| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| 研究実績の概要 |
昨年度に引き続き, 変数の数が標本サイズよりも大きな超高次元データ解析に関して, 目的変数と関連のある説明変数を効率的に選択するための変数選択法の開発を行っている. 本研究では特に, 周辺尤度に基づく変数選択手法であるスクリーニングに着目している. スクリーニングでは, 変数ごとに比較的容易に計算できるスコアを利用し, そのスコアの値がしきい値を超えるものを重要な変数として選択する. 今年度は一般化線形モデルにおける交互作用項の選択や, 線形回帰モデルにおいて目的変数の分布の裾が重い, あるいは, 目的変数に外れ値を含む場合についてロバストなスクリーニングについて考察した. 一般化線形モデルにおける交互作用項の選択については, 変数のスクリーニングと同時にモデルを縮小するクリーニングの2段階で行う手法を提案した. また, 線形回帰モデルにおけるロバストなスクリーニングについては, LAD (least absolute deviation)回帰の罰則付き推定値をスコアの基準としてもちいることと, ブートストラップを用いてしきい値を選択することを提案した.
|
