研究概要 |
主に誤差項が独立かつ同一分布(independetly and identically distributed, i.i.d.)ではなく、無相関(weak white noise)の統計的推測問題を研究した。具体的応用として、自己相関関数の漸近分布がロングランバリアンスに依存するため検定の実行が困難になることが知られている。そのため、これを改良すべく従来の2次形式表現での検定統計量の行列部分をロングランバリアンスとキャンセルできるような検定統計量を考えた。 最終年度の研究成果は次のとおりである。この検定はロバストM検定というより広いクラスの検定で統一的に議論できることが分かった。そこで、現状のロバストM検定を改良する3つの検定を提案した。また応用例として、ラグランジマルチプライヤー検定、かばん検定、GMM over-identified restriction検定、Hausmanの検定を求めた。これにより、提案する検定は様々な統計の分野で応用可能であることが示せたので、当初の計画よりより貢献度の高い研究ができたと思われる。 研究の主要成果は2012年12月のEC2カンファレンスで発表し、この検定の世界的権威と意見を交換することができた。さらに論文を改良を加え2013年前半には投稿する予定である。
|