復元再抽出による疑似標本の漸近正規性を用いたセミパラメトリック最尤法の開発

通过恢复性重采样开发使用伪样本渐近正态性的半参数最大似然法

• 批准号: 22K01425
• 负责人: 伊藤 高弘
• 金额: $ 1.58万
• 依托单位: Kobe University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K01425/
• 关键词: セミパラメトリック最尤法; 質的・制限従属変数モデル; 二値選択モデル; 順序応答モデル; 打切り回帰モデル

本研究の目的は、回帰モデルにおける誤差項の分布の仮定を必要としない、新しいセミパラメトリック最尤法（Semiparametric Maximum Likelihood Method）を開発し、二値選択（binary choice）モデル、順序応答（ordered response）モデル、打切り回帰（censored regression）モデルなどの質的（qualitative）・制限（limited）従属変数モデルへの応用を提示することにある。初年度となるＲ４年度は、以下の進捗があった。まず、新しい手法を提示する研究として、線形モデル・二値選択モデルへの応用を提示した論文を執筆した。しかしながら、その後、手法の根幹部分に関して、議論が不十分な点が見つかり、修正を試みている段階である。また、上記二つのモデルへの応用については、推計プログラムも完成済みである。順序応答モデルに関しても本手法は応用可能であり、既に研究に着手しているが、打切り回帰モデルについては直接的な応用が不可能であると思われる。ただし、後者に関して、最尤推定法であるトービット（Tobit）モデルは外れ値に対して脆弱であることが知られているが、外れ値に対して頑健な別の手法を思い付いている。その手法の中でセミパラメトリック最尤法を援用することが出来そうであり、この手法を研究対象に加える予定である。

本研究的目的是开发一种新的半参数最大似然方法，该方法不需要对回归模型中的误差项的分布进行假设，并开发一种用于二元选择模型和有序响应模型的新方法，即删失回归模型。 ，以及其他定性/有限因变量模型。第一年，R4，取得了以下进展。首先，作为提出一种新方法的研究，我写了一篇论文，介绍了它在线性模型和二元选择模型中的应用。然而，从那时起，人们发现对该方法的基本原理的讨论还不够，目前我们正处于尝试纠正的阶段。此外，适用于上述两个模型的估算程序也已完成。这种方法也可以应用于有序响应模型，研究已经开始，但直接应用于删失回归模型似乎不可能。然而，对于后者，Tobit模型作为一种最大似然估计方法，已知容易受到异常值的影响，但他们提出了另一种对异常值具有鲁棒性的方法。使用半参数最大似然法作为方法似乎是可能的，我们计划将这种方法添加到我们的研究中。

项目成果

Resampling-Based Maximum Likelihood Estimation

基于重采样的最大似然估计

• 发表时间: 2023
• 期刊: GSICS Working Paper Series
• 作者: Jun-ichi Itaya;Atsue Mizushima;and Kengo Kurosaka;Daiki Maki;Daiki Maki;Daiki Maki;Takahiro ITO
• 通讯作者: Takahiro ITO