[論文レビュー] A Comparison of Methods for Computing Autocorrelation Time

Madeleine B. Thompson|arXiv (Cornell University)|Oct 31, 2010

Statistical Methods and Bayesian Inference参考文献 14被引用数 43

ひとこと要約

この論文は、マルコフ連鎖モンテカルロ（MCMC）シミュレーションにおける自己相関時間の推定に4つの手法を評価している：バッチ平均法、スペクトルフィッティング、初期系列推定法（ICS）、自己回帰（AR）モデリング。ARプロセス法が最も正確であり、唯一信頼区間を提供するため、MCMCサンプリングにおける収束速度の信頼性ある推定に最適な選択肢であることが判明した。

ABSTRACT

This paper describes four methods for estimating autocorrelation time and evaluates these methods with a test set of seven series. Fitting an autoregressive process appears to be the most accurate method of the four. An R package is provided for extending the comparison to more methods and test series.

研究の動機と目的

• MCMC連鎖における自己相関時間推定の4つの手法の正確性を評価・比較すること。
• さまざまな依存構造を示す時系列に対して、どの手法が最も優れた性能を示すかを特定すること。
• 追加の手法やテスト系列への拡張を可能にする実用的なRパッケージACTCompareの提供。
• 長距離依存性や非可逆的ダイナミクスが存在する場合における各手法の信頼性と一貫性を評価すること。
• 自己相関時間の推定値に対して、信頼区間を信頼性を持って生成できるかを特定すること。

提案手法

• バッチ平均法を用い、連鎖をn^(1/3)個のバッチに分け、各バッチのサイズをn^(2/3)とする。バッチ平均の分散と全体の標本分散の比を用いて自己相関時間を推定する。
• スペクトルフィッティングを適用し、低周波数における対数スペクトルに対して線形回帰を実行し、ゼロ周波数におけるスペクトル密度を推定することで自己相関時間を算出する。
• 初期凸系列（ICS）推定法を用い、正の初期系列の滑らか化版である。連続するペアが負に変わる時点で自己相関関数（ACF）の和を切り詰め、凸性の滑らか化を適用する。
• 系列をAICによって選択されたp次自己回帰プロセスとしてモデル化し、Yule-Walker方程式を用いて係数を推定し、ARパラメータから導かれる閉形式式を用いて自己相関時間を計算する。
• AR係数推定値の漸近的分散をモンテカルロシミュレーションで再現し、ARに基づく推定値の95％信頼区間を生成する。
• すべての手法を、AR(1)、AR(2)、AR(1)-ARCH(1)、およびメトロロジスティック・ガウス分布やARMS-バイモーダルといった実世界のMCMC出力も含む7つのMCMCに類似した時系列テストセットで評価する。

実験結果

リサーチクエスチョン

• RQ1 バッチ平均法、スペクトルフィッティング、ICS、ARモデリングの4つの手法の中で、どの手法が多様な時系列において真の自己相関時間を最も正確に推定するか？
• RQ2 長距離依存性や振動的自己相関関数（例：AR(2)プロセス）を示す系列において、各手法の性能はいかがなものか？
• RQ3 ARプロセス法は、自己相関時間の推定値に対して信頼性を持って信頼区間を生成できるか？
• RQ4 ICS推定法がAR(2)プロセスで失敗するのはなぜか？これは非可逆的ダイナミクス下での初期系列推定法の一貫性にどのような含意をもたらすか？
• RQ5 特に短い連鎖の場合、部分系列長さに応じて推定精度はどのように変化するか？

主な発見

• ARプロセス法は、すべてのテスト系列において他の3つの手法を常に上回る正確性を示し、真の自己相関時間に最も速く収束する。
• ICS推定法がAR(2)プロセスで失敗するのは、自己相関関数が最初のゼロ交差を越えてキャンセル効果を示すためであり、これは一貫性に必要な可逆性仮定を満たさないためである。
• バッチ平均法は2番目に正確な手法であり、計算が著しく速いため、精度よりも速度を重視する状況に適している。
• スペクトルフィッティングは最も信頼性が低く、一部のケースでは推定値が得られず、真の値への収束が最も遅い。
• ARプロセス法は、真の自己相関時間よりも長い部分系列に対しては、妥当にキャリブレーションされた95％信頼区間を生成する。
• 小標本ではAR(2)プロセスの自己相関時間が一時的に長く推定されるが、これは振動的挙動に起因する一時的誤差であり、標本が大きくなると消失する。