| 研究課題/領域番号 |
19K11853
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
倉田 博史 東京大学, 大学院総合文化研究科, 教授 (50284237)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 経時データ / ロバスト統計学 / 回帰診断 / 外れ値 / 不均一分散 / 正規性 / SURモデル / 多重共線性 / 外れ値検出 / 不均一分散モデル / マハラノビス距離 / 分散構造 / ロバスト性 |
|---|
| 研究開始時の研究の概要 |
本研究は、経時データに対する回帰モデルの推測に有効な回帰診断法の理論的基礎を明らかにし、併せて新しい診断方法を提案しようとするものである。経時データは観測期間が長いため、外れ値やデータの欠測、統計手法が前提とする各種 の仮定が途中から成立しなくなるなどといった問題が起こり易く、それらを回帰診断によって効率的に検出することの重要性は増している。ところが、現存の回帰診断の理論は必ずしも経時データの特徴を取り入れたものとなっておらず、理論と応用が乖離した状態となっている。本研究では、この間隙を埋めるべく、経時データに対して有効な回帰診断法の理論的基礎を提供することを狙う。
|
| 研究成果の概要 |
本研究は、経時データに対する回帰モデルの推測に有効な回帰診断法の理論的基礎を明らかにし、併せて新しい診断方法を提案しようとするものである。経時データは観測期間が長いため、外れ値やデータの欠測、統計手法が前提とする各種の仮定が途中から成立しなくなるなどといった問題が起こり易く、それらを回帰診断によって効率的に検出することの重要性は増している。ところが、現存の回帰診断の理論は必ずしも経時データの特徴を取り入れたものとなっておらず、理論と応用が乖離した状態となっている。本研究では、この間隙を埋めるべく、経時データに対して有効な回帰診断法の理論的基礎を提供することを狙う。
|
| 研究成果の学術的意義や社会的意義 |
本研究は、経時データに対する回帰モデルの推測に有効な回帰診断法の理論的基礎を明らかにし、併せて新しい診断方法を提案しようとするものである。経時データは、官庁統計、医療統計、経済統計など広く社会で蓄積されている一方で、観測期間が長さによって起こる問題、すなわち外れ値やデータの欠測、統計手法が前提とする各種の仮定が途中から成立しなくなるなどが起こり易く、それらを回帰診断によって効率的に検出することの重要性は増している。また、学術的にも、80年代以降のロバスト統計学の発展により、回帰診断的アプローチの理論研究が停滞する傾向にある。本研究はこれらの空白を埋めようとするものである。
|
