所得・貧困に関する時系列および時空間データのベイズ解析

收入和贫困时间序列和时空数据的贝叶斯分析

基本信息

批准号：
21K01421
负责人：
小林弦矢
金额：
$ 2.66万
依托单位：
Meiji University (2022)Chiba University (2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度は，引き続きグループデータに基づく市区町村レベルの所得・貧困指標に関する推測の問題に関する研究に取りかかった．2021年度では住宅土地統計調査の集計結果に対する柔軟な時空間混合モデルを開発したのに対し，2022年度は同調査の個票データを用いることを想定して小地域推定の考え方に基づいた統計的分析手法の開発を行った．具体的には，グループデータを構成する観測されない潜在的な世帯収入に対してベイズ線形混合モデルを考え，尤度関数の構築において住宅土地統計調査における各世帯が票差に選ばれる確率をもとにサーベイウェイトを明示的に取り入れた．数値実験の結果から，標本が包含確率に基づいて構成される場合，提案手法のほうがサーベイウェイトを考慮しない手法よりもパフォーマンスが優れていることがわかった．またここまでのグループデータおよび時空間モデルに関する研究の副産物として，多変量のカウントグループデータに対する因子モデルを考案し，ベイズ統計学の枠組みでマルコフ連鎖モンテカルロ法に基づく推定方法を開発した．さらに個別の予測モデルを統合するベイズ予測統合において，統合関数を混合分布によって構成することで，複数の時系列に対してパラメータ数を節約しつつも個別の予測モデルの予測精度を向上させるモデルを考案した．これらの提案手法に関する研究結果は国際学会および国内学会・国内研究集会などで報告された．現在これらの研究成果をまとめて論文の執筆に取り掛かっている．

在2022财年，我们继续研究基于小组数据的有关城市世界收入和贫困指标的推论问题。在2021年，开发了一种灵活的时空混合模型，用于住宅土地统计调查的结果，而在2022年，基于子区域估计的概念开发了一种统计分析方法，假设将使用调查中的个体数据。具体而言，我们考虑了构成群体数据的未观察到的潜在家庭收入的贝叶斯线性混合模型，并根据居民土地统计调查中每个家庭的概率明确地纳入调查权重，以作为在可能性功能的构建中的投票差异。数值实验的结果表明，当基于包含概率构建标本时，所提出的方法的性能要比不考虑调查权重的方法更好。此外，作为研究小组数据和时空模型的研究的副产品，直到现在，我们为多元计数组数据设计了一个因子模型，并开发了一种基于Markov Chain Monte Carlo方法的估计方法，该方法在贝叶斯统计框架中。此外，在整合单个预测模型的贝叶斯预测集成中，我们设计了一个模型，该模型可以提高单个预测模型的预测准确性，同时通过使用混合分布构造集成函数来构成多个时间序列的参数数量。在国际会议，国内会议和国内研究会议上报告了对这些提出方法的研究结果。我目前正在通过总结这些发现来撰写论文。