研究課題/領域番号 |
21K01421
|
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07030:経済統計関連
|
研究機関 | 明治大学 (2022) 千葉大学 (2021) |
研究代表者 |
小林 弦矢 明治大学, 商学部, 専任准教授 (00725103)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021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 | 所得分布 / ベイズ統計 / 小地域推定 / 時空間モデル / 混合モデル / ベイズ統計学 / 状態空間モデル |
研究開始時の研究の概要 |
本研究計画では所得不平等や貧困に関する指標について,既存研究のように単一時点や単一地域における指標の推定を行う代わりに,時系列データやパネルデータ内の情報を時点間や空間上にわたって借り合うことで,これらの数量についてより安定的な推定結果を得られるような統計モデルとそれに対する推定方法の開発を行うことを目指す.数値実験を通して,提案する統計学的手法が関心のある数量を既存手法と比較してより安定的・効率的に推定できることを確認し,また提案する手法を実際に日本の公的データなどに適用し,貧困地図なとを通してデータの可視化をすることて日本の格差・貧困問題の現状を明らかにする.
|
研究実績の概要 |
2022年度は,引き続きグループデータに基づく市区町村レベルの所得・貧困指標に関する推測の問題に関する研究に取りかかった.2021年度では住宅土地統計調査の集計結果に対する柔軟な時空間混合モデルを開発したのに対し,2022年度は同調査の個票データを用いることを想定して小地域推定の考え方に基づいた統計的分析手法の開発を行った.具体的には,グループデータを構成する観測されない潜在的な世帯収入に対してベイズ線形混合モデルを考え,尤度関数の構築において住宅土地統計調査における各世帯が票差に選ばれる確率をもとにサーベイウェイトを明示的に取り入れた.数値実験の結果から,標本が包含確率に基づいて構成される場合,提案手法のほうがサーベイウェイトを考慮しない手法よりもパフォーマンスが優れていることがわかった.またここまでのグループデータおよび時空間モデルに関する研究の副産物として,多変量のカウントグループデータに対する因子モデルを考案し,ベイズ統計学の枠組みでマルコフ連鎖モンテカルロ法に基づく推定方法を開発した.さらに個別の予測モデルを統合するベイズ予測統合において,統合関数を混合分布によって構成することで,複数の時系列に対してパラメータ数を節約しつつも個別の予測モデルの予測精度を向上させるモデルを考案した.これらの提案手法に関する研究結果は国際学会および国内学会・国内研究集会などで報告された.現在これらの研究成果をまとめて論文の執筆に取り掛かっている.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
デルの開発,推定アルゴリズムの開発および実装まで比較的順調に進んだ.一方で,実データへの応用に関しては,データのサイズが大きいため,推論の実行にかなり長い時間がかかってしまっている.特に住宅土地統計調査の個票に関しては統計センターでの作業が必要であるため,手法の開発がかなり非効率となってしまっている.
|
今後の研究の推進方策 |
一般化ベイズの枠組みでGMMと状態空間モデルの組み合わせなどに関しては既存文献の整理が終わり次第とりかかる予定である.また予測統合においてパラメータ数を節約しつつ複雑な構造のデータに対する予測性能の向上というのは新規性もあり需要もあると考えられることから,時空間データを始め様々なデータに対する手法の開発を行っていきたいと考えている.
|