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

ノンパラメトリック回帰による非線形構造の探索とその実装

使用非参数回归探索非线性结构及其实现

基本信息

批准号：
14780171
负责人：
坂本亘
金额：
$ 1.98万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2002
资助国家：
日本
起止时间：
2002 至 2004
项目状态：
已结题

项目摘要

本研究の目標は,データの背後にある複雑な非線形構造を探索・抽出するための道具として,ノンパラメトリック回帰,とくに平滑化スプラインの有用性を実証し,その方法を実装したアプリケーションを開発することであった。本年度に実施した研究内容は以下のとおりである。1.応答のベキ変換による加法モデルの拡張加法モデルにおける仮定(加法性,分散均一性,正規性など)の妥当性を評価するために,ベキ加法化平滑化スプラインやベキ重み付き平滑化スプラインなどを提案し,Fortranプログラムによる実装を行った。応答のベキ変換パラメータを分散・平滑化パラメータと同時に最大周辺尤度法(経験Bayes法)によって選定する。ベキ加法化平滑化スプラインでは周辺尤度の正確な計算は困難であるため,その近似方式を提案した。本方式の近似精度,および本方式を用いた場合の加法関数の推定性能を,事例研究やシミュレーションを通じて評価し,推定されるベキ変換が非線形構造を考慮しながら加法性や分散均一性などの要件を達成するという妥当な結果を得ることができた。2.ABIC(赤池Bayes情報量基準)による最適なモデルの選定平滑化スプラインの線形混合モデルによる表現を利用することにより,包括的な階層型のモデル族を構築することが可能となる。モデルが非線形(ノンパラメトリック)成分を含むかどうかの診断は,線形混合モデルのランダム効果に関する診断に帰着され,必要となる分散パラメータの個数の選定にはABICを用いることができる。本方式の有用性を事例研究などにより確認した。

The purpose of this study is to explore, extract and smooth the nonlinear structure behind the structure, and to prove the usefulness of the method for implementing the structure. This year's research content is as follows 1. The adequacy of the evaluation of the additive smoothing (additive, dispersion uniformity, regularity) of the solution to the problem of transformation, addition, expansion, addition, transformation, transformation. The method of maximum cycle length (Bayes method) is used to select the parameters. The calculation difficulty of the correct calculation of the circumference of the circle is proposed by the approximate method. The approximate accuracy of the method is higher than that of the estimation performance of the additive correlation number in the case where the method is used, and the case study is conducted to evaluate the estimation performance of the additive correlation number and the nonlinear structure. 2. ABIC (Akasaka Bayes Information Content Standard) is the most suitable way to select smooth lines and linear mixtures. The diagnosis of linear mixing is related to the diagnosis of nonlinear components, and the selection of ABIC is necessary. The usefulness of this method is confirmed by case study.