| 研究課題/領域番号 |
18K18009
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 慶應義塾大学 (2019-2023)
東京工業大学 (2018) |
|---|
研究代表者 |
片山 翔太 慶應義塾大学, 経済学部(三田), 准教授 (50742459)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2024-03-31
|
| キーワード | 高次元データ / スパースモデリング / 因果推論 / 多重検定 |
|---|
| 研究成果の概要 |
スパースモデリングによる発見的統計手法の開発を目指し，本研究課題では特に（1）高次元線形回帰モデルにおける差異検出および(2)超高次元パラメータを伴う2標本問題についての研究を行なった．(1)では，回帰係数ベクトルの差分を直接スパースに推定できる手法の開発を行い，その予測誤差，変数選択の一致性，バイアス除去による漸近分布の導出などの理論を整備した．（2）では，遺伝子データ解析への応用を目指して，2グループ間の差異を特徴付ける超高次元パラメータに対する統計的推測法を与えた．さらには，その手法を用いて実際のCovid-19に対する重症化患者と非重症化患者のRNA-seqデータを比較した．
|
| 自由記述の分野 |
高次元データ解析
|
| 研究成果の学術的意義や社会的意義 |
本研究課題で実施した研究(1)(2)はどちらも基礎的なものであり，それゆえに社会的意義も大きい．(1)については医療・経済・マーケティングなどへの応用が考えられ，提案手法の解釈可能性から，個体に依存した処置や介入へと繋がる．(2)については，遺伝子データからのさらなる有益な情報抽出が可能となる．また，どちらの研究も新規の方法論を開発しており，さらにはその理論保証も与えている．
|
