[論文レビュー] Advances on nonparametric regression for functional variables

Frédéric Ferraty, André Mas+1 more|arXiv (Cornell University)|Mar 3, 2006

Statistical Methods and InferenceMathematics参考文献 7被引用数 22

ひとこと要約

本稿は、カーネル推定量のバイアス、分散、平均二乗誤差の正確な漸近展開（正確な定数を含む）と漸近正規性を導出することにより、非パラメトリック関数的回帰を進展させる。また、バンド幅選択および信頼区間構築のための関数的ウェルドブートストラップを提案し、シミュレーテッドおよび実データで検証した。

ABSTRACT

We consider the problem of predicting a real random variable from a functional explanatory variable. The problem is attacked by mean of nonparametric kernel approach which has been recently adapted to this functional context. We derive theoretical results by giving a deep asymptotic study of the behaviour of the estimate, including mean squared convergence (with rates and precise evaluation of the constant terms) as well as asymptotic distribution. Practical use of these results are relying on the ability to estimate these constants. Some perspectives in this direction are discussed including the presentation of a functional version of bootstrapping ideas.

研究の動機と目的

• 関数的非パラメトリック回帰推定量の漸近理論における正確な定数の計算の欠如に対処する。
• 明示的な定数を伴うバイアス、分散、平均二乗誤差の正確な漸近展開を提供する。
• 正確な分散項を伴う関数的データのカーネル推定量の漸近正規性を確立する。
• バンド幅選択および信頼区間構築のための実用的な関数的ウェルドブートストラップ手順を開発する。
• シミュレーテッドおよび実関数的データを用いた理論的結果と実用的応用を橋渡しする。

提案手法

• カーネル関数 $ K $ およびバンド幅 $ h $ を用いて、関数的データにNadaraya-Watsonカーネル推定量を適応する。
• 関数的予測変数 $ \mathcal{X} $ に条件付け、関数的密度推定を用いて平均二乗誤差の漸近展開を導出する。
• 無限次元空間を扱うために、関数的ルベーグ型積分およびノルムを用いる。
• スラツキーの定理および中心極限定理を適用して推定量の漸近正規性を導出する。
• 関数的文脈に適応した、ランダムな符号を用いて誤差項を再抽出する関数的ウェルドブートストラップを提案する。
• 自動バンド幅選択および点ごとの信頼区間の構築のため、ウェルドブートストラップを実装する。

実験結果

リサーチクエスチョン

• RQ1 関数的カーネル回帰推定量のバイアスおよび分散の漸近展開における正確な主要項は何であるか？
• RQ2 実用的推論のために、平均二乗誤差の正確な定数をどのように推定できるか？
• RQ3 関数的カーネル推定量の漸近分布は何か？信頼区間の構築に使用できるか？
• RQ4 非パラメトリック関数的回帰におけるバンド幅選択に、関数的ウェルドブートストラップを効果的に使用できるか？
• RQ5 提案された関数的ウェルドブートストラップは、標準的手法と比較して、実データおよびシミュレーテッド関数的データにおいてどのように性能を発揮するか？

主な発見

• 本稿は、関数的カーネル回帰推定量のバイアス、分散、平均二乗誤差について、正確な漸近展開（正確な定数を含む）を導出する。
• 推定量の漸近正規性が、正確な分散項 $ \sigma_{\varepsilon}^{2}M_{2}/M_{1}^{2} $ に依存する極限分布を伴って確立され、推論が可能になる。
• バンド幅選択のための関数的ウェルドブートストラップ手順が提案され、シミュレーテッドおよび実関数的データセットで検証された。
• 関数的ウェルドブートストラップの精度に関する理論的結果は未解決のままであり、今後の研究の重要な方向性である。
• 推定された平均二乗誤差を最小化する手法により、自動バンド幅選択が可能となり、漸近分布を用いた信頼区間の構築も支援される。
• 推定量の一貫性を保証する理論的条件が提示され、収束速度はバンド幅 $ h $ および注目点における関数的密度に依存する。