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

点击翻译按钮获取中文摘要

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．