第15回統計科学セミナー（2024年10月21日開催）「Reluctant interaction modelingによる時空間可変パラメータモデルの高速化」のご案内

講演概要：

　時空間可変パラメータモデルは、回帰係数の時空間パターンを明らかにするために幅広く用いられてきた。解釈しやすい分析結果を得るためには、ありうる時空間パターンの中から重要なものだけを選択することが望ましいが、特に大規模データの場合その計算コストは大きくなる。そこで本研究では、計算効率良く時空間可変パラメータモデルを推定・選択する方法を開発する。同手法では、各基底関数の内積を用いて一連のモデリングを行うとともに、reluctant interaction modelingを応用して高次元になりがちな交互効果を効率よく扱うことで、計算コストの軽減を行う。モンテカルロ実験により、提案手法の精度が既存手法を上回ることを確認した。また、提案手法を犯罪データの分析に適用し、その実用上の有用性を確認した。