Project/Area Number |
23H00809
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 07030:Economic statistics-related
Basic Section 07060:Money and finance-related
Sections That Are Subject to Joint Review: Basic Section07030:Economic statistics-related , Basic Section07060:Money and finance-related
|
Research Institution | The Institute of Statistical Mathematics |
Principal Investigator |
二宮 嘉行 統計数理研究所, 数理・推論研究系, 教授 (50343330)
|
Co-Investigator(Kenkyū-buntansha) |
川野 秀一 九州大学, 数理学研究院, 教授 (50611448)
川崎 能典 統計数理研究所, モデリング研究系, 教授 (70249910)
柳原 宏和 広島大学, 先進理工系科学研究科(理), 教授 (70342615)
|
Project Period (FY) |
2023-04-01 – 2028-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2023: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
|
Keywords | 赤池情報量規準 / 傾向スコア解析 / 高次元データ解析 / 特異モデル解析 / モデル選択 |
Outline of Research at the Start |
現代の統計学ではモデル・推定法とも急速に発展・複雑化しており,既存の情報量規準をそのまま適用すると,結果は大きくミスリードされることが多い.例えば,経済統計分析における因果推論や機械学習における特異モデル解析では,その値を通常より遥かに大きくしなければならない一方,時空間統計分析に欠かせない高次元データ解析では,その値を通常より遥かに小さくしなければならないことが判明しつつある.本課題では,それらの拡張や融合に加え,スパース推定・モデル平均化法・ベイズ予測・変化点解析・混合効果モデル解析など,統計的モデル選択に大きな改良が見込まれる問題のみを対象に,数理的に保証された情報量規準を与える.
|