役職

大学院先進理工系科学研究科 助教

略歴

主な研究内容

複数の変数の関係性を記述する多変量モデルにおいて, 変数選択手法について研究しています. 例えば, 多変量モデルの一つとして回帰モデルが挙げられます. 回帰モデルとは結果を表す変数 (目的変数) をその要因として想定される変数 (説明変数) で記述した統計モデルで, どのような説明変数が要因として考えられるかはあくまでも分析者自身が決めます. しかし, その説明変数の中には本当は目的変数に影響を与えない冗長な変数があるかもしれません. このような場合に変数選択手法を用いることで, 冗長な変数を取り除き本当に必要な変数を特定することが可能となります.
私の最近の研究では, 変数選択を行うデータの中でも特に, ビッグデータの一種でもある数多くの変数からなる高次元データを中心に扱っています. 従来使われてきた変数選択手法の多くは低次元データに対して開発された手法であるため, 高次元データに対しては上手く機能しないことがあります. そのため, 高次元データに対しても有効な変数選択手法の開発及びその性能の理論的な評価を行っています.

主な研究業績

査読付き論文

• Oda, R., Yanagihara, H. & Fujikoshi, Y. Asymptotic null and non-null distributions of test statistics for redundancy in high-dimensional canonical correlation analysis. Random Matrices: Theory and Applications, 8 (1), 1950001-1-26, 2019. DOI: 10.1142/S2010326319500011
• Oda, R., Suzuki, Y., Yanagihara, H. & Fujikoshi, Y. A consistent variable selection method in high-dimensional canonical discriminant analysis. Journal of Multivariate Analysis, 175, 104561-1-13, 2020. DOI: 10.1016/j.jmva.2019.104561
• Oda, R. & Yanagihara, H. A fast and consistent variable selection method for high-dimensional multivariate linear regression with a large number of explanatory variables. Electronic Journal of Statistics, 14, 1386-1412, 2020. DOI:10.1214/20-EJS1701
• Oda, R., Yanagihara, H. & Fujikoshi, Y. Strong consistency of log-likelihood-based information criterion in high-dimensional canonical correlation analysis. Sankhya A (in press). DOI: 10.1007/s13171-019-00174-3
• Oda, R., Mima, Y., Yanagihara, H. & Fujikoshi, Y. A high-dimensional bias-corrected AIC for selecting response variables in multivariate calibration. Communications in Statistics – Theory and Methods (in press). DOI: 10.1080/03610926.2019.1705978

受賞

• 日本行動計量学会岡山地域部会 奨励賞　受賞 (2018年3月).
• 日本行動計量学会岡山地域部会 プレゼン賞　受賞 (2019年3月).