多様なデータから多様な効果を推定するための空間回帰モデリング

用于估计不同数据的不同影响的空间回归模型

基本信息

批准号：
20K13261
负责人：
村上大輔
金额：
$ 2.58万
依托单位：
The Institute of Statistical Mathematics
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
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

幅広い時空間データを精度よく回帰するために、以下の課題に取り組んだ：(i)幅広い効果（空間効果、時間効果等）を高速に選択するための時空間回帰の拡張；(ii)ローカルな傾向を捉えるための時空間回帰の拡張。(i)に関しては機械学習手法reluctant interaction modelingの援用により、主効果を選択した後に、交互効果を選択するという2ステップによるモデル選択法を開発した。また、開発手法を既存の高速最尤推定法と組み合わせることで効果選択に要する計算時間を大幅に削減した。シミュレーション実験を通して、提案手法を用いた効果選択により、時空間回帰の精度を計算効率を落とさずに改善できることを確認した。(ii)に関しては、generalized product-of-experts（gPoE）と呼ばれるモデル統合法の援用により、複数の局所時空間回帰を事前に推定し、それらを事後的に統合するという方法を新規開発した。同手法を用いることで、これまで開発してきた時空間回帰の主な問題であった局所傾向を見落とす問題（degeneracy problem）が緩和でき、大幅なモデリング精度の改善を行うことができた。また、既存の時空間回帰を上回る効果の推定精度となったことも確認した。(i)と(ii)で開発した両手法は統計ソフトウェアRのパッケージspmoranに実装するための準備を進めており、間もなく実装予定である。なお、以上で開発した手法は、犯罪、Covid-19、賃料等の分析に応用しており、実用面での有用性も確認できた。

为了准确地回归各种时空数据，我们解决了以下挑战：（i）扩展时空回归以快速选择广泛的效果（空间效应，时间效果等）；（ii）扩展时空回归的扩展，以捕获局部趋势。关于（i），我们开发了一种两步模型选择方法，其中选择了主要效果，然后在机器学习方法的帮助下选择了交替效果。此外，通过将开发方法与现有的高速最大似然估计方法相结合，我们大大减少了效果选择所需的计算时间。通过仿真实验，我们确认可以通过使用建议的方法选择效果来改善时空回归的准确性。关于（ii），我们开发了一种新的方法，可以预测多个局部时空回归，并在稍后使用称为通用的专家产品（GPOE）的模型集成方法将它们组合在一起。使用这种方法，忽略了局部趋势的退化问题，这是迄今为止已经发展的时空回归的主要问题，能够显着提高建模准确性。还确认效果的估计准确性超过了现有的时空回归。在（i）和（ii）中开发的两种方法均已准备在SPMORAN（统计软件r包）中实施，并将很快实施。上述方法已应用于分析犯罪，covid-19，租金等，并且还确认了其实际效用。

项目成果

期刊论文数量（24）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

COVID19の地理的要因の解明に向けた時空間加法モデリング

时空相加模型阐明 COVID19 的地理因素

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Tran Dang An;Tsujimura Maki;Ha Nam Thang;Nguyen Van Tam;Binh Doan Van;Dang Thanh Duc;Doan Quang-Van;Bui Dieu Tien;Anh Ngoc Trieu;Phu Le Vo;Thuc Pham Thi Bich;Pham Tien Dat;Moe Nakazora;村上大輔
通讯作者：
村上大輔

Large-scale spatial prediction by scalable geographically weighted regression: Comparative study

通过可扩展地理加权回归进行大规模空间预测：比较研究