人間の影響が厳しい天候に与える帰属性の統計的不確実性の定量化

気候変動の文脈における事象帰属は、極端な天候イベントに対する人為的温室効果ガス排出の役割を理解することを目的としています。特定の事象または事象のクラスが対象となります。一般的な事象帰属のアプローチでは、事実上の（現実世界の）シナリオと反事実的（人為的温室効果ガス排出がなかった場合の世界）シナリオの下で気候モデルの出力を使用して、関心のあるイベントの確率を推定します。その後、事象帰属は二つの確率の比率によって定量化されます。このアプローチは過去15年間に数多く適用されてきましたが、気候モデルのアンサンブルに基づくリスク比の推定に使用される統計技術は、統計文献に利用可能な全ての方法に依存しておらず、場合によってはブートストラップ法を非標準的な方法で使用し解釈しています。私たちは、リスク比の推定におけるサンプリングの不確実性の影響を定量化するための正確な頻度主義的統計フレームワークを提示し、事象帰属に新しい統計手法の使用を提案し、統計シミュレーションを用いて様々な手法を評価します。既存の統計手法が事象帰属にまだ使用されていないことには、広く使用されているブートストラップに対していくつかの利点があることを結論づけています。これには、繰り返しサンプルにおけるより良い統計的パフォーマンスや、小さな推定確率に対するロバスト性が含まれます。これらの手法を使用するためのソフトウェアは、RまたはPython用のclimextRemesパッケージを通じて入手可能です。私たちは頻度主義的統計手法に焦点を当てていますが、ベイズ手法はサンプリングの不確実性を超えた不確実性の要因を考慮する際に特に有用である可能性があります。