| 研究課題/領域番号 |
19K12212
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
三分一 史和 統計数理研究所, モデリング研究系, 准教授 (30360647)
|
|---|
| 研究分担者 |
尾家 慶彦 兵庫医科大学, 医学部, 助教 (50396470)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| キーワード | ニューロンネットワーク / 因果解析 / 自励的同期現象 / 生体イメージングデータ |
|---|
| 研究実績の概要 |
同時計測された変量間の因果解析法は時間ドメインと周波数ドメインとに分類される。本研究ではニューロン間の信号伝搬の時間的推移を定量化するのが目的であるので、前者の時間ドメインでの因果性推定を行っている。時間ドメインではGranger因果性検定、偏Granger因果性検定、多変量自己回帰(VAR)モデルのインパルス応答などの方法があり、有意検定には漸近法やブートストラップ法がある。検定法によっては統計量の分布が不明なものがあるのでブートストラップ法の方が汎用性が高い。
今年度はブロック・ブートストラップ(BB)法、タイムシフト・ブートストラップ法(TSB)、自己回帰モデルによるブートストラップ(ARB)法によりサロゲートデータを生成し、これらのブートストラップ法を用いた因果性検定の妥当性を評価した。
Granger因果性検定と編Granger因果性検定のいずれも因果関係を正確に推定していないが、Granger因果性検定とBB法の組み合わせが比較的良好な推定性能を示している。
瞬時的な因果関係を含むデータでは、Granger因果性検定と ARB法の組合せで完全に因果性を推定できることが分かった。
インパルス応答関数分析においてはBB法とARB法を用いると瞬時的な因果関係の有無にかかわらず、ほぼ正しく因果性を推定することができた。
Granger因果性検定と偏Granger因果性検定はVARモデルの残差を評価するものであるのに対し、インパルス応答関数はVARモデルのパラメータを評価する方法である。本研究結果からは後者の方がより正確な因果性の推定を行えるということが示された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
昨年度に引き続き関係者との打ち合わせがオンラインのみに制約され、また、共同研究者の実験スケジュールにも遅延が生じており、解析結果と実験結果の検証を計画通りに遂行することが難しく、実データを用いないシミュレーションデータの研究を先行させているため。
|
| 今後の研究の推進方策 |
因果性の推定には今年度試した方法の他に外生変数型AR(ARX)モデルをAICで評価する方法がある。また、ブートストラップ法には高速フーリエ変換をベースとするものがあるので、これらも考慮して、因果性の推定方法ごとにより検出力の高いブートストラップ法を探索する。一連のシミュレーションデータを用いた研究をベースに実データにおける因果性推定に適用する。
|
| 次年度使用額が生じた理由 |
旅費についてはコロナ禍以降、学会、研究会、シンポジウムなどはオンライン開催となったため剰余が発生した。
物品においては世界的半導体不足の影響で実データ解析に必要な計算機等の機器の購入が年度内に難しい状況であった。
研究成果発表のためにオンライン配信に必要な機器の購入や遅延している実データ解析のための計算機の納期情報を注視し、なるべく研究に支障の出ない方策を検討する。
|
