データ駆動パラメータが統計的機械学習に与える影響の高次漸近特性の理論的解明と応用

• Project/Area Number: 23K25502
• Project/Area Number (Other): 23H00805 (2023)
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund (2024); Single-year Grants (2023)
• 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: Kyoto University
• Principal Investigator: 西山 慶彦 京都大学, 経済研究所, 教授 (30283378)
• Co-Investigator(Kenkyū-buntansha): 文 世一 同志社大学, ビジネス研究科, 教授 (40192736) ; 人見 光太郎 京都工芸繊維大学, 基盤科学系, 教授 (00283680) ; 小西 葉子 独立行政法人経済産業研究所, 研究グループ, 上席研究員 (70432060) ; 岩澤 政宗 同志社大学, 経済学部, 准教授 (50842994)
• Project Period (FY): 2023-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000); Fiscal Year 2026: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2025: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000); Fiscal Year 2024: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000); Fiscal Year 2023: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
• Keywords: ノンパラメトリック計量経済分析 / 機械学習 / データ駆動チューニングパラメータ / チューニングパラメータ選択 / 漸近理論 / 公共交通システムの設計 / コロナ感染による行動変容

Outline of Research at the Start

多くのノンパラメトリック法、機械学習によるデータ分析において、分析者がチューニングパラメータを適当に選ぶことが求められる。理論的には様々な最適性をもつ選択法が提案されているものの、それ自体が未知の関数に依存するために、実際には実装することができない。他方、チューニングパラメータの値は分析結果に大きな影響を与えることが多く、実証分析において信頼性のあるパラメータ選択方法はこれらの手法を利用するうえで重要なテーマである。本研究では、推定、検定やモデル選択などの文脈においていくつかの統計手法についてデータに依存する形で適切なチューニングパラメータを選択する方法を提案する。