[論文レビュー] A Law of Likelihood for Composite Hypotheses

Zhiwei Zhang|ArXiv.org|Jan 5, 2009

Advanced Statistical Methods and Models参考文献 13被引用数 18

ひとこと要約

本稿は、パラメータ集合上の上限および下限尤度に基づく一般化尤度比（GLR）を用いて、単純仮説に限られる古典的尤度法則を、複雑で非単純な仮説に対応できるように公理的に拡張する一般化尤度法則（GLL）を提案する。この方法により、仮説が複合的であっても客観的で証拠に基づいた比較が可能となり、臨床的および同等性検定の状況において一貫性と実用的有用性を示す主な結果が得られた。

ABSTRACT

The law of likelihood underlies a general framework, known as the likelihood paradigm, for representing and interpreting statistical evidence. As stated, the law applies only to simple hypotheses, and there have been reservations about extending the law to composite hypotheses, despite their tremendous relevance in statistical applications. This paper proposes a generalization of the law of likelihood for composite hypotheses. The generalized law is developed in an axiomatic fashion, illustrated with real examples, and examined in an asymptotic analysis. Previous concerns about including composite hypotheses in the likelihood paradigm are discussed in light of the new developments. The generalized law of likelihood is compared with other likelihood-based methods and its practical implications are noted. Lastly, a discussion is given on how to use the generalized law to interpret published results of hypothesis tests as reduced data when the full data are not available.

研究の動機と目的

• 古典的尤度法則が単純仮説にしか適用されないという長年の制限を解消するため、それを複合仮説に拡張すること。
• 一または二側検定や同等性領域などの複合仮説が存在する状況において、統計的証拠を測定する原理的で公理的な枠組みを提供すること。
• 複合仮説を尤度の枠組みに含めることの正当性に関する先行研究の懸念を、形式的公理と漸近的解析に基づいて解消すること。
• 公開済みの仮説検定結果（例：p値）を縮約データとして扱い、完全なデータセットにアクセスできない状況でも証拠評価が可能になるようにすること。
• 提案手法を既存の尤度に基づく手法と比較し、臨床試験などの実世界の応用において実用的利点を示すこと。

提案手法

• 公理1を提唱：仮説H1における尤度の下限がH2における上界を上回る場合、H1はH2を支持する。
• 一般化尤度比（GLR）を、H2における尤度の上限とH1における尤度の下限の比として定義し、証拠が客観的に測定されることを保証する。
• 片側、両側、同等性検定などのさまざまな仮説タイプにGLRを適用し、パワー関数を用いて明示的な式を導出する。
• p値を十分統計量として扱い、GLRを導出することで、正規モデル下で元の検定統計量に基づくGLRと同等であることを示す。
• 正則なパラメトリックモデル下で漸近的解析を用い、GLRの挙動を検討し、一貫性と頑健性を検証する。
• 臨床試験の実例（優越性、非劣性、バイオ同等性研究など）を用いて、手法の実用的解釈可能性を示す。

実験結果

リサーチクエスチョン

• RQ1 古典的尤度法則を、証拠の客観性を損なわずに複合仮説に拡張する方法は何か？
• RQ2 一般化尤度比が複合仮説の統計的証拠の有効な測度であることを保証する公理的基盤は何か？
• RQ3 一般化尤度比は、片側、両側、同等性検定などの標準的検定状況でどのように機能するか？
• RQ4 公開済みのp値を、一般化された法則に基づく証拠解釈のための縮約データとして扱うことは可能か？
• RQ5 解釈可能性と頑健性の観点から、提案手法は既存の尤度に基づく手法と比べてどのように差を示すか？

主な発見

• 一般化尤度比（GLR）は、複合仮説に対する整合的で客観的な証拠の測定を提供し、GLRが1を超えるとH2がH1を支持することが示された。
• 有意水準α = 0.05の片側検定において、H1: θ ≤ θ*を棄却しH2: θ > θ*を支持する場合、GLRはrT = 20に達し、やや強い証拠を示した。
• α = 0.025の場合、GLRはrT = 40に上昇し、ローラルの基準に基づいて強い証拠と評価された。
• 同等性検定では、H2: |θ − θ*| < δ および H1: |θ − θ*| ≥ δ の場合、H1が棄却された際のGLRはrT = πmax/αとなり、πmax > αであるため、最大パワーの関連性が示された。
• 正規モデル下では、p値に基づくGLRと元の検定統計量に基づくGLRが一致し、縮約データとしての証拠測定としての有効性が裏付けられた。
• 上限および下限尤度を用いた客観的証拠の定量化により、尤度の枠組みにおける複合仮説の取り扱いに関する先行懸念が解決された。