空間解析手法１

[F2-04] Group Fused MCPに基づく組成データの異質地域検出手法の提案

*Masato Ishikawa¹, Ryo Inoue¹ (1. Tohoku Univ.)

Keywords:組成データ, スパースモデリング, 空間的異質性, MCP正則化

組成データとは，ある対象を分類したときの各成分の割合を表すデータである．産業別就業者数割合や政党別得票率のような，市区町村などの各区域ごとに得られる組成データを対象として，その生成過程の地域的差異に焦点を当てた分析を行えば，地域特性の把握につながると期待される．本研究では，スパースモデリング手法の１つであるMCPを応用した，組成の生成過程が特徴的な地域を検出する手法を提案する．各区域に異質性を表すパラメータベクトルを設定したモデルに対して，各パラメータベクトルの構成成分をグループとしたGroup MCP正則化，および隣接するパラメータの差分ベクトルの構成成分をグループとしたGroup Fused MCP正則化を与えた推定を行うことにより，対象地域全体の生成過程だけでは表現できない地域を共通の非ゼロのパラメータベクトルにより検出する．実データを対象とした分析により，提案手法の有効性を確認する．