ぎょーむ日誌 2004-04-05

2004 年 04 月 05 日 (月)

• 0840 起床． 朝飯． コーヒー． 0920 自宅発． 晴． 0930 研究室着．
• 朝から釧路大会雑用にまきこまれる． いやはや．
• スキをみつけて苫小牧直径成長モデリングをススめる …… があまり進展ナシ．
• 北大構内ネット， mail virus にやられてしまってどうしようもない． 当方の場合， fetchmail (antispam option 設定) → procmail → spamassassin → 自作の点検用スクリプト (in Perl) という縦深防御陣地を構築してるわけだが …… いじょーな流量だよね． 呪われてる， というか．
• 雑用は片づいたけど計算はススまぬまま午前終了． 1345-1415 北大構内走． 曇． 昼飯．
• 昼飯後に Matt の壊れ ThinkPad (保証期間内) を日本国内において修繕できるかどうかを調べる． まず北大生協に問い合わせたところ， IBM PC help center に電話で修理可能性を問い合わせろ， との指示． これから先が， 悪夢のごとき展開となるわけで． だからお電話はいやなんだよねえ．
• まずなかなかつながらない． 先方はごていねいにも電話混雑状況 を図示してくれてるぐらいだ． ふーむ， Desktop 機と ThinkPad で混雑時間帯が異なるのはなぜだろう?
• で， つながったと思ったら機械対応で． IBM ごじまんの音声入力とやらはかなりダメ． で， かとーオフィスの電話端末に [PB] なるボタンがあり， これをもってすれば Pulse → Tone の切りかえができるとわかった． そこで， これで分岐を突破しようとしたんだが …… そうとうに速押ししないと回線を切断されてしまうんだよねえ． むこうの機械がしゃべり終るのを待ってては遅くて， しゃべってる最中に入力しないといけない …… やってる本人にとっては悲劇以外のなにものでもない (が， 客観的には喜劇的であるらしく， Matt はげらげらと笑ってる)．
• で， よーやく人間がでてきて対応してくれるようになった． これがまた懇切丁寧なるもので …… そんなことやってるから混雑するんでは? なぜ web 経由で必要な情報を入力させないのか， そのあたりは疑問だ まあ， PC 壊れてたら web は使えないはず， というロジックなんだろうけど， 企業ユーザーとかの多い IBM 計算機では必ずしも常に真とはいえまい …… ともかく修理できることわかった．
• そのあいだにもぢりぢりとススめてる苫小牧直径モデリング， なかなか難しいねえ． 「光合成によさそう」な気象条件を選抜していく気象フィルター (750 から 1200 とーりぐらいの可能性の中で検討している) で計算される「気象値」， そしてこういう植物生態学の分野ではよく考えられぬまま使われてる 累積気温 (はっきりいってわけわからん) なる量との兼ね合いが難しい． AIC みたいな複雑モデルに対する 罰則項を含んだモデル選択基準であっても， 「ちょっとそれヘンでは」 と思える複雑なモデルが選ばれてしまう．
• うまくいかない原因のひとつは気象要因間の交絡かも， ということで， 気象関係の変数を分離した推定も含めてやらせてみる． AIC 的な意味でよかった順にならべると，
  1. 前年気象値 + 当年気象値 + 累積気温 (1-8 月)
  2. 前年気象値 + 当年気象値
  3. 前年気象値 + 累積気温 (1-8 月)
  4. 前年気象値 + 累積気温 (1-5 月) + 累積気温 (6-8 月)
  これらは， それぞれの組み合わせの中で最良の気象フィルターを選抜させて， さらに最良の変数くみあわせのもとで得られた AIC を比較したときの 順番になってる． うーむ， いまいち複雑．
• この統計モデルが表現しようと努力しているのは 「この年はこのあたりのサイズの個体の成長がよく， それに対してこちらの年ではこのあたりが……」 ということだ． 推定結果から得られる情報としては， このパターンがもっとも重要なのかもしれない． そういう年変動する現象を， まあ多少はむりやりにこれまた年変動する気象要因あれこれと 関連づけようとしてるわけで．
• 気象フィルターに関しては， いくつか奇妙な性質があるよーで …… たとえば， 累積気温を含まぬモデルでは光量子密度 (PPFD) を重視するフィルターが選択され， 一方で累積気温が入ってる場合には PPFD の影響が最小化されたフィルターが好まれる． なぜこうなるのか， はなんとなく想像がつくんだけど． あ， でも必ずしも常にそうなるわけではないなぁ．
• 探索してる範囲ではどういう気象条件が重視されるか， だいたいめどがたってきたんで， 使用を中止していた一般化線形混合モデルをもいっぺん適用してみる …… ああ， やっぱりこの問題に関して， glmmML() による混合モデル計算はだめっぽいね． Hessian がどーのこーので計算を挫折する頻度が無視できない． そして start.sigma 依存性は気になるところだ．
• ということで， 混合ではないふつーの一般化線形モデルの推定結果， かつ前年気象値 + 当年気象値モデルに関する作図をまとめて， 簡単な報告かき & アップロード．
• 2040 研究室発． 2100 帰宅． 体重 73.6kg． 晩飯．
• [今日の運動]
  • 北大構内走 1315-1345． ストレッチング．
  • 腹筋運動 30 × 3 回． 腕立ふせ 3 × 3 回．
• [今日の食卓]
  • 朝 (0850): 米麦 0.7 合． キャベツ・タマネギ・ショウガ・エノキダケの炒めもの．
  • 昼 (1450): 弁当． 研究室お茶部屋． 米麦 0.7 合． キャベツ・タマネギ・ショウガ・エノキダケの炒めもの．
  • 晩 (2210): うどん． キャベツ・ニンジン・エノキダケ・豆腐・煮干の味噌汁．