[論文レビュー] Implicit Regression: Detecting Constants and Inverse Relationships with Bivariate Random Error

Rebecca Wooten, K. Baah+1 more|arXiv (Cornell University)|Dec 16, 2015

Advanced Statistical Methods and Models参考文献 1被引用数 5

ひとこと要約

本稿では、従来の従属/独立変数の仮定に代わり、変数を相互依存とみなす新しい統計的手法である暗黙的回帰（Implicit Regression）を紹介する。この手法により、両変数にランダム誤差が存在する2変量データにおいて、定数や逆関係を検出可能となる。非応答分析（Non-Response Analysis）を拡張して対称的関係をモデル化し、誤差が両方向に存在する場合に標準回帰法よりも高い正確性を実現する。

ABSTRACT

In 2011, Wooten introduced Non-Response Analysis the founding theory in Implicit Regression where Implicit Regression treats the variables implicitly as codependent variables and not as an explicit function with dependent or independent variables as in standard regression. The motivation of this paper is to introduce methods of implicit regression to determine the constant nature of a variable or the interactive term, and address inverse relationship among measured variables with random error present in both directions.

研究の動機と目的

• 両変数に測定誤差が存在する対称的かつ相互依存的な関係をモデル化する際、標準回帰法の限界を解消すること。
• 2変量データにおける変数または相互作用項に定数値が存在するかを検出する手法を開発すること。
• 従属変数・独立変数の構造を仮定せずに、関数形が明確でない逆関係をモデル化すること。
• 両変数に均等に影響するランダム誤差が存在する状況における、頑健な統計的フレームワークを提供すること。
• 非応答分析（Non-Response Analysis）を、実証的研究における実用的応用を想定した形式的な回帰手法へと発展させること。

提案手法

• 両変数を相互依存とみなす対称的回帰モデルとして暗黙的回帰を形式化し、一方が従属変数であるという仮定を回避する。
• 2変量正規誤差構造を仮定したもとで、尤度に基づくアプローチによりパラメータを推定する。
• 変数または相互作用項に定数値が存在するかを検証するための制約付き最適化フレームワークを適用する。
• 両方のxおよびy変数にランダム測定誤差が存在する状況を考慮するため、誤差変数モデルを統合する。
• 定数項や逆関係の有無を比較するため、尤度比検定を用いる。
• シミュレーションおよび実データ例を用いて手法を検証し、対称的データ構造においてより良好な適合を示した。

実験結果

リサーチクエスチョン

• RQ1 両方向に測定誤差が存在する状況でも、2変量関係における変数が定数であるかどうかをどのように検出できるか？
• RQ2 従属変数・独立変数の構造を仮定せずに、逆関係をモデル化できる統計的フレームワークは何か？
• RQ3 両変数にランダム誤差が存在する場合、暗黙的回帰は標準線形回帰を上回る性能を示せるか？
• RQ4 対称的誤差モデルを用いて、2変量関係における定数項の存在を形式的にどのように検定できるか？
• RQ5 対称的誤差構造は、回帰分析におけるパラメータ推定とモデル適合にどのような影響を及えるか？

主な発見

• 暗黙的回帰は、対称的誤差条件下で標準回帰法よりも高い統計的パワーを示し、変数の定数値を効果的に検出できた。
• 両変数にランダム測定誤差が存在する状況でも、より正確なパラメータ推定が可能となり、回帰係数推定のバイアスが低減された。
• 暗黙的回帰フレームワーク内での尤度比検定は、逆関係や定数項の存在を効果的に同定できた。
• シミュレーション結果から、タイプIエラー率が適切に維持されるとともに、対称的データ構造においてモデル適合が向上した。
• 真の関係が対称的であるか、定数項を含む場合、従来の最小二乗法（ordinary least squares）に比べて本手法が優れた性能を示した。
• 中程度の2変量ランダム誤差に対しても、本手法は頑健であり、パラメータ推定の一貫性を維持した。