講演内容：
宇宙物理学では扱う対象が遠方にあるため，天体の構造を直接見ることが困難である．構造を直接分解できる場合でも、本来・ﾌ3次元構造が2次元の天球面に投影された情報しか得ることができない．また、地上における天体観測は天候や季節の影響を受けるため，時系列データ・ﾍ不等間隔にサンプリングされることが多い．このような限られたデータから天体の性質を解明するため，私は最近、天体情報の疎性に着目し，1次ノルム最小化などの宇宙物理学データへの応用を検討している．今回は，具体的な例として、変光星の周期解析，電波干渉計の画像再構成，スペクトルの時間変動をつかった天体構造再構成，などを紹介する．

講演内容：
ウィルクスのラムダ分布は，多変量分散分析において検定統計量の分布として現れる分布であるが，多変量線形回帰モデルにおける変数選択基準の一致性にも関 係がある．ウィルクスのラムダ分布の漸近展開近似と誤差評価，および，変数選択基準の一致性に関連した，分布の裾確率の評価について報告する．

講演内容：
最初に，一般化モーメント法（GMM)推定量とパネルデータモデルの概略を説明する．その後，近年のパネルデータ分析で注目されている，相互作用的固定効果を持つパネルデータモデルのGMM推定量の識別問題について議・_する．

講演内容・F
マクロ経済・金融データの分析では，ホドリック・プレスコット・フィルター（HPフィルター）と呼ばれるトレンド抽出フィルターが大変ポピュラーである． 近年，HPフィルター類似のl1トレンド・フィルターと呼ばれるフィルターが提案された． HPフィルターとl1トレンド・フィルターの間の関係は，ちょうど，リッジ回帰とlasso回帰の関係である． 本報告では，l1トレンド・フィルターのチューニング・パラメーターを選定する一つのプラクティカルな方法を提示する．

講演内容：
統計的推測において, 何らかの仮説を検定するための手法のひとつに尤度比検定がある. 尤度比検定統計量は特定の正則条件の下でカイ二乗分布に分布収束することが知られているため, この漸近性質を用いて検定を行うことが可能となる. しかしながら, 正則条件が成立しない場合, 特にパラメータ空間の境界に真値があるとき, 検定統計量はカイ二乗分布には分布収束せず, 精度の悪い漸近理論しか用意され ていないという問題がある. 本発・\では, ランダムエフェクトパラレルプロファイルモデルにおける共分散構造に関する尤度比・E汳闢搆v量の分布関数に対して, 正則条件が成立していない下での漸近展開公式を導出する.

講演内容：
Breast Cancer is heterogeneous disease both on the clinical and the molecular level. Our aim of this study is to compare array CGH DNA profiles of various stages of breast tumor as a surrogate of the course of tumorgenesis and identify significant aberrations that may be driving the process at each stage. For the challenge, applying GISTIC (Genomic Identification of Significant Targets in Cancer(2007)) to the data for each stage could identify likely driver somatic copy-number alterations (SCNA) by evaluating the frequency and amplitude of observed events. To directly identify significant difference for genome-wide copy number profiles in tumor progress, we propose a new approach of Genomic Identification Significant Difference for DNA copy number profiles in Tumor Progress (GISDIP).

講演内容：
Recently the kernel discriminant analysis has been successfully applied in many applications. However, the kernel function is usually defined a priori and it is not known what is the optimum kernel function for nonlinear discriminant analysis. Also the class information is not usually introduced to define the kernel functions. In this talk, the optimal kernel function in terms of the discriminant criterion (called discriminant kernel) is shown by investigating the optimum discriminant mapping constructed by optimum nonlinear discriminant analysis. The discriminant kernel is given by using the Bayesian a posterior probabilities. For real applications, a family of discriminant kernels can be derived by changing the estimation method of the Bayesian a posterior probabilities. Some examples of discriminant kernels are shown and the effectiveness of discriminant kernels is verified by several experiments using UCI ML repository datasets.

講演内容：
This paper considers the analysis of panel data whose dynamic structure is heterogeneous across individuals. Our aim is to estimate the cross-sectional distribution and/or some distributional features of the heterogeneous autocovariance. We do not assume any specific model of the dynamics. Our proposed method is simple and easy to implement. We first compute the sample autocovariance for each individual and then estimate the parameter of interest based on the empirical distribution of the estimated autocovariances. The asymptotic properties of the proposed estimators are investigated using double asymptotics under which both the cross-sectional sample size (N) and the length of the time series (T) tend to infinity. The functional central limit theorem for the empirical process of the proposed distribution estimator is proved. By using the functional delta method, we also derive the asymptotic distribution of the estimator of various parameters of interest. We show that the distribution estimator exhibits a bias whose order is proportional to 1/ T. On the other hand, when the parameter of interest can be written as the expectation of a smooth function of the heterogeneous autocovariance, the bias is of order 1/T and can be corrected by the jackknife method. The results of Monte Carlo simulations show that our asymptotic results are informative regarding the finite-sample properties of the estimators. They also indicate that the proposed jackknife bias correction is successful.

講演内容：
This paper proposes a new identification scheme for stationary large dimensional factor models through heteroskedasticity of factors based on the idea of Rigobon (2003,REStat). Our model assumes there exists one break in a variance-covariance matrix of factors while factor loadings are invariant through regimes. We employ these information as identifying restrictions and estimate true factors by estimating rotation matrices directly by minimum distance (MD) estimation. Since we confront a non-standard situation in the MD estimation, asymptotic properties of the MD estimator are investigated. Monte-Carlo simulation gives us encouraging evidences that finite sample properties of the MD estimator are plausible ones.

講演内容：
混合分布モデルは識別不能性をもつモデルであり，成分数の検定のための尤度比統計量の漸近分布は，局所錐パラメトリゼーションを経由して得られる．しかし，・ｻれに基づく方法は，検定結果の恣意的な操作につながるような大きな弱点をもつ．そこで，識別不能性の一部を考慮せずにすむモデリングをし，弱点を克服することを考える．そして正規混合分布モデルの成分数1対2の検定問題に対し，一つのコンジェクチャを与える．

講演内容：
本報告では，線形混合モデル（linear mixed model, LMM）において，推定に用・｢る共変量と予測に用いる共変量の値が異なる状況下での変数選択規準を，LMMの変数選択によく用いられる条件付AICを修正するかたちで提案する．さらに，LMMを用いた小地域推定問題への，提案手法の応用可能性を考察する．

講演題目(講演者2)：変換線形混合モデルの推定と予測

講演内容：
本報告では，正値データや[0,1]などの有界な値を取るデータに対して・A観測値を実数に変換して線形混合モデルを適用するアプローチを紹介する．データを変換する関数としては，よく使用される対数変換等を含むパラメトリックな変換を考えて，データから変換パラメータを推定することにより柔軟に線形混合モデルを適用することを考える．さらに，提案モデルを小地域推定へ応用し有用性を議論する．

講演内容：
通信ネットワーク基盤の発達やGPS機能をもつ携帯端末の普及にともない，位置情報をもつ大規模な情報源が増えている．我々は，大規模位置情報データベース内に存在する，２次元平面上での特徴的なパターンを効率的に発掘する機能を研究・J発してきた．本講演では，代表的な研究成果としてCo-locationパターン，最適領域パターンを紹介するとともに，大規模データ処理を支えるKey-Valueストア，MapReduceとそれを基にした最近の位置情報ビッグデータ応用技術を紹介する．

講演内容：
In this article, we investigate the portmanteau tests and the Lagrange multiplier (LM) test for goodness of fit in autoregressive and moving average models with uncorrelated errors. Under the assumption that the error is not independent, the classical portmanteau tests and LM test are asymptotically distributed as a weighted sum of chi-squared random variables that can be far from the chi-squared distribution. To conduct the tests, we must estimate these weights using nonparametric methods. Therefore, by employing the method of Kiefer, Vogelsang, and Bunzel (2000, Econometrica), we propose new test statistics for the portmanteau tests and the LM test. The asymptotic null distribution of these test statistics is not standard, but can be tabulated by means of simulations. In finite-sample simulations, we demonstrate that our proposed test has a good ability to control the type I error, and that the loss of power is not substantial.