予測概念の多様性に対応した情報量規準の開発：計算統計的アプローチ

点击翻译按钮获取中文摘要

前年度までに得た重み付き推論についてのモデル選択規準（PCIC for weighted inference）に関する研究成果がNeural Computation（IF=3.27)に掲載決定となった（第一論文）。当該論文のリバイズにあたっては、査読者のコメントに従って特異モデルへの応用に関する証明と数値実験を追加した。本論文で提案された規準は、共変量シフトのある場合や因果推論で傾向スコアの値が与えられている場合において有用であり、MCMCのアウトプットから容易に計算できる。また、対象をギブス損失の評価とベイズ期待値をプラグインした予測分布の評価に絞るかわりに、より一般の評価関数に拡張した情報量規準を提案した論文（arXiv:2206.05887v1、第二論文）を一流誌に投稿したが不採択となったため、他誌への再投稿を目指して改訂中である。こちらの論文では、プライバシー秘匿の問題など、現代的な興味に即した問題も扱っている。新たな方向として、事後共分散・事後キュムラントを利用した近似的なブートストラップ法、信頼区間のABC近似、バイアス補正、尤度の確率展開について研究した。バイアス補正および尤度の確率展開についての結果は特に独自性が高いものと思われる。これらの結果について所内のセミナーで議論し、論文にまとめるための準備を行っている。新型コロナ感染症の影響で、国内・海外の出張は行わなかったが、2023年度以降はより積極的に行う予定である。