| 研究課題/領域番号 |
23K01331
|
|---|
| 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 | 一橋大学 |
|---|
研究代表者 |
松下 幸敏 一橋大学, 大学院経済学研究科, 教授 (50593589)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2026年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | ノン・セミパラメトリックモデル / 統計的推測 / 操作変数 / 因果推論 / 大規模データ |
|---|
| 研究開始時の研究の概要 |
大規模・高次元データの分析においては、通常の大標本漸近理論は有限標本における良い近似とはならない場合がある。本研究課題では、特に共変量の数が大きい場合のノン・セミパラメトリック計量経済モデルの統計的推測に焦点を当て、信頼できる統計的推測法の開発とその正当化のための漸近理論の構築を目指す。特に、「高次」漸近理論と「高次元」漸近理論を用いて、共変量の数が大きい場合にも信頼できるノン・セミパラメトリック統計的推測法の開発とその正当化のための漸近理論の構築を行う。
|
| 研究実績の概要 |
第一に、ランダム化比較試験 (randomized controlled trial, RCT)において、共変量の数が大きい場合の新しい推定と統計的推測の方法を提案した論文を執筆・改訂した。本論文は学術誌掲載のために投稿中である。第二に、機械学習の手法であるランダムフォレストによる統計的推測法の開発を始めた。特に、ランダムフォレスト統計量が高次元の不完全U-統計量で表現できることに注目し、不完全U-統計量の統計的性質の検討を行った。第三に、Mendelian Randomizationと呼ばれる統計分析において、操作変数の数が大きい場合の推定法と統計的推測法の開発を始めた。特に、Mendelian Rondomizatioにおいては、各個人のデータの代わりに要約統計量のみが利用可能である場合が応用上重要であり、そのような場合における統計的推測法の検討を行った。第四に、線形操作変数モデルにおいて、条件付尤度比検定（conditional likelihood ratio test）を弱操作変数と多操作変数の両方に対して頑健化する方法を提案し、その理論的性質を導出した論文を執筆・改訂した。本論文は学術誌掲載のために再投稿準備中である。第五に、サンプルのcross-fittingを用いることによっていくつかの検定の検出力を高めることができることを示した論文を執筆した。本論文は学術誌掲載のために投稿準備中である。第六に、パネルデータを用いた平均処置効果の推定において、共変量バランシング（covariate balancing）を用いた推定手法を提案し、その理論的性質を導出した。本論文は学術誌掲載のために投稿準備中である。第七に、観察研究における平均処置効果の推定において、共変量の数が大きい場合の新しい推定と統計的推測の方法を提案した。本論文は現在執筆中である。
|
| 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
新たに、いくつかの大規模・高次元データを用いた計量モデルの統計的推測法の開発を始めることができた。
|
| 今後の研究の推進方策 |
上記のそれぞれのプロジェクトにおいて、まずは第一稿を完成させることを目標とする。また、投稿中あるいは投稿予定の論文がそれぞれ学術誌に受理されるように執筆・改訂を進める。
|
