[論文レビュー] Functional robust regression for longitudinal data

Daniel Gervini|arXiv (Cornell University)|Nov 30, 2012

Advanced Statistical Methods and Models参考文献 19被引用数 4

ひとこと要約

本稿では、疎なまたは不規則な間隔で観測された縦断的データに対して、外れ値に強い耐性を持つランダム効果モデルとM推定を用いた、頑健な関数的回帰手法を提案する。この手法は、シミュレーションおよび実データにおいて、古典的な最小二乗関数的回帰を上回り、外れ値曲線が標準推定法を歪める状況でも信頼性が向上することを示している。

ABSTRACT

We present a robust regression estimator for longitudinal data, which is especially suited for functional data that has been observed on sparse or irregular time grids. We show by simulation that the proposed estimators possess good outlier-resistance properties compared with the traditional functional least-squares estimator. As an example of application, we study the relationship between levels of oxides of nitrogen and ozone in the city of San Francisco.

研究の動機と目的

• 原始的で不規則にサンプリングされた縦断的データに対する頑健な関数的回帰手法の不足を解消すること。
• 関数的回帰において、効率性を保ちつつ外れ値に耐性を持つ、計算が単純な手法を開発すること。
• データが疎であるか、特異な軌道を含む状況でも、関数的関係の信頼性ある推定を可能にすること。
• 関数データ解析と頑健統計を組み合わせた混合効果モデルのための枠組みを提供すること。
• シミュレーションおよび実世界の大気質データ解析を通じて、手法の妥当性を示すこと。

提案手法

• 被験者固有の成分スコアを表現するために、ランダム効果モデルを用いた関数的線形回帰を定式化する。
• 外れ値を成分スコアで低減するために、赤退するρ関数と重み関数w(𝒰i)を用いたM推定を適用する。
• 古典的な最小二乗推定器に代わり、ランダム効果の頑健な分散共分散推定器を用いる。
• スプラインスムージングを用いて、原始的で不規則に間隔が空いた観測から、元の曲線を推定する。
• 頑健な尤度に基づく推定関数を用いて、回帰係数(Θ)および分散共分散行列(Σ)の推定方程式を導出する。
• 正則性条件のもとで、既知で固定された分散構造を仮定した理論的裏付けとして、漸近的分布を導出する。

実験結果

リサーチクエスチョン

• RQ1 疎な、または不規則な時刻グリッドを持つ縦断的データにおいて、外れ値に耐性を持つ関数的回帰手法を開発できるか？
• RQ2 汚染下での古典的関数的最小二乗法と比較して、本手法の推定器はバイアスと効率性の観点でどのように異なるか？
• RQ3 特異な曲線を含む小標本において、頑健な手法は有効な推論（例：信頼区間）を維持できるか？
• RQ4 不規則なサンプリングと外れ値が存在する状況でも、NOxとオゾンの間の関係を信頼性高くモデル化できるか？
• RQ5 実用的状況における有限標本において、頑健推定器の漸近的分布は近似的に有効であるか？

主な発見

• 提案された頑健な回帰推定器は、特に特異な曲線が存在する状況で、古典的な関数的最小二乗法に比べて著しく外れ値に耐性があることが示された。
• シミュレーションにより、中程度の汚染レベル下でも、頑健な手法が低いバイアスと高い効率性を維持することが確認された。
• 推定器の漸近的分布は、小標本に対しても近似的に有効であり、信頼性ある推論を支持する。
• オゾンとNOxのデータ解析において、古典的推定器は外れ値の影響を強く受け、歪んだ結果を示したが、頑健な手法はより正確で安定した汚染物質間の関係を提供した。
• 頑健な主成分分析からの成分スコアとM推定を活用することで、本手法は疎で不規則な間隔のデータを効果的に処理できた。
• 赤退するρ関数と重み関数w(𝒰i)の使用により、極端な成分スコアが適切に低減され、モデルの安定性が向上した。