权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Studies on statistical inference for ultra-high dimensional semiparametric models

超高维半参数模型统计推断研究

基本信息

批准号：
20K11705
负责人：
本田敏雄
金额：
$ 2.08万
依托单位：
Hitotsubashi University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度においては，超高次元線形分位点回帰モデルの前進型の説明変数スクリーニング法に関する研究論文が改訂後，国際誌に掲載予定となった．また日本統計学会の特集号より招待された，高次元Cox回帰モデルなどに関する解説論文も改訂後に掲載済となった．詳細は以下の通りである．超高次元データの統計解析を行う場合，計算上の必要より，標準的な高次元データ解析手法の前に，説明変数を一定数にまで減らす，説明変数のスクリーニングが必要であり，これまで様々なスクリーニング法が提案，研究されてきた．また段階的にスクリーニングを行うことの必要性も研究者間の共通認識となっており，なかでもモデルを利用する前進型の説明変数スクリーニング法は，モデルの情報を活用しかつスクリーニング一致性を持ち，さらにこれまでの研究のシミュレーション結果などにより，誤選択率も低いことが知られている．線形分位点回帰は標準的な手法にも拘わらず，前進型の説明変数スクリーニング法に関する研究がほとんどなく，今回国際共同研究により，超高次元線形分位点回帰モデルの前進型スクリーニング法に関して，理論面，数値面で研究を進めて得られた研究成果“Forward variable selection for ultra-high dimensional quantile regression models” は改訂後，査読付き国際学術誌Annals of the Institute of Statistical Mathematicsに掲載予定となった．日本統計学会和文誌特集号より招待された，Cox回帰モデルを含めた高次元生存時間データに関する統計解析についての主要な研究結果の解説論文“高次元Cox回帰モデルの統計的推測について”も，改訂後に掲載済となった．この論文は，大変重要な研究テーマに関する日本語による唯一の解説論文である．

In the year 2022, after the revision of the research paper on the method of ultra-high-dimensional linear quantile regression, the international journal published the prediction. The Japanese Statistical Society's Special Collection No. was published in 1998. The revised version of the paper was published in 1998. Details of the following through. In the case of statistical analysis of ultra-high-dimensional data, the calculation is necessary. Before the standard high-dimensional data analysis method, the number of specifications is reduced by a certain number. The number of specifications is necessary. The necessity of using the information of different stages to improve the consistency of the research results, the low rate of misselection, the common understanding among researchers, the improvement of the utilization of the information of different stages, the improvement of the utilization of the information of different stages, the improvement of the misselection rate, the improvement of the utilization of the information of different stages. Linear quantile regression models are based on the standard method of linear quantile regression, and the advanced model is described in detail. The research results of "Forward variable selection for ultra-high dimensional quantile regression models" have been revised. Annals of the Institute of Statistical Mathematics The Statistical Society of Japan and the Special Collection of Literature No. This paper is important for research.