[論文レビュー] Compositional Data Regression in Insurance with Exponential Family PCA

Guojun Gan, Emiliano A. Valdez|arXiv (Cornell University)|Dec 29, 2021

Geochemistry and Geologic Mapping被引用数 4

ひとこと要約

本論文は、保険分野における構成データ（コンpositions）をモデル化するための指数型族主成分分析（EPCA）を提案する。従来のPCAでは制約付きの相対割合データに対して限界があることを踏まえ、EPCAは標準PCAやILRベースの手法を上回り、有意で解釈可能な主成分を生成し、テレマティクスに類似したデータを用いた鉱山作業における怪我の予測精度を向上させる。

ABSTRACT

Compositional data are multivariate observations that carry only relative information between components. Applying standard multivariate statistical methodology directly to analyze compositional data can lead to paradoxes and misinterpretations. Compositional data also frequently appear in insurance, especially with telematics information. However, such type of data does not receive deserved special treatment in most existing actuarial literature. In this paper, we explore and investigate the use of exponential family principal component analysis (EPCA) to analyze compositional data in insurance. The method is applied to analyze a dataset obtained from the U.S. Mine Safety and Health Administration. The numerical results show that EPCA is able to produce principal components that are significant predictors and improve the prediction accuracy of the regression model. The EPCA method can be a promising useful tool for actuaries to analyze compositional data.

研究の動機と目的

• 保険科学におけるテレマティクス駆動型保険分析分野において、構成データに特化した処理の欠如を是正すること。
• スケール不変性の違反やシンプソンのパラドックスといった、構成データに対する標準的多変量手法の落とし穴を克服すること。
• 保険データに一般的に見られるゼロ過剰やスパース構造を有する構成予測子に特化した、強固な次元削減手法を開発すること。
• 構成データから導出される低次元表現を活用して、回帰モデルの予測精度を向上させること。
• 実世界の鉱山怪我データセットにおいて、EPCAが従来のPCAおよびILRベースのアプローチを上回ることを実証すること。

提案手法

• 構成予測子を直交的かつ低次元の成分に変換するため、指数型族主成分分析（EPCA）を適用し、相対的情報を保持する。
• 指数型族分布の対数尤度を用いてデータをモデル化することで、非正規、カウントベース、または歪度のある構成データに対しても柔軟に対応可能となる。
• EPCAを負の二項回帰と統合し、過分散を示すカウント結果（例：怪我頻度）をモデリングするとともに、構成データの共変量を考慮する。
• EPCAを古典的PCAおよび等長対数比（ILR）変換手法と比較し、モデルの適合度、有意性、予測精度の観点から評価する。
• 主成分を回帰モデルの予測子として使用し、各成分が構成構造内の主な変動を捉えるようにする。
• 逆変換を適用して、EPCAの結果を元の構成空間で解釈可能にし、精査者にとっての実用的意義を保証する。

実験結果

リサーチクエスチョン

• RQ1 EPCAは、ゼロ過剰成分を有する構成保険データから、有意義で低次元の表現を効果的に抽出できるか？
• RQ2 EPCAは、古典的PCAおよびILRベースの手法と比較して、回帰モデルにおける統計的有意性および予測性能において優れているか？
• RQ3 EPCA成分の使用は、鉱山作業における怪我頻度の予測において、負の二項回帰モデルの精度を向上させるか？
• RQ4 EPCA成分は、構成データ解析におけるサブコンポジションの一貫性を保ち、シンプソンのパラドックスのようなパラドックスを回避できるか？
• RQ5 EPCAは、ゼロを除外するデータ変換を必要としないが、テレマティクスベースの保険データに一般的に見られるスパース構成データを処理できるか？

主な発見

• EPCAが生成した主成分はすべて統計的に有意（p < 0.05）であったが、古典的PCAの第3主成分は有意でなかった（p = 0.8214）。
• EPCA成分を用いたNBEPCAモデルは、NBPCAおよびILRベースのモデルよりも高い予測精度を達成しており、モデルの適合度および成分の有意性の観点から裏付けられた。
• ILR変換モデルでは、いくつかの成分（例：V5、V7）のp値が0.1を超えており、有意でないことが示された。これは次元削減の必要性を示唆している。
• EPCA手法は、ゼロを除外するデータ変換を必要とせず、ゼロ過剰の構成データを効果的に処理できた。
• EPCA成分は、変動が大きく解釈が難しい係数を示すILR変換変数よりも、より解釈可能で安定的であった。
• NBEPCAモデルは、デビアンスの低減および予測子の有意性の向上を示し、EPCAが保険回帰における価値を有することを確認した。