| 研究課題/領域番号 |
21K12067
|
|---|
| 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61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
伊庭 幸人 統計数理研究所, モデリング研究系, 教授 (30213200)
|
|---|
| 研究分担者 |
矢野 恵佑 統計数理研究所, 数理・推論研究系, 准教授 (20806070)
|
|---|
| 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 |
2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | ベイズ統計 / MCMC / モデル選択 / sensitivity / 共変量シフト / 因果推論 / Bayesian statistics / causal inference / covariate shift / Markov chain Monte Carlo / model selection / WAIC / PCIC / 情報量規準 / マルコフ連鎖モンテカルロ法 |
|---|
| 研究開始時の研究の概要 |
本研究計画では，データに基づいて最適な統計モデルを選択する規準（情報量規準）を数値計算アルゴリズムを含めて開発する．とくに，(1) マルコフ連鎖モンテカルロ法(MCMC)のアウトプットを利用して多様な状況に対応したモデル選択を行う手法を開発し， (2) 因果推論と予測をつなぐような手法を計算統計的な観点から発展させる．
|
| 研究実績の概要 |
前年度までに得た重み付き推論についてのモデル選択規準（PCIC for weighted inference）に関する研究成果がNeural Computation（IF=3.27)に掲載決定となった（第一論文）。当該論文のリバイズにあたっては、査読者のコメントに従って特異モデルへの応用に関する証明と数値実験を追加した。本論文で提案された規準は、共変量シフトのある場合や因果推論で傾向スコアの値が与えられている場合において有用であり、MCMCのアウトプットから容易に計算できる。
また、対象をギブス損失の評価とベイズ期待値をプラグインした予測分布の評価に絞るかわりに、より一般の評価関数に拡張した情報量規準を提案した論文（arXiv:2206.05887v1、第二論文）を一流誌に投稿したが不採択となったため、他誌への再投稿を目指して改訂中である。こちらの論文では、プライバシー秘匿の問題など、現代的な興味に即した問題も扱っている。
新たな方向として、事後共分散・事後キュムラントを利用した近似的なブートストラップ法、信頼区間のABC近似、バイアス補正、尤度の確率展開について研究した。バイアス補正および尤度の確率展開についての結果は特に独自性が高いものと思われる。これらの結果について所内のセミナーで議論し、論文にまとめるための準備を行っている。
新型コロナ感染症の影響で、国内・海外の出張は行わなかったが、2023年度以降はより積極的に行う予定である。
|
| 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
不採択が続いていた第一論文が受理され，第二論文についても再投稿に向けた作業が進捗している．一方で，１年前にはわからなかった様々な関連事項とのつながりが明らかになってきており，今後の研究の進展が期待できる．以上より「おおむね順調に進展している」と判断した．
|
| 今後の研究の推進方策 |
改訂中の第二論文を再投稿し，掲載を目指す．また，理論面で昨年度に得た結果をまとめ，あらたな論文原稿を作成するとともに，応用面での展開も目指す．本科研費で購入したＰＣのリモートでの利用により数値計算の能力が増加したので，それを生かして研究を進める．
|
