• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 研究成果報告書

超高次元データにおける因子推定とDI予測

研究課題

  • PDF
研究課題/領域番号 16K17100
研究種目

若手研究(B)

配分区分基金
研究分野 経済統計
研究機関青山学院大学 (2018-2019)
小樽商科大学 (2016-2017)

研究代表者

田中 晋矢  青山学院大学, 経済学部, 准教授 (80727149)

研究期間 (年度) 2016-04-01 – 2020-03-31
キーワード超高次元経済データ分析 / 罰則付回帰 / Lasso / 経済予測
研究成果の概要

本研究課題では「超高次元経済時系列データの適用を想定した超高次元線形回帰モデルおよび超高次元パネルベクトル自己回帰(PVAR)モデルにおける係数および予測値の罰則付回帰推定量の理論特性についての理論的考察」ならびに「罰則付回帰のマクロ経済予測への応用」に関する研究を行い,その結果として超高次元統計モデルは時間従属性の強い経済時系列データに適用した場合でもうまく機能すること,ならびに経済予測をはじめとするマクロ計量経済分析のための有用な手段となりうることを明らかにした.

自由記述の分野

計量経済学

研究成果の学術的意義や社会的意義

近年では膨大な情報・サイズを有する"超"高次元データ(所謂ビッグデータ)が工学,医学,情報通信等の分野において積極的に利用されていることは周知のとおりである.その一方で経済学分野での超高次元データの利用は特に本研究課題を開始した2016年当時において世界的に見ても非常に少ないという状況にあった.その大きな理由として標準的な高次元統計解析手法を経済データに適用した場合の推定量の"ふるまい"について未解明である部分が多かったことが挙げられよう.本研究課題の研究成果は当該問題の解決に大きく寄与し,さらに実際の経済データを用いて超高次元経済データを用いた計量経済分析が実証的にも有用であることを示した.

URL: 

公開日: 2021-02-19  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi