[論文レビュー] Density Power Divergence Tests for Composite Null Hypotheses

Nirian Martín|arXiv (Cornell University)|Jan 1, 2015

Advanced Statistical Methods and Models参考文献 37被引用数 9

ひとこと要約

本稿では、パラメトリックモデルにおける複合帰無仮説の下で、密度パワー発散に基づく尤度比型の検定を提案する。1つのパrameter α を調整することにより、真のモデル下での効率性と混雑下でのロバスト性のバランスを図ることができ、漸近的帰無分布およびパワー関数が解析的に導出され、モデルのずれに対して安定した性能を示す。

ABSTRACT

In any parametric inference problem, the robustness of the procedure is a real concern. A procedure which retains a high degree of efficiency under the model and simultaneously provides stable inference under data contamination is preferable in any practical situation over another procedure which achieves its efficiency at the cost of robustness or vice versa. The densitypower divergence family of Basu et al. (1998) provides a flexible class of divergences where the adjustment between efficiency and robustness is controlled by a single parameter �. In this paper we consider general tests of parametric hypotheses based on the density power divergence. We establish the asymptotic null distribution of the test statistic and explore its asymptotic power function. Numerical results illustrate the performance of the theory developed. AMS 2001 Subject Classification: 62F03, 62F35

研究の動機と目的

• モデル不適合下での統計的効率性とロバスト性のトレードオフを解決すること。
• 密度パワー発散フレームワークを、複合帰無仮説を伴う一般のパラメトリック検定に拡張すること。
• ロバストな推論のため、帰無仮説下での検定統計量の漸近的分布を導出すること。
• 局所代替仮説下での提案検定の漸近的パワーを分析すること。
• 数値的実験を通じて、手法の実用的性能を示すこと。

提案手法

• 検定統計量は、チューニングパrameter α でインデックス付けられる柔軟な発散測度である密度パワー発散を用いて構築される。
• Kullback-Leibler 発散に代えて、密度パワー発散に基づく尤度比型の検定統計量が採用される。
• 正則性条件の下で、検定統計量の漸近的帰無分布が導出され、カイ二乗分布への収束が示される。
• 局所代替仮説下での漸近的パワー関数が導出され、検定の感度評価が可能になる。
• チューニングパrameter α は、効率性とロバスト性のトレードオフを制御する。α = 0 は最大のロバスト性に対応し、α → 0+ は最大の効率性に対応する。
• 数値的シミュレーションにより理論的結果が妥当であることが検証され、モデルの混雑下でも手法の安定性が示される。

実験結果

リサーチクエスチョン

• RQ1 密度パワー発散をどのようにして複合パラメトリック仮説の検定に適応できるか？
• RQ2 密度パワー発散検定統計量の漸近的帰無分布は何か？
• RQ3 チューニングパrameter α は、検定における効率性とロバスト性のトレードオフにどのように影響するか？
• RQ4 局所代替仮説下での検定の漸近的パワー関数は何か？
• RQ5 提案手法は、古典的尤度比検定と比較して、データの混雑下でどのように性能を示すか？

主な発見

• 正則性条件の下で、検定統計量の漸近的帰無分布はカイ二乗分布となる。これにより、有効な推論が可能になる。
• 局所代替仮説下でも高いパワーを維持し、パワー関数が明示的に導出されている。
• モデルが正しく指定されている場合に高い効率性を保ちながら、モデルの混雑に対してもロバスト性を達成している。
• チューニングパrameter α を用いることで、効率性とロバスト性のトレードオフを体系的に制御可能であり、中間的な値で最適な性能が得られることが観察された。
• 数値的結果により、混雑下でも古典的尤度比検定を上回る性能を示し、安定性とパワーを維持していることが確認された。
• 理論的漸近的結果が有限標本でもよく近似されており、実用的信頼性が示唆される。