| 研究課題/領域番号 |
21J21210
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分07030:経済統計関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
河野 遥希 東京大学, 経済学研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2021-04-28 – 2022-03-31
|
| 研究課題ステータス |
中途終了 (2021年度)
|
| 配分額 *注記 |
1,100千円 (直接経費: 1,100千円)
2021年度: 400千円 (直接経費: 400千円)
|
|---|
| キーワード | 情報量規準 / 多変量解析 / 線形回帰モデル |
|---|
| 研究開始時の研究の概要 |
情報量規準によるモデル選択は、大きな確率で正しいモデルが選択されること、つまり一致性を持つことが期待される。一致性の有無は扱う漸近理論に依存する。多変量正規線形回帰モデルに対して、AICが高次元漸近理論(データ数と被説明変数の次元が一定割合で増加していく状況)で一致性を持つ一方で、BICは大標本漸近理論(データ数だけが増加してく状況)で一致性を持つ。だが、現実には、どちらの漸近理論がデータにふさわしいかを判断することはできない。そこで本研究では、大標本・高次元の双方の枠組みで一致性を持つ情報量規準を、理論的に自然な形で導出する。
|
| 研究実績の概要 |
情報量規準によるモデル選択は、一致性と呼ばれる性質を持つことが期待される。一致性とは、そのモデル選択手法が、漸近的に確率1で正しいモデルを選択する性質である。ある情報量規準が一致性を持つか否かは扱う漸近理論によって異なる。多変量正規線形回帰モデルに対しては、赤池情報量規準は高次元漸近理論で一致性を持つ一方で、ベイズ情報量規準は大標本漸近理論で一致性を持つことが知られている。
ただ、現実には手元にあるデータが有限である以上、どの漸近理論がデータにふさわしいかを判断することはできない。従って、情報量規準によるモデル選択の結果、真のモデルとはかけ離れたモデルが選択されると、データの説明や予測に重大な悪影響を及ぼしうる。
Kono and Kubokawa (2021) は、この問題を理論的に自然な方法で解決した。具体的には、事前分布にspike and slab分布と呼ばれる特殊な分布を仮定したベイズモデルを考え、その予測周辺尤度の推定量として情報量規準を構成した。また、それが多変量線形回帰モデルにおいて、大標本・高次元双方の漸近理論で一致性を持つことを証明した。数値計算の結果も良好で、これまでに提案されてきた情報量規準を上回るパフォーマンスを発揮した。
また、従来の多くの研究は、データが独立同一分布に従う場合のみを扱っており、そうでないデータへの適用はあまり明らかではない。そこで、Kono and Kubokawa (2021) で導出した情報量規準が、相関構造を持つデータに対して有効かどうかを検証した。その結果、シンプルな時系列構造や空間構造を持つデータに対しても、わずかな修正をするだけで、提案した情報量規準が適用可能であることが分かった。提案手法の頑健性を示唆するこの結果は、データの独立性が保証できない場合への応用あたって有用である。
|
| 現在までの達成度 (段落) |
令和3年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和3年度が最終年度であるため、記入しない。
|
