Tutkimukseni painottuu monimuuttujamenetelmien tilastolliseen ja matemaattiseen teoriaan. Monimuuttujamenetelmillä viitataan metodeihin, joilla analysoidaan ja mallinnetaan muuttujien välisiä suhteita ja riippuvuuksia aineistoissa, joissa on havaittuna (yleensä) suuri määrä muuttujia havaintoyksikköä kohden. Erityisesti olen keskittynyt tutkimaan dimensionpienennysmenetelmiä, joiden tarkoituksena on tiivistää isoja aineistoja pienemmiksi menettämättä muuta kuin jossain mielessä ”turhaa” informaatiota. Tunnetuin dimensionpienennysmenetelmä on erityisesti neurotieteissä runsaasti käytetty pääkomponenttianalyysi.
Lähestymistapani on usein asymptoottinen, jolla tarkoitetaan oletusta että havaintoyksikköjen/datataulukon rivien määrä on (lähes) ääretön. Oletuksen hyödyllisyys perustuu huomioon, että yleisesti yksittäisen henkilön käyttäytymistä on hankala ennustaa, mutta ison ihmisjoukon keskimääräinen käyttäytyminen voidaan usein ennustaa hyvinkin tarkasti. Vaikka oletus on hieman epärealistinen, se mahdollistaa usein menetelmien ominaisuuksien hyvinkin tarkan matemaattisen analysoinnin ja saadut tulokset pätevät käytännössäkin approksimatiivisesti, kunhan otoskoko on tarpeeksi iso.
Tällä hetkellä (2019–2022) työskentelen Suomen Akatemian rahoittaman tutkijatohtoriprojektin puitteissa Turun yliopiston Matematiikan ja tilastotieteen laitoksella. Lisätietoja tutkimuksestani ja minusta löytyy verkkosivuiltani osoitteesta https://users.utu.fi/jomivi/