所得・貧困に関する時系列および時空間データのベイズ解析

收入和贫困时间序列和时空数据的贝叶斯分析

基本信息

批准号：
21K01421
负责人：
小林弦矢
金额：
$ 2.66万
依托单位：
Meiji University (2022)Chiba University (2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度は，引き続きグループデータに基づく市区町村レベルの所得・貧困指標に関する推測の問題に関する研究に取りかかった．2021年度では住宅土地統計調査の集計結果に対する柔軟な時空間混合モデルを開発したのに対し，2022年度は同調査の個票データを用いることを想定して小地域推定の考え方に基づいた統計的分析手法の開発を行った．具体的には，グループデータを構成する観測されない潜在的な世帯収入に対してベイズ線形混合モデルを考え，尤度関数の構築において住宅土地統計調査における各世帯が票差に選ばれる確率をもとにサーベイウェイトを明示的に取り入れた．数値実験の結果から，標本が包含確率に基づいて構成される場合，提案手法のほうがサーベイウェイトを考慮しない手法よりもパフォーマンスが優れていることがわかった．またここまでのグループデータおよび時空間モデルに関する研究の副産物として，多変量のカウントグループデータに対する因子モデルを考案し，ベイズ統計学の枠組みでマルコフ連鎖モンテカルロ法に基づく推定方法を開発した．さらに個別の予測モデルを統合するベイズ予測統合において，統合関数を混合分布によって構成することで，複数の時系列に対してパラメータ数を節約しつつも個別の予測モデルの予測精度を向上させるモデルを考案した．これらの提案手法に関する研究結果は国際学会および国内学会・国内研究集会などで報告された．現在これらの研究成果をまとめて論文の執筆に取り掛かっている．

2022财年，我们继续研究基于群体数据的市级收入和贫困指标推断问题。 2021财年，我们针对住房和土地统计调查的汇总结果开发了灵活的时空混合模型，而2022财年，我们开发了基于小区域估计思想的统计模型，假设来自住房和土地统计调查的个体数据我们将使用相同的调查。具体来说，我们考虑对构成组数据的未观察到的潜在家庭收入采用贝叶斯线性混合模型，并使用住房和土地统计调查中的投票差异选择每个家庭的概率来构建似然函数。将调查权重纳入数值实验结果表明，当基于包含概率构造样本时，所提方法比不考虑调查权重的方法具有更好的性能。此外，作为迄今为止群体数据和时空模型研究的副产品，我们设计了多元计数群体数据的因子模型，并在贝叶斯统计框架下开发了基于马尔可夫链蒙特卡罗方法的估计方法。此外，在集成各个预测模型的贝叶斯预测积分中，通过使用混合分布配置积分函数，我们可以创建一个模型，该模型可以提高各个预测模型的预测精度，同时节省多个时间序列的参数数量。。这些方法的研究成果在国际学术会议、国内学术会议和国内研究会议上都有报道。我目前正在写一篇论文，总结这些研究成果。