[論文レビュー] Generalized inference for the common mean of several lognormal populations

Javad Behboodian, Ali Jafari|arXiv (Cornell University)|May 3, 2014

Statistical Methods in Clinical Trials被引用数 7

ひとこと要約

本稿は、標本サイズや群の数に関わらず適用可能な、複数の対数正規母集団の共通平均を推定するための正確な一般化推論手法——一般化p値および一般化信頼区間を用いたもの——を提案する。この手法は、従来の正規母集団に対する手法を拡張したものであり、シミュレーション研究において近似手法と比較して、適合確率、有意水準、検出力の面で優れた性能を示す。

ABSTRACT

A hypothesis testing and an interval estimation are studied for the common mean of several lognormal populations. Two methods are given based on the concept of generalized p-value and generalized confidence interval. These new methods are exact and can be used without restriction on sample sizes, number of populations, or difference hypotheses. A simulation study for coverage probability, size and power shown that the new methods are better than the existing methods. A numerical example is given with some real medical data.

研究の動機と目的

• 医学的および行動科学分野で頻出する複数の対数正規母集団の共通平均に対する正確な統計的推論手法の開発。
• 大標本理論やブートストラップリサンプリングに依存する既存の近似手法の限界を解消すること。
• 従来、正規母集団に用いられてきた一般化推論フレームワークを、対数正規分布への拡張により、小標本または不等標本サイズ下でも有効であることを保証すること。
• 正規性を除く分布的仮定を必要としない、頑健で正確な仮説検定および区間推定手順の提供。
• 広範なモンテカルロシミュレーションおよび実際の医学的データ例を通じて、提案手法の性能を評価すること。

提案手法

• 対数正規データを正規位置スケールモデルに変換し、標本平均および分散の線形結合を用いて共通平均μの一般化ピボット変量（GPV）を構築する。
• 帰無仮説H₀: μ ≤ μ₀ 対 対立仮説H₁: μ < μ₀ に対する片側検定を、帰無仮説下でのGPVの分布に基づき、一般化p値アプローチで実施する。
• 一般化p値関数を逆にすることで一般化信頼区間（GCI）を導出し、モデル下で正確な適合確率を保証する。
• Y_ij = ln(X_ij) ~ N(μ - 0.5σ², σ²) であると仮定し、X_ijが対数正規分布に従い、E(X_ij) = exp(μ) となるようにすることで、対数正規平均に関する推論を可能にする。
• Krishnamoorthy & Lu (2003) および Lin & Lee (2005) が正規母集団に対して提案したフレームワークを、aおよびbを用いた再パラメータライゼーションにより、対数正規設定に拡張する。
• さまざまな標本サイズおよび分散の設定下で、適合確率、有意水準、検出力を評価するためのシミュレーション研究を実施する。

実験結果

リサーチクエスチョン

• RQ1 小標本または不等標本サイズ下でも、複数の対数正規母集団の共通平均に対して、一般化推論手法を効果的に拡張できるか？
• RQ2 提案手法の一般化p値および一般化信頼区間の適合確率および有意水準は、既存の近似手法と比較してどのように異なるか？
• RQ3 対数正規分布のデータにおいて、帰無仮説からの逸脱を検出するための提案手法の統計的検出力はどの程度か？
• RQ4 分散が不均一または標本サイズが小さい場合、ブートストラップ法や大標本近似と比較して、本手法の性能はいかがなものか？

主な発見

• 提案手法の一般化p値および一般化信頼区間は、すべてのシミュレーション設定において、名目水準（例：95％）に近い正確な適合確率を達成しており、小標本や不等標本サイズ下でも有効である。
• 一般化手法の適合確率は、テストしたすべてのケースで0.95以上であり、0.941から0.965の範囲に収まっており、既存の近似手法を上回る性能を示した。
• 一般化p値検定の有意水準は、名目水準5％で良好に制御されており、σ²およびnのさまざまな設定下で、シミュレートされた第一種の過誤率は0.05に近く安定していた。
• 一般化検定の検出力は、既存手法と比較して一貫して高く、特に分散が不均一または標本サイズが小さい場合に顕著に優れていた。
• 実際の医学的データ例では、ブートストラップに基づく代替手法と比較して、一般化手法がより信頼性が高く、 narrower な信頼区間を生成した。
• シミュレーション結果から、μ = 1 かつ σ² = 1 の場合でも、一般化手法は高い検出力（例：>0.90）を維持しており、すべてのケースで適合確率が0.94を超えていた。