[論文レビュー] Adaptive estimation of irregular mean and covariance functions

Steven Golovkine, Nicolas Klutchnikoff+1 more|arXiv (Cornell University)|Aug 14, 2021

Statistical Methods and Inference参考文献 8被引用数 1

ひとこと要約

本稿では、不規則で非微分可能な標本路と不均一分散測定誤差を伴う関数データの平均関数および共分散関数のための適応的非パラメトリック推定量を提案する。複数の反復データを用いた局所的正則性推定とカーネルスムージングを組み合わせた「スムージングを先に行い、その後推定する」アプローチを採用し、未知の Hölder 正則性に適応可能であり、疎な設計および密な設計の両方で最小最大最適性を達成する。実世界のデータパターンに基づくシミュレーションでも優れた経験的性能を示す。

ABSTRACT

Nonparametric estimators for the mean and the covariance functions of functional data are proposed. The setup covers a wide range of practical situations. The random trajectories are, not necessarily differentiable, have unknown regularity, and are measured with error at discrete design points. The measurement error could be heteroscedastic. The design points could be either randomly drawn or common for all curves. The estimators depend on the local regularity of the stochastic process generating the functional data. We consider a simple estimator of this local regularity which exploits the replication and regularization features of functional data. Next, we use the ``smoothing first, then estimate'' approach for the mean and the covariance functions. They can be applied with both sparsely or densely sampled curves, are easy to calculate and to update, and perform well in simulations. Simulations built upon an example of real data set, illustrate the effectiveness of the new approach.

研究の動機と目的

• 標本路が不規則で、必ずしも微分可能でない関数データ解析における平均関数および共分散関数の推定量を開発すること。
• 測定誤差を伴う関数データにおける未知の正則性（Hölder指数）の課題に対処すること。
• 関数データの反復および正則化の特徴を活用し、局所的正則性に適応する手法を提案すること。
• 疎な設計および密な設計の両方において、推定の最小最大最適性を保証すること。
• 既存手法を上回る計算効率が高く、更新可能な推定量を提供すること。

提案手法

• 反復データと曲線間の正則化に基づく単純な推定量を用いて、関数データの局所的正則性を推定する。
• 「スムージングを先に行い、その後推定する」アプローチを適用：データ駆動型バンド幅を用いたカーネルスムージングで個々の曲線をスムージングする。
• 推定された局所的 Hölder 正則性を組み込んだバンド幅選択ルールを採用し、リスク基準に q²₁h²(¹+Ĥₜ) を用いる。
• 適応的バンド幅を用いたカーネルスムージングを用いて、平均関数および共分散関数を推定し、独立設計点および共通設計点の両方を処理する。
• 不規則性および測定誤差によるバイアスと推定誤差のバランスを取ることで、最小最大最適な推定量を導出する。
• 実データに由来する設計（例：ベータ混合分布および不均一分散誤差構造）を用いたシミュレーションにより、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 未知で不規則な正則性を示す関数的標本路に対して、平均関数および共分散関数の適応的推定量を構築できるか？
• RQ2 不規則性および測定誤差のレベルが異なる条件下で、提案手法の性能は既存手法と比べてどのように異なるか？
• RQ3 関数データの反復および正則化構造が、正則性が未知である場合の推定精度にどの程度寄与するか？
• RQ4 設計タイプ（共通設計対独立設計）が、提案手法の収束速度に与える影響は何か？
• RQ5 真の平均関数および共分散関数の正則性を事前に知らない状況でも、最小最大最適性を達成できるか？

主な発見

• 提案手法の平均関数推定量は、すべてのシミュレーション実験において競合手法を一貫して上回り、性能比（ISE0）が対数尺度で最大3.0に達する。
• 共分散関数の推定において、特に不均一分散誤差および不規則な設計下で顕著な精度向上を達成し、一部のシナリオでは比が3.0を超える。
• 微分可能な曲線の場合（実験8）、導関数推定および局所的正則性に基づく適応的バンド幅を用いた推定量が、すべての(N, m)ペアで他を上回る。
• 共通設計および独立設計の両方においても、安定した性能を維持し、設計構造に対してロバストであることが示された。
• 反復による局所的正則性推定を活用することで、バンド幅選択が改善され、収束速度が向上し、平均二乗誤差が低減した。
• 実データパターン（例：電力消費）に基づくシミュレーションにより、本手法の実用的妥当性および現実的状況での有効性が確認された。