries: Time Series Analysis and Computational Finance. https://CRAN.R-project.org/package=tseries.

Ushey, Kevin, JJ Allaire, and Yuan Tang. 2025. Reticulate: Interface to ’Python’. https://CRAN.R-project.org/package=reticulate.

Ushey, Kevin, Jim Hester, and Robert Krzyzanowski. 2021. Rex: Friendly Regular Expressions. https://CRAN.R-project.org/package=rex.

Ushey, Kevin, and Hadley Wickham. 2024. Renv: Project Environments. https://CRAN.R-project.org/package=renv.

Valderrama, Tomás. 2025. ForCausality: A Curated Collection of Causal Inference Datasets and Tools. https://github.com/Toby-codigos/ForCausality.

Vanderkam, Dan, JJ Allaire, Jonathan Owen, Daniel Gromer, and Benoit Thieurmel. 2018. Dygraphs: Interface to ’Dygraphs’ Interactive Time Series Charting Library. https://CRAN.R-project.org/package=dygraphs.

Vaughan, Davis, and Matt Dancho. 2022. Furrr: Apply Mapping Functions in Parallel Using Futures. https://doi.org/10.32614/CRAN.package.furrr.

Vaughan, Davis, Jim Hester, Tomasz Kalinowski, Will Landau, Michael Lawrence, Martin Maechler, Luke Tierney, and Hadley Wickham. 2023. S7: An Object Oriented System Meant to Become a Successor to S3 and S4. https://CRAN.R-project.org/package=S7.

Venables, W. N., and B. D. Ripley. 2002. Modern Applied Statistics with s. Fourth. New York: Springer. https://www.stats.ox.ac.uk/pub/MASS4/.

Verma, Thomas S, and Judea Pearl. 2022. “Equivalence and Synthesis of Causal Models.” In Probabilistic and Causal Inference: The Works of Judea Pearl, 221–36.

Verma, Thomas, and Judea Pearl. 1992. “An Algorithm for Deciding If a Set of Observed Independencies Has a Causal Explanation.” In Uncertainty in Artificial Intelligence, 323–30. Elsevier.

Wand, Matt. 2023. KernSmooth: Functions for Kernel Smoothing Supporting Wand & Jones (1995). https://CRAN.R-project.org/package=KernSmooth.

Warnes, Gregory R., Ben Bolker, Lodewijk Bonebakker, Robert Gentleman, Wolfgang Huber, Andy Liaw, Thomas Lumley, et al. 2024. Gplots: Various r Programming Tools for Plotting Data. https://CRAN.R-project.org/package=gplots.

Warnholz, Sebastian. 2017. Aoos: Another Object Orientation System. https://CRAN.R-project.org/package=aoos.

Wheeler, Bob. 2025. AlgDesign: Algorithmic Experimental Design. https://doi.org/10.32614/CRAN.package.AlgDesign.

Wickham, Hadley. 2007b. “Reshaping Data with the Reshape Package.” Journal of Statistical Software 21 (12). https://www.jstatsoft.org/v21/i12/.

———. 2007a. “Reshaping Data with the reshape Package.” Journal of Statistical Software 21 (12): 1–20. http://www.jstatsoft.org/v21/i12/.

———. 2011. “The Split-Apply-Combine Strategy for Data Analysis.” Journal of Statistical Software 40 (1): 1–29. https://www.jstatsoft.org/v40/i01/.

———. 2014. “Tidy Data.” Journal of Statistical Software 59 (10): 1–23. https://doi.org/10.18637/jss.v059.i10.

———. 2016a. Ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. https://ggplot2.tidyverse.org.

———. 2016b. R言語徹底解説. Translated by 石田基広, 市川太祐, 高柳慎一, and 福島真太朗. 単行本. 共立出版.

———. 2016c. Ggplot2: Elegant Graphics for Data Analysis (Use r!). ペーパーバック. Springer. https://www.amazon.co.jp/dp/331924275X/.

———. 2019. Advanced r, Second Edition (Chapman & Hall/CRC the r Series) (English Edition). Kindle版. Chapman; Hall/CRC.

———. 2022a. Cubelyr: A Data Cube ’Dplyr’ Backend. https://CRAN.R-project.org/package=cubelyr.

———. 2022b. Rvest: Easily Harvest (Scrape) Web Pages. https://CRAN.R-project.org/package=rvest.

———. 2023a. Forcats: Tools for Working with Categorical Variables (Factors). https://CRAN.R-project.org/package=forcats.

———. 2023b. Httr2: Perform HTTP Requests and Process the Responses. https://CRAN.R-project.org/package=httr2.

———. 2023c. Pryr: Tools for Computing on the Language. https://CRAN.R-project.org/package=pryr.

———. 2023d. Stringr: Simple, Consistent Wrappers for Common String Operations. https://CRAN.R-project.org/package=stringr.

———. 2024. Downlit: Syntax Highlighting and Automatic Linking. https://doi.org/10.32614/CRAN.package.downlit.

Wickham, Hadley, Mara Averick, Jennifer Bryan, Winston Chang, Lucy D’Agostino McGowan, Romain François, Garrett Grolemund, et al. 2019. “Welcome to the tidyverse.” Journal of Open Source Software 4 (43): 1686. https://doi.org/10.21105/joss.01686.

Wickham, Hadley, and Jennifer Bryan. 2023. Readxl: Read Excel Files. https://CRAN.R-project.org/package=readxl.

Wickham, Hadley, Romain François, Lionel Henry, Kirill Müller, and Davis Vaughan. 2023. Dplyr: A Grammar of Data Manipulation. https://CRAN.R-project.org/package=dplyr.

Wickham, Hadley, Maximilian Girlich, and Edgar Ruiz. 2024. Dbplyr: A ’Dplyr’ Back End for Databases. https://CRAN.R-project.org/package=dbplyr.

Wickham, Hadley, and Lionel Henry. 2023. Purrr: Functional Programming Tools. https://CRAN.R-project.org/package=purrr.

Wickham, Hadley, Jim Hester, and Jennifer Bryan. 2023. Readr: Read Rectangular Text Data. https://CRAN.R-project.org/package=readr.

Wickham, Hadley, Jim Hester, Winston Chang, and Jennifer Bryan. 2022. Devtools: Tools to Make Developing r Packages Easier. https://CRAN.R-project.org/package=devtools.

Wickham, Hadley, Jim Hester, and Jeroen Ooms. 2025. Xml2: Parse XML. https://doi.org/10.32614/CRAN.package.xml2.

Wickham, Hadley, Evan Miller, and Danny Smith. 2023. Haven: Import and Export ’SPSS’, ’Stata’ and ’SAS’ Files. https://CRAN.R-project.org/package=haven.

Wickham, Hadley, Cetinkaya-rundel Mine, and Garrett Grolemund. 2023. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. ペーパーバック. O’Reilly Media. https://www.amazon.co.jp/dp/1492097403/.

Wickham, Hadley, Davis Vaughan, and Maximilian Girlich. 2023. Tidyr: Tidy Messy Data. https://CRAN.R-project.org/package=tidyr.

Wiesweg, Marcel. 2022. survivalAnalysis: High-Level Interface for Survival Analysis and Associated Plots. https://CRAN.R-project.org/package=survivalAnalysis.

Woo, Mason, Jackie Neider, Tom Davis, and Dave Shreiner. 1999. OpenGL Programming Guide: The Official Guide to Learning OpenGL, Version 1.2. Addison-Wesley Longman Publishing Co., Inc.

Wood, S. N. 2017. Generalized Additive Models: An Introduction with r. 2nd ed. Chapman; Hall/CRC.

Wood, S. N. 2003. “Thin-Plate Regression Splines.” Journal of the Royal Statistical Society (B) 65 (1): 95–114.

———. 2004. “Stable and Efficient Multiple Smoothing Parameter Estimation for Generalized Additive Models.” Journal of the American Statistical Association 99 (467): 673–86.

———. 2011. “Fast Stable Restricted Maximum Likelihood and Marginal Likelihood Estimation of Semiparametric Generalized Linear Models.” Journal of the Royal Statistical Society (B) 73 (1): 3–36.

Wood, S. N., N., Pya, and B. S"afken. 2016. “Smoothing Parameter and Model Selection for General Smooth Models (with Discussion).” Journal of the American Statistical Association 111: 1548–75.

Wuertz, Diethelm, Yohan Chalabi, Tobias Setz, Martin Maechler, and Georgi N. Boshnakov. 2023. fGarch: Rmetrics - Autoregressive Conditional Heteroskedastic Modelling. https://CRAN.R-project.org/package=fGarch.

Xie, Yihui. 2016. Bookdown: Authoring Books and Technical Documents with R Markdown. Boca Raton, Florida: Chapman; Hall/CRC. https://bookdown.org/yihui/bookdown.

———. 2023. formatR: Format r Code Automatically. https://CRAN.R-project.org/package=formatR.

———. 2024. Bookdown: Authoring Books and Technical Documents with r Markdown. https://github.com/rstudio/bookdown.

Xie, Yihui, J. J. Allaire, and Garrett Grolemund. 2018. R Markdown: The Definitive Guide. Boca Raton, Florida: Chapman; Hall/CRC. https://bookdown.org/yihui/rmarkdown.

Xie, Yihui, Joe Cheng, and Xianying Tan. 2024. DT: A Wrapper of the JavaScript Library ’DataTables’. https://CRAN.R-project.org/package=DT.

Xie, Yihui, Christophe Dervieux, and Emily Riederer. 2020. R Markdown Cookbook. Boca Raton, Florida: Chapman; Hall/CRC. https://bookdown.org/yihui/rmarkdown-cookbook.

Yu, Hao. 2002. “Rmpi: Parallel Statistical Computing in r.” R News 2 (2): 10–14. https://cran.r-project.org/doc/Rnews/Rnews_2002-2.pdf.

Zachary, Wayne. 1976. “An Information Flow Model for Conflict and Fission in Small Groups1.” Journal of Anthropological Research 33 (November). https://doi.org/10.1086/jar.33.4.3629752.

Zeileis, Achim, and Gabor Grothendieck. 2005. “Zoo: S3 Infrastructure for Regular and Irregular Time Series.” Journal of Statistical Software 14 (6): 1–27. https://doi.org/10.18637/jss.v014.i06.

Zeileis, Achim, Kurt Hornik, and Paul Murrell. 2009. “Escaping RGBland: Selecting Colors for Statistical Graphics.” Computational Statistics & Data Analysis 53 (9): 3259–70.

Zhong, Yongqi, Edward H. Kennedy, Lisa M. Bodnar, and Ashley I. Naimi. 2021. “AIPW: An r Package for Augmented Inverse Probability Weighted Estimation of Average Causal Effects.” American Journal of Epidemiology 190 (December): 2690–99. https://doi.org/10.1093/aje/kwab207.

スティーブン・マンフォードラニ・リル・アンユム. 2017. 哲学がわかる 因果性（a VERY SHORT INTRODUCTION）. Translated by 塩野直之谷川卓. 単行本. 岩波書店. https://www.amazon.co.jp/%E5%93%B2%E5%AD%A6%E3%81%8C%E3%82%8F%E3%81%8B%E3%82%8B-%E5%9B%A0%E6%9E%9C%E6%80%A7-VERY-SHORT-INTRODUCTION/dp/4000612417.

ダグラス・クタッチ. 2019. 現代哲学のキーコンセプト 因果性. Translated by 相松慎也. 単行本. 岩波書店. https://www.amazon.co.jp/dp/4000613804/.

久保拓弥. 2012. データ解析のための統計モデリング入門 一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学). 単行本. 岩波書店. https://www.amazon.co.jp/dp/400006973X/.

大森敏明. 2015. “使える!統計検定・機械学習-v : 回帰問題への機械学習的アプローチ : スパース性に基づく回帰モデリング.” システム／制御／情報 59 (4): 151–56. https://doi.org/10.11509/isciesci.59.4_151.

奥村晴彦, and 石田基広. 2016. Rで楽しむ統計 (Wonderful r 1). Edited by 市川太祐, 高橋康介, 高柳慎一, and 福島真太朗. 単行本. 共立出版. https://www.amazon.co.jp/dp/4320112415/.

安井翔太. 2020. 効果検証入門〜正しい比較のための因果推論/計量経済学の基礎. 単行本. https://www.amazon.co.jp/dp/4297111179.

宋財泫, and 矢内勇生. 2020. 私たちのr ベストプラクティスの探求. https://www.jaysong.net/RBook/.

小森政嗣. 2022. RとStanではじめる　心理学のための時系列分析入門 (Ｋｓ専門書). Kindle版. 講談社. https://www.amazon.co.jp/dp/B0BLHBPTWT/.

山田剛史, 杉澤武俊, and 村井潤一郎. 2008. Rによるやさしい統計学. オーム社. https://www.amazon.co.jp/dp/B00E06CJP4/.

岩波データサイエンス刊行委員会, ed. 2015. 岩波データサイエンス Vol.1. 単行本（ソフトカバー）. 岩波書店. https://www.amazon.co.jp/dp/4000298518/.

———. 2016. 岩波データサイエンス Vol.3 因果推論. 単行本. https://www.amazon.co.jp/dp/4000298534.

川口康平, and 真行. 2024. “因果推論の計量経済学.” https://www.amazon.co.jp/dp/B0DFXY2TCS.

川端一光, 岩間徳兼, and 鈴木雅之. 2018. Rによる多変量解析入門 データ分析の実践と理論. 単行本（ソフトカバー）. オーム社. https://www.amazon.co.jp/dp/4274222365/.

川野秀一. 2017. “スパース正則化に基づく回帰モデリングとその計算アルゴリズム.” 計算機統計学 30 (2): 173–86. https://doi.org/10.20551/jscswabun.30.2_173.

斎藤康毅. 2016. ゼロから作るDeep Learning ーPythonで学ぶディープラーニングの理論と実装. 単行本（ソフトカバー）. オライリージャパン. https://www.amazon.co.jp/dp/4873117585/.

明. 1989. DRAGON BALL 17巻. 単行本. https://www.amazon.co.jp/dp/B00A47VSOG/.

星野匡郎, 田中久稔, and 北川梨津. 2023. Rによる実証分析 (第2版): 回帰分析から因果分析へ. 単行本. https://www.amazon.co.jp/dp/4274230023.

星野崇宏. 2009. 調査観察データの統計科学: 因果推論・選択バイアス・データ融合 (シリーズ確率と情報の科学). 単行本. https://www.amazon.co.jp/dp/4000069721.

星野崇宏, and 岡田謙介. 2006. “傾向スコアを用いた共変量調整による因果効果の推定と臨床医学・疫学・薬学・公衆衛生分野での応用について.” 保健医療科学 55 (3): 230–43.

村上大輔. 2022. 実践Data Scienceシリーズ Rではじめる地理空間データの統計解析入門 (Ks情報科学専門書). 単行本（ソフトカバー）. 講談社. https://www.amazon.co.jp/dp/406527303X/.

東京大学教養学部統計学教室, ed. 1991. 統計学入門 (基礎統計学ⅰ). 単行本. 東京大学出版会. https://www.amazon.co.jp/dp/4130420658/.

松井秀俊, and 小泉和之. 2019. 統計モデルと推測 データサイエンス入門シリーズ. Edited by 竹村彰通. Kindle版. 講談社. https://www.amazon.co.jp/dp/B08543S1LQ/.

松浦健太郎, and 石田基広. 2016. StanとRでベイズ統計モデリング (Wonderful r 2). Edited by 市川太祐, 高橋康介, 高柳慎一, and 福島真太朗. 単行本. 共立出版. https://www.amazon.co.jp/dp/4320112423/.

梅津雄一, and 中野貴広. 2018. RとShinyで作るWebアプリケーション. 単行本（ソフトカバー）. シーアンドアール研究所. https://www.amazon.co.jp/dp/4863542577/.

武冨奈菜美, and 山本和嬉. 2023. “生存時間解析・信頼性解析のための統計モデル.” 日本統計学会誌 52 (2): 69–112. https://doi.org/10.11329/jjssj.52.69.

田辺竜ノ介. 2017. “Spike and Slab 事前分布を用いたスパース推定 (量子統計モデリングのための基盤構築).” 数理解析研究所講究録 2018: 114–15.

秀樹. 1998. 共分散構造分析: 構造方程式モデリング (入門編). 単行本. https://www.amazon.co.jp/dp/4254126581.

———. 2014. 共分散構造分析 (R編). 単行本. https://www.amazon.co.jp/dp/4489021801.

舟尾暢男. 2016. The R Tips 第3版 データ解析環境Rの基本技・グラフィックス活用集. オーム社. https://www.amazon.co.jp/dp/B0719QS6KG/.

芥川龍之介. 2002. 羅生門/鼻/芋粥/偸盗. 岩波文庫. https://www.amazon.co.jp/dp/4003107012.

赤穂昭太郎. 2018. “ガウス過程回帰の基礎.” システム/制御/情報 62 (10): 390–95.

野村俊一. 2016. カルマンフィルタ ーrを使った時系列予測と状態空間モデルー (統計学One Point 2). 単行本. 共立出版. https://lead.to/amazon/jp/?op=bt&la=ja&key=4320112539.

金明哲. 2017. Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで. 単行本（ソフトカバー）. 森北出版. https://www.amazon.co.jp/dp/462709602X/.

金森敬文. 2017. Rによる機械学習入門. 単行本. オーム社. https://www.amazon.co.jp/dp/4274221121/.

鈴木努. 2017. ネットワーク分析 第2版 (Rで学ぶデータサイエンス 8). Edited by 金明哲. 単行本. 共立出版.

門田幸二. 2022. バイオインフォマティクス: Web連携テキスト基礎から応用. 培風館. https://www.amazon.co.jp/dp/4563078328/.

阿部真人. 2021. データ分析に必須の知識・考え方　統計学入門　仮説検定から統計モデリングまで重要トピックを完全網羅. Kindle版. ソシム. https://www.amazon.co.jp/dp/B09M81WRHT/.

馬場真哉. 2018. 時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装. 単行本. プレアデス出版. https://www.amazon.co.jp/dp/4903814874/.

———. 2019. 実践Ｄａｔａ　Ｓｃｉｅｎｃｅシリーズ　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 (Ｋｓ情報科学専門書). Kindle版. 講談社. https://www.amazon.co.jp/dp/B07WFD5RFS/.

高橋将宜. 2022. 統計的因果推論の理論と実装 (Wonderful r). 単行本. https://www.amazon.co.jp/dp/4320112458.

高橋将宜, and 渡辺美智子. 2017. 欠測データ処理: Rによる単一代入法と多重代入法 (統計学One Point 5). 単行本. 共立出版. https://www.amazon.co.jp/dp/4320112563/.

高橋康介, and 石田基広. 2018. 再現可能性のすゝめ (Wonderful r 3). Edited by 高橋康介, 市川太祐, 高柳慎一, 福島真太朗, and 松浦健太郎. 単行本. 共立出版.