<主な研究業績>
・Harada, K., & Fujisawa, H. (2021). Sparse estimation of Linear Non-Gaussian Acyclic Model for Causal Discovery. Neurocomputing, 459, 223-233.
・Harada, K., & Fujisawa, H. (2024). Outlier-Resistant Estimators for Average Treatment Effect in Causal Inference. Statistica Sinica. 34(1). (IN PRESS)

<研究内容>
私は現在，外れ値の影響を受けにくい推定量や，外れ値という現象をうまくモデリングする方法について研究しています．
外れ値の影響を受けにくい推定量としては，中央値が有名かと思いますが，実は他にも数多く提案されています．特に，「再下降性」という性質を備えた推定量は，外れ値の割合が大きい場合でも，影響をほぼ完全に取り除くことが可能で，これは中央値にはない性質です（もちろん，実データ解析で割合が大きいときに外れ値をどう扱うべきかは，十分議論する必要があります）．ところが，近年研究が盛り上がっている「統計的因果推論」の分野において，既存の方法を素朴に拡張して外れ値に強い推定量を作ろうとすると，意図せずバイアスが入ることが明らかになりました（Harada & Fujisawa, 2022）．また，外れ値の割合が共変量に影響を受けるケースにおいても，単に外れ値に強い推定量を使うだけでは，バイアスを除ききれない場合があることがわかっています．こうした現象の背後にある仕組みを数理的に明らかにし，バイアスを完全に除く，もしくは緩和するための方法の開発に取り組んでいます．
他にも，方法論研究では統計的因果探索におけるスパース推定法の開発や，応用研究ではバイオマーカーを用いた診断のための予測モデル開発などに取り組んでいます．