坂本研究室‎ > ‎研究活動‎ > ‎

教員の研究業績 (List of Works)


著書(翻訳) / Books (Translation)

  • 白旗慎吾(監訳)・内田雅之・熊谷悦生・黒木 学・阪本雄二・坂本 亘(訳)(2010). 統計学辞典.共立出版. 
    • 原著:Upton, G. and Cook, I. (2008). A Dictionary of Statistics, Second Edition. Oxford University Press. 
目次に戻る

学術雑誌 / Journals

原著論文(筆頭著者,査読付き)

  • 坂本 亘・五十川直樹・後藤昌司 (2008). 日本の「メタボリック・シンドローム」診断基準の統計的問題. 行動計量学, 35(2), 177-192. (詳細) 
  • 坂本 亘・井筒理人・白旗慎吾 (2008). 罰則付きスプラインによる非線形回帰構造の推測. 計算機統計学,21(1-2), 55-94. (総合報告) 
  • Sakamoto, W. (2007). Extracting non-linear additive regression structure with power-additive smoothing splines. Journal of the Japanese Society of Computational Statistics, 20(1), 83-108. 
  • Sakamoto, W. (2007). MARS: selecting basis functions and knots with an empirical Bayes method. Computational Statistics, 22(1), 583-597 
  • 坂本 亘 (2004). ベキ重み付き平滑化スプラインによる分散均一性の診断. 応用統計学, 33(1), 27-49. 
  • 坂本 亘 (2002). 制限付き最尤推定法による平滑化パラメータの選定:効率的な計算方式とその適用. 計算機統計学, 15(1). 19-45. 
  • Sakamoto, W. and Shirahata, S. (1999). Likelihood-based cross-validation score for selecting the smoothing parameter in maximum penalized likelihood estimation. Communications in Statistics:Theory and Methods,28(7), 1671-1698. 
  • Sakamoto, W. and Shirahata, S. (1997). Simple calculation of likelihood-based cross-validation score in maximum penalized likelihood estimation of regression functions. Journal of the Japanese Society of Computational Statistics, 10(1), 27-40. 
  • 坂本 亘・白旗慎吾 (1996). セミパラメトリック回帰問題におけるスプライン平滑化. 計算機統計学, 9(1), 13-35.

原著論文(筆頭著者以外,査読付き)

  • Yamaguchi, Y., Sakamoto, W., Goto, M., Staessen, J. A., Wang, J., Gueyffier, F. and Riley, R. D. (2014). Meta-analysis of a continuous outcome combining individual patient data and aggregate data: a method based on simulated individual patient data. Research Synthesis Methods, doi: 10.1002/jrsm.1119.
  • Yamaguchi, Y., Sakamoto, W., Shirahata, S. and Goto, M. (2013). An evaluation of treatment-covariate interaction in meta-analysis with marginalizing the missing individual patient data. Journal of the Japanese Society of Computational Statistics, 26(1), 1-16.
  • 中村将俊・下川敏雄・坂本 亘・後藤昌司 (2013). Lasso 調整型確率化平衡樹木による回帰解析.計算機統計学, 26(1), 17-31.
  • 五十川直樹・坂本 亘・後藤昌司 (2012). Bayes 流予測モデル診断法の性能評価.計算機統計学,25(1), 1-13.
  • 五十川直樹・池邉淑子・坂本 亘・後藤昌司 (2011). 「保健指導」に関する評価の試み.行動計量学, 38(1), 51-63. 
  • Thammapalo, S., Nagao, Y., Sakamoto, W., Saengtharatip, S., Tsujitani, M., Nakamura, Y., Coleman, P. G. and Davies, C. (2008). Relationship between transmission intensity and incidence of Dengue hemorrhagic fever in Thailand. PLoS Neglected Tropical Diseases, 2(7), e263 (13 pages). 
  • Dou Xiaoling・白旗慎吾・坂本 亘 (2006). 関数データの判別分析―線形的手法と関数部分空間法. 計算機統計学, 19(1), 13-30. 
  • 松嶋優貴・白旗慎吾・坂本 亘 (2004). AICによるウェーブレット基底関数の選択. 応用統計学,33(2), 201-219. 
  • Baba, M., Fujisawa, M., Sakamoto, W. and Goto M. (2003). Statistical evaluation of umbrella dose-response relationships. Journal of the Japanese Society of Computational Statistics, 15(2), 281-294. 
  • 藤澤正樹・馬場光正・坂本 亘・後藤昌司 (2002). 有限区間における回帰直線の信頼帯の構成. 計算機統計学, 14(1). 29-44. 
  • 辺 旗・坂本 亘・白旗慎吾 (1997). 2相直線回帰分析における尤度比検定. 応用統計学, 26(3), 135-150.

解説論文(査読なし)

  • 坂本 亘・後藤昌司 (2010). 医学統計概論―多変量解析とは―.日本心血管インターベンション治療学会誌,2(4), 295-302. 
目次に戻る

国際会議発表 / Presentations in International Conferences

プロシーディングス論文(筆頭著者,査読付き)

  • Sakamoto, W. (2016). Cluster detection of disease mapping data based on latent Gaussian Markov random field models. Proceedings of COMPSTAT 2016: 22th International Conference on Computational Statistics, pp. 267-277 (2016.8, Oviedo, Spain)
  • Sakamoto, W. (2009). Selecting an appropriate transformation of responses for fitting a linear or additive mixed model. Proceedings of the 57th Session of the International Statistical Institute (ISI 2009) (2 pages). (2009.8, Durban, South Africa) 
  • Sakamoto, W. (2008). Selecting an appropriate transformation of responses for fitting a semiparametric mixed model. International Joint Session of CSA, JSS and KSS. (2008.12, Taipei) 
  • Sakamoto, W. (2008). Selecting an appropriate transformation of responses for fitting a semiparametric mixed model. IASC2008: Joint Meeting of 4th World Conference of the IASC and 6th Conference of the Asian Regional Section of the IASC on Computational Statistics & Data Analysis: Proceedings (CD-ROM: 6 pages). (2008.12, Yokohama, Japan) 
  • Sakamoto, W. (2007). A simulation study on evaluating contribution of variables with empirical Bayes MARS. Bulletin of the International Statistical Institute 56th Session: Proceedings (CD-ROM: 4 pages). (2007.8, Lisbon, Portugal) 
  • Sakamoto, W. (2006). MARS: selecting basis and knots with the empirical Bayes method. Compstat 2006: Proceedings in Computational Statistics (CD-ROM), pp. 1397-1404. (2006.8, Rome, Italy) 
  • Sakamoto, W. (2005). MARS: selecting basis and knots with the empirical Bayes method. Proceedings of the 5th IASC Asian Conference on Statistical Computing, pp. 135-138. (2005.12, Hong Kong) 
  • Sakamoto, W. (2003). Exploring nonlinear structure with nonparametric regression. Proceedings of the 54th Conference of the International Statistical Institute (CD-ROM: 2 pages). (2003.8, Berlin, Germany) 
  • Sakamoto, W. (2002). Approximation of maximum marginal likelihood in non-Gaussian nonparametric regression models. Proceedings of the 4th ARS Conference of the IASC, pp. 22-25. (2002.12, Busan, Korea) 
  • Sakamoto, W. and Shirahata, S. (1997). Simple calculation of likelihood-based cross-validation score in maximum penalized likelihood estimation. Multivariate Analysis and Computing: Proceedings of the Ninth Korea and Japan Joint Conference of Statistics (KJCS-97), pp. 267-272. (1997.12, Jeju-do, Korea)

プロシーディングス論文(筆頭著者以外,査読付き)

  • Yamaguchi, Y., Sakamoto, W., Shirahata, S. and Goto, M. (2011). A meta-analysis method based on simulated individual patient data. The 58th World Statistical Congress of the International Statistical Institute (ISI 2011): Proceedings (USB media, 6 pages). (2011.8, Dublin, Ireland)
  • Harahap, E., Sakamoto, W. and Nishi, H. (2010). Failure Prediction method for network management system by using Bayesian network and Shared database. 8th Asia-Pacific Symposium on Information and Telecommunication Technologies (APSITT 2010) : Proceedings (in e-media). (2010.6, Sarawak, Malaysia) 
  • Baba, M., Sakamoto, W. and Goto, M. (2002). Statistical evaluation of umbrella dose-response relationships. Proceedings of the 4th ARS Conference of the IASC, pp.185-186. (2002.12, Busan, Korea)

プロシーディングス論文(筆頭著者,査読なし)

  • Sakamoto, W. (2016). An analysis of Japanese liver cancer mortality data with Bayesian age-period-cohort models. Proceedings of the International Conference for JSCS 30th Anniversary in Seattle (4 pages) (2016.10, Seattle, USA).
  • Sakamoto, W. (2005). Diagnosing non-linear regression structure with power additive smoothing splines. Proceedings of the ISM/KIER Joint Conference on Nonparametric and Semiparametric Statistics, pp. 249-262. (2005.3, Tokyo, Japan)

その他(アブストラクトのみ)

  • Sakamoto, W. (2016). Cluster detection of disease mapping data based on latent Gaussian Markov random field models. 2016 IASC-ARS Conference (2016.11, Daejeon, Korea) (招待セッション講演)
  • Sakamoto, W. (2016). Environmental and medical applications of latent Gaussian Markov random field models. Math and Stat Special Research Colloquium, Utah State University (2016.10, USU, USA) 
  • Hagihara, S. and Sakamoto, W. (2015). Performance of Bayesian inference with integrated nested Laplace approximation in generalized linear mixed effect models. The 24th South Taiwan Statistical Conference (2015.6, Changhua, Taiwan)
  • Sakamoto, W. (2012). Selecting an optimal mixed effect model based on information criteria. ISBIS 2012: Abstracts (2012.6, Bangkok, Thailand) (招待セッション講演) 
  • Sakamoto, W. (2011). Selecting variance structure in mixed effect models by information criteria based on Monte Carlo approximations. Joint Meeting of the 2011 Taipei International Statistical Symposium and 7th Conference of the Asian Regional Section of the IASC: Abstract, p.160. (2011.12, Taipei, Taiwan) 
  • Sakamoto, W. (2010). Selecting an optimal mixed effect model based on information criteria. COMPSTAT'2010: Book of Abstracts, p.141. (2010.8, Paris, France) 
  • Sakamoto, W. (2008). Selecting an appropriate transformation of responses for fitting a semiparametric mixed model. International Joint Session of CSA, JSS and KSS. (2008.12, Taipei) (招待セッション講演) 
  • Sakamoto, W. (2006). Selecting basis and knots in MARS with an empirical Bayes method. Conference on Nonparametric Statistics and Related Topics: speakers’ abstracts (2006.9, Carleton University, Ottawa, Canada) 
  • Sakamoto, W. (2005). Diagnosing non-linear regression structure with power additive smoothing splines. Abstracts of the 14th International Workshop on Matrices and Statistics, p.32. (2005.3, Auckland, NZ) 
目次に戻る

国内学会等発表

論文・アブストラクトなど(筆頭著者)

  • 坂本 亘 (2010). データ復元・拡大問題における計算統計の展望.日本計算機統計学会・第24回シンポジウム講演論文集,pp. 105-108. 
  • 坂本 亘 (2006). 経験Bayes法による多変量適応的回帰スプラインの基底および節点の選定.日本計算機統計学会第20回大会講演論文集,165-168. 
  • 坂本 亘 (2004). 近似最大周辺尤度法:平滑化スプライン・モデルへの応用. 「ノンパラメトリック・セミパラメトリック法を用いた統計解析理論とその学際的応用」研究報告書, pp. 217-229. 
  • 坂本 亘 (2002). 制限付き最尤推定法による平滑化パラメータの選定:シミュレーションによる評価.日本計算機統計学会第16回シンポジウム講演論文集,pp.101-104. 
  • 坂本 亘 (2001). 制限付き最尤推定法による平滑化パラメータの選定. 統計数理研究所・共同研究リポート, No. 143, pp. 51-68. 
  • 坂本 亘 (2000). 制約付き最尤推定法による平滑化パラメータの選定.第68回日本統計学会講演報告集,pp. 217-218. 
  • 坂本 亘 (2000). 平滑化スプラインによる非線形構造の探索. 統計数理研究所・共同研究リポート, No. 134, pp. 27-42. 
  • 坂本 亘 (1999). 平滑化パラメータの選定における制約付き最尤推定法の適用とその評価. 第67回日本統計学会講演報告集,pp.404-405. 
  • 坂本 亘 (1999). 平滑化パラメータの選定における制約付き最尤推定法の適用とその評価. 統計数理研究所・共同研究リポート, No. 118, pp.109-118. 
  • 坂本 亘 (1998). ノンパラメトリック回帰における平滑化パラメータの制約付き最尤推定.日本計算機統計学会第12回シンポジウム講演論文集,pp.49-52. 
  • 坂本 亘・白旗慎吾 (1996). 罰則付き最尤推定における尤度に基づく交差確認得点の簡便計算.日本計算機統計学会第10回シンポジウム講演論文集,pp.20-23. 
目次に戻る

外部資金による研究

科学研究費補助金(研究代表者)

  • 平成26年度~28年度(課題番号)

  • 平成21年度~23年度(課題番号21500275)
    基盤研究(C) 「シミュレーションに基づく最適な混合効果モデルの選定:理論と応用」 
  • 平成17年度~19年度(課題番号17700280)
    若手研究(B) 「ノンパラメトリック回帰による多次元構造の探索:推定方式の改良と実装」 
  • 平成14年度~16年度(課題番号14780171)
    若手研究(B) 「ノンパラメトリック回帰による非線形構造の探索とその実装」 
  • 平成12年度~13年度(課題番号12780177)
    奨励研究(A) 「非線形構造の探索・抽出のためのノンパラメトリック回帰とその有用性の研究」 
目次に戻る