[論文レビュー] Estimation for bivariate quantile varying coefficient model

Linglong Kong, Haoxu Shu+2 more|arXiv (Cornell University)|Nov 9, 2015

Statistical Methods and Inference参考文献 37被引用数 7

ひとこと要約

本稿では、Bスプライン基底近似とL2正則化を用いた方向量的分位数回帰を用いて、二変量分位数変係数モデルを提案する。平滑性のためのL2ペナルティを導入し、多段階の伝搬・分離（PS）アプローチによる推定と、ADMMを用いた最適化により、関数データの方向量的分位数エナメルの効率的で滑らかで正確な推定が可能となる。実データとしてDTI神経発達データに適用した結果、カバレッジと計算効率が向上したことが示された。

ABSTRACT

We propose a bivariate quantile regression method for the bivariate varying coefficient model through a directional approach. The varying coefficients are approximated by the B-spline basis and an $L_{2}$ type penalty is imposed to achieve desired smoothness. We develop a multistage estimation procedure based the Propagation-Separation~(PS) approach to borrow information from nearby directions. The PS method is capable of handling the computational complexity raised by simultaneously considering multiple directions to efficiently estimate varying coefficients while guaranteeing certain smoothness along directions. We reformulate the optimization problem and solve it by the Alternating Direction Method of Multipliers~(ADMM), which is implemented using R while the core is written in C to speed it up. Simulation studies are conducted to confirm the finite sample performance of our proposed method. A real data on Diffusion Tensor Imaging~(DTI) properties from a clinical study on neurodevelopment is analyzed.

研究の動機と目的

• 関数データ設定下で二変量分位数変係数モデルを推定する強固な手法の開発を目的とする。
• 近隣の方向に情報を取り込む多段階PS手順を用いることで、高次元の方向推定の課題に対処することを目的とする。
• Bスプライン係数に対するL2型ペナルティを導入し、予測変数領域全体にわたる係数関数の滑らかさを保証することを目的とする。
• 多変量関数的回帰における方向量的分位数エナメルの推定精度と計算効率を向上させることを目的とする。
• 集団レベルおよび個人レベルの両方で分位数に基づく推論を可能にする実用的なフレームワークを提供することを目的とする。

提案手法

• 二変量応答空間における単位ベクトルに沿った射影を用いて、方向量的分位数を定義する。
• 柔軟で局所的なモデリングを可能にするために、変係数をBスプライン基底関数で近似する。
• 予測変数領域全体にわたる係数関数の滑らかさを確保するため、Bスプライン係数にL2型ペナルティを課す。
• 近隣の方向からの情報共有により計算複雑性を低減する多段階PS推定手順を開発する。
• ADMMに適した形に最適化問題を再定式化し、計算を効率的に行う。
• C言語でコアアルゴリズムを実装し、Rインターフェースを備えることで、速度と使いやすさの両立を図る。

実験結果

リサーチクエスチョン

• RQ1 変係数が予測変数に依存し、複数の方向を同時に考慮する必要がある状況において、二変量分位数変係数モデルをどのように効率的に推定できるか？
• RQ2 PSアプローチは、近隣の方向に情報を借りることで、方向量的分位数回帰における推定精度と滑らかさを効果的に向上させることができるか？
• RQ3 本手法は、関数データに対して、従来の手法と比較して、カバレッジの正確性と計算効率の面でどの程度優れているか？
• RQ4 方向量的分位数エナメルを用いることで、DTIデータから個々の乳児の異常な神経発達パターンをどのように特定できるか？
• RQ5 異なるペナルティ関数と基底系が、本手法の性能にどのような影響を与えるか？

主な発見

• シミュレーション研究において、本手法は従来手法と比較して、方向量的分位数エナメルの推定効率が高く、カバレッジ率も優れている。
• 多段階PS推定手順により、複数の方向にわたって滑らかさと正確性を維持しながら、計算負荷を著しく低減できた。
• ADMMに基づく最適化フレームワークにより、高速かつスケーラブルな計算が可能となり、コアアルゴリズムはC言語で実装された。
• 実際のDTIデータ解析では、胎齢が進むにつれて、分位数エナメルのサイズが増加し、性別による差が認められ、男性では女性に比べてエナメルが小さかった。
• 個人レベルの解析により、95％分位数エナメル外（例：乳児C）や更新されたエナメル外（例：乳児AおよびB）に位置する乳児が特定され、さらなる臨床的評価が求められる可能性のある発達のずれが示された。
• 本手法により、胎齢が進むにつれて、共同GFAとFMD分布の右下隅に向かって非対称性が増す傾向が、エナメルの形状から明確に捉えられた。