• 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 実施状況報告書

大規模・高次元データを用いた計量経済分析における統計的推測法の開発

研究課題

研究課題/領域番号 18K01541
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, 准教授 (50593589)

研究期間 (年度) 2018-04-01 – 2023-03-31
キーワード経験尤度法 / セミパラメトリックモデル
研究実績の概要

第一に、ネットワークデータのための統計的推測法を提案し、その理論的性質の導出と数値実験を行った。具体的には、random graphにおいて各個体が"edge"を形成する確率についてJackknife Empirical Likelihood (JEL)による新たな統計的推測を提案し、ネットワーク全体で各個体の繋がる確率が十分高い(ネットワークがdenseの)場合にはカイ二乗近似による統計的推測が正当化されることを示した。また、各個体の繋がる確率が低い(ネットワークがsparseの)場合にはカイ二乗近似は保守的な推測をもたらすことを示し、そのような場合にも有用な(カイ二乗近似による推測が正当化される)修正JEL法を提案した。
第二に、「生成された独立変数」を含むセミパラメトリックモデルの統計的推測法を提案した論文の改訂および再投稿を行った。この結果は、Econometric Theoryに掲載が決定した。
第三に、モーメント条件モデルにおいて、従来の方法よりも漸近的に小さい相対的誤差を持つ統計的推測法を提案し、その理論的性質の導出と数値実験を行った。
第四に、同時密度と周辺密度の密度比のノンパラメトリック推定法を提案し、それがいくつかのセミパラメトリックモデルの推定において有用であることを示した。例として、処置変数が連続である場合の処置効果の推定法を提案し、その理論的性質を導出した。
第五に、セミパラメトリックモデルにおいて、局外パラメータの次元が大きい場合の統計的推測法の理論的性質を検討し、その改良法を提案した。

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

いくつかのセミ・ノンパラメトリックモデルにおいて、新たな統計的推測法を開発し、それらの推測法のいくつかの理論的性質を導出し、数値実験によってもその有用性を確かめることができた。これらの理論的導出は、今後に大規模・高次元なモデルに拡張していくことを想定したものであり、大規模・高次元計量経済分析の統計的推測理論を構築していく上で基礎的な役割を果たすものと考えている。

今後の研究の推進方策

第一に、現在投稿中の論文および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。第二に、ネットワークデータにおけるJackknife Empirical Likelihoodによる統計的推測について、提案した手法の理論的・実用的有用性の議論を精緻化させる。第三に、より一般的な大規模・高次元計量モデルの統計的推測法の開発に向けて、特に局外パラメータの次元が大きい場合の統計的推測法の理論的性質の検討を進める。

次年度使用額が生じた理由

(理由)統計的推測法の理論的性質の研究が当初の予定以上に進展したため、大規模な数値実験および一部の研究発表を翌年以降に回すこととした。

(使用計画)現在新たに着手している研究において、大規模な数値実験が必要であり、その費用に充てたい。また、共同研究者との研究打ち合わせ及び海外学会における研究発表のための費用に充てたい。

  • 研究成果

    (2件)

すべて 2019

すべて 雑誌論文 (1件) (うち国際共著 1件、 査読あり 1件) 学会発表 (1件)

  • [雑誌論文] Likelihood inference on semiparametric models with generated regressors2019

    • 著者名/発表者名
      Matsushita, Y. and T. Otsu
    • 雑誌名

      Econometric Theory

      巻: 印刷中 ページ: 印刷中

    • DOI

      10.1017/S026646661900029X

    • 査読あり / 国際共著
  • [学会発表] Empirical likelihood for network data2019

    • 著者名/発表者名
      Yukitoshi Matsushita
    • 学会等名
      LSE Joint Econometrics and Statistics Workshop

URL: 

公開日: 2021-01-27  

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