• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2021 Fiscal Year Research-status Report

多様なデータから多様な効果を推定するための空間回帰モデリング

Research Project

Project/Area Number 20K13261
Research InstitutionThe Institute of Statistical Mathematics

Principal Investigator

村上 大輔  統計数理研究所, データ科学研究系, 助教 (20738249)

Project Period (FY) 2020-04-01 – 2024-03-31
Keywords空間統計 / 加法モデル / カウントデータ / COVID-19
Outline of Annual Research Achievements

昨年度に引き続き大規模な時空間データを計算効率よくモデル化する方法を検討した。本年度はカウントデータを対象とした検討を進めた。それによりポアソン回帰の新たな線形近似手法を開発した。同手法の近似誤差が極めて小さいこと、ならびに同手法を用いることでポアソン回帰の識別問題(ゼロ値が多い場合に推定がうまくいかない)が解消できることを、既存手法とのシミュレーション比較により明らかとした。なお、同近似手法の精度が、負の二項回帰やゼロ過剰ポアソン回帰といったポアソン回帰の拡張手法をも上回ることを確認している。次に、開発した近似手法を一般化加法モデルの推定に応用することで、加法モデルの推定に必要だったdouble-loopを、精度を落とさずにsingle-loopに置き換えることができ、大きく計算効率が改善できた。結果として、大規模な時空間カウントデータを計算効率よくモデル化する方法を確立した。次に、同手法を、前年に開発したデータ分布の自動推定法と組み合わせた。それにより、幅広いカウントデータを高速・高精度にモデル化することを可能とした。以上で開発した同手法はRパッケージspmoranに実装した。さらに、本年度に開発した手法を、COVID-19の要因分析に応用した。それにより、ワクチン接種率の増加が陽性者の増加に寄与している可能性や、世代によって感染パターンが異なる可能性などの、重要な知見を得た。なお同手法は犯罪の要因分析にも応用しており、同じく犯罪予測に役立つ知見を得ている。

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

手法開発から実データの応用、ソフトウェアパッケージへの実装までを計画通り行うことができたため。

Strategy for Future Research Activity

大規模な時空間データのための回帰モデルの開発が主眼であった。これまでは計算効率を高めることに焦点をあてて研究を進めてきたが、モデルの精度をやや軽視してきている面があるため、今後は計算効率は維持しながらできる限りモデルの精度を高めていきたい。

  • Research Products

    (9 results)

All 2022 2021 Other

All Int'l Joint Research (1 results) Journal Article (3 results) (of which Int'l Joint Research: 1 results,  Peer Reviewed: 3 results,  Open Access: 2 results) Presentation (5 results) (of which Int'l Joint Research: 2 results,  Invited: 2 results)

  • [Int'l Joint Research] テキサス大学ダラス校(米国)

    • Country Name
      U.S.A.
    • Counterpart Institution
      テキサス大学ダラス校
  • [Journal Article] Improved log-Gaussian approximation for over-dispersed Poisson regression: Application to spatial analysis of COVID-192022

    • Author(s)
      Murakami Daisuke、Matsui Tomoko
    • Journal Title

      PLOS ONE

      Volume: 17 Pages: e0260836

    • DOI

      10.1371/journal.pone.0260836

    • Peer Reviewed / Open Access
  • [Journal Article] Balancing Spatial and Non‐Spatial Variation in Varying Coefficient Modeling: A Remedy for Spurious Correlation2021

    • Author(s)
      Murakami Daisuke、Griffith Daniel A.
    • Journal Title

      Geographical Analysis

      Volume: NA Pages: NA

    • DOI

      10.1111/gean.12310

    • Peer Reviewed / Open Access / Int'l Joint Research
  • [Journal Article] Compositionally-warped additive mixed modeling for a wide variety of non-Gaussian spatial data2021

    • Author(s)
      Murakami Daisuke、Kajita Mami、Kajita Seiji、Matsui Tomoko
    • Journal Title

      Spatial Statistics

      Volume: 43 Pages: 100520~100520

    • DOI

      10.1016/j.spasta.2021.100520

    • Peer Reviewed
  • [Presentation] 統計モデルで探るCOVID-19の地理的要因分析2022

    • Author(s)
      村上大輔
    • Organizer
      立川商工会議所 第12回環境シンポジウム
    • Invited
  • [Presentation] Compositionally-warped additive mixed modeling for large non- Gaussian data: Application to COVID-19 analysis2021

    • Author(s)
      Murakami Daisuke、Matsui Tomoko
    • Organizer
      The XV World Conference of Spatial Econometrics Association
    • Int'l Joint Research
  • [Presentation] Stable geographically weighted Poisson regression for count data2021

    • Author(s)
      Murakami Daisuke, Tsutsumida Narumasa, Yoshida Takahiro, Nakaya Tomoki
    • Organizer
      GIScience2021
    • Int'l Joint Research
  • [Presentation] 疎なカウントデータのための地理的加重ポアソン回帰の安定化・高速化2021

    • Author(s)
      村上大輔, 堤田成政, 吉田崇紘, 中谷友樹
    • Organizer
      地理情報システム学会第30回研究発表大会
  • [Presentation] COVID-19流行の地理的要因の解明に向けた ポアソン回帰の高度化2021

    • Author(s)
      村上大輔
    • Organizer
      都市経済学研究会
    • Invited

URL: 

Published: 2022-12-28  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi