| 研究課題/領域番号 |
19K01595
|
|---|
| 研究機関 | 龍谷大学 |
|---|
研究代表者 |
蛭川 雅之 龍谷大学, 経済学部, 教授 (10597628)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 接合データの計量経済学 / ２標本回帰推定 / セミパラメトリック推定 / 非対称カーネル関数 / 生成された説明変数 / スパースモデリング / サンプルセレクションモデル |
|---|
| 研究実績の概要 |
当該年度に実施した研究内容は次の通りである。
①最近傍法によらないセミパラメトリック２段階２標本推定量を提案し、その大標本・小標本特性を分析する論文を改訂した。この中で、非対称ベータ・カーネル関数を使用したノンパラメトリック回帰推定量を代入する２標本推定量の方が、一般に用いられる対称カーネル関数を使用したものに比べて優れた小標本特性を持つことも示している。本論文は英文査読誌に再投稿を済ませ、現在審査中である。
②上記推定の1段階目ではカーネル回帰推定が利用される。ところで、①の２標本推定量の大標本特性を導出する際、カーネル推定量の一様収束およびその収束速度が必要となるのだが、ベータ・カーネル関数に対してこれらの結果を証明・導出する文献は皆無であった。そこで、ベータ・カーネル関数を使用した様々なノンパラメトリック推定量に関する一様収束の結果をまとめた論文を①とは別に作成し改訂した。本論文は英文査読誌への掲載が決定している。
③本研究で取り扱う２標本推定は、主サンプルに存在しない説明変数の代理変数を別のサンプルから生成・代入する手法をとる。この手法は「生成された説明変数（generated regressor）」の特殊ケースと見做すことができる。さらに、①で開発済みの手法では、パラメータ推定量の収束速度を維持するため、代理変数を生成するのに用いる変数の数を限定している。高次元データから代理変数を生成するには、このような「次元の呪い」の問題を解決する必要もある。そのための第一歩として、スパースモデリングを用いてサンプルセレクションモデルを２段階推定する手法の開発に着手した。この手法は優れた小標本特性を持つことを確認しており、推定手法全体の理論的裏付けも加えて、成果を論文にまとめている段階である。本論文は近日中に英文査読誌へ投稿する予定である。
|
| 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
研究実績①～③は全て当該年度に実施する予定の課題であったため。
|
| 今後の研究の推進方策 |
まず研究実績③に関し、生成された説明変数とスパースモデリングによる多段階推定を組み合わせた手法を回帰モデル全般へ適用可能となるよう一般化し、その成果を２標本推定理論にも組み込む予定である。また、２標本推定法のさらなる深化の例として、傾向スコア等を用いる「次元の呪い」への対応、無作為抽出によらない標本（例：層別抽出法）へのモデル拡張等も視野に入れている。さらに、開発した手法を個票データを用いた実証分析にも応用したい。
加えて、本年６月に龍谷大学で開催される計量経済学、統計学、データサイエンスに関する国際学会EcoSta 2022の現地責任者を務めている。本学会はアジアで屈指の規模を誇り、今後の研究の進展に大きな刺激となることが期待される。
|
| 次年度使用額が生じた理由 |
当該年度は前年度に引き続き、研究発表を予定していた学会が中止もしくはバーチャル開催になり、旅費が発生しなかった。今年度も同様の傾向は続くものと予想されるが、学会参加を増やし国内外に対し研究成果の発信していく姿勢に変わりはない。
|
