[論文レビュー] Kronecker product linear exponent AR(1) correlation structures and separability tests for multivariate repeated measures

Sean L. Simpson, Lloyd J. Edwards+2 more|arXiv (Cornell University)|Oct 21, 2010

Statistical Methods and Inference参考文献 37被引用数 4

ひとこと要約

本稿は、多次元反復測定データに対して、柔軟かつ単純化されたスパティオテムポラル相関をモデル化できる、Kronecker積線形指数AR(1)（LEAR）相関構造を提案する。この構造により、縦断的画像研究におけるスパティオテムポラル相関を柔軟かつ単純化してモデル化できる。高次元で小標本のデータに対して計算的に実行可能な分離可能性の検定を導入し、統計的フィットネスが標準モデルを上回ることを、統合的側坐核形態学的研究で示した。

ABSTRACT

Longitudinal imaging studies have moved to the forefront of medical research due to their ability to characterize spatio-temporal features of biological structures across the lifespan. Credible models of the correlations in longitudinal imaging require two or more pattern components. Valid inference requires enough flexibility of the correlation model to allow reasonable fidelity to the true pattern. On the other hand, the existence of computable estimates demands a parsimonious parameterization of the correlation structure. For many one-dimensional spatial or temporal arrays, the linear exponent autoregressive (LEAR) correlation structure meets these two opposing goals in one model. The LEAR structure is a flexible two-parameter correlation model that applies in situations in which the within-subject correlation decreases exponentially in time or space. It allows for an attenuation or acceleration of the exponential decay rate imposed by the commonly used continuous-time AR(1) structure. Here we propose the Kronecker product LEAR correlation structure for multivariate repeated measures data in which the correlation between measurements for a given subject is induced by two factors. We also provide a scientifically informed approach to assessing the adequacy of a Kronecker product LEAR model and a general unstructured Kronecker product model. The approach provides useful guidance for high dimension, low sample size data that preclude using standard likelihood based tests. Longitudinal medical imaging data of caudate morphology in schizophrenia illustrates the appeal of the Kronecker product LEAR correlation structure.

研究の動機と目的

• 高次元かつ小標本の多次元縦断的画像データにおいて、柔軟でありながら単純化された相関構造の需要に対処すること。
• 複雑なスパティオテムポラル依存パターンを捉えることができない標準AR(1)および非構造的相関モデルの限界を克服すること。
• 高次元の反復測定データにおいて、モデルの適切さと分離可能性を評価する計算的に実行可能な手法を開発すること。
• 小標本・高次元設定では実行不可能な尤度に基づく検定の代替として、科学的に根拠のある代替手法を提供すること。
• 特に統合的側坐核形態の変化を研究する際の、提案されたモデルの実用的有効性を実世界の神経画像データで示すこと。

提案手法

• 時間と空間的（または多次元的）特徴の両方のLEA相関行列を組み合わせるKronecker積構造を提案し、複雑な相関パターンの分離可能なモデル化を可能にする。
• 線形指数AR(1)（LEAR）構造を活用し、ベースライン相関と減衰加速パラメータの2つのパラメータにより、非定常な減衰率を許容することで、標準AR(1)を一般化する。
• Kronecker積LEARモデルと一般非構造的Kronecker積モデルとの間の差分に基づく検定統計量を構築し、モデルの適切さを評価する。
• 漸近的分布に依存しないため、高次元・小標本設定で信頼性が低い場合に不適切なため、パーミュテーションに基づくアプローチを用いて分離可能性検定の有意性を評価する。
• データが分離可能な相関構造を支持するかどうかを検定し、フィットネスを損なわせることなくモデルの複雑さを低減する。
• シミュレーション研究でこの手法を実装し、統合的側坐核形態に関する縦断的MRIデータに適用することで、性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 Kronecker積LEAR相関構造は、複雑なスパティオテムポラル相関パターンを持つ多次元反復測定データを効果的にモデル化できるか？
• RQ2 提案された分離可能性検定は、高次元・小標本設定において尤度比検定の信頼できる代替手段を提供するか？
• RQ3 LEAR構造は、実際の神経画像データのフィットネスにおいて、標準AR(1)および非構造的相関モデルと比較してどのように優れているか？
• RQ4 Kronecker積構造は、真の相関構造を忠実に再現する一方で、どの程度モデルの単純化を改善するか？
• RQ5 提案された検定は、医療画像研究で一般的に見られる小標本における分布的仮定の違反に対して、頑健性を示すか？

主な発見

• 統合的側坐核形態学的データにおいて、Kronecker積LEARモデルは標準AR(1)および非構造的モデルよりも顕著に優れたフィットネスを示した。
• 提案された分離可能性検定は、データに有効なKronecker積構造を的確に同定し、フィットネスを損なわずモデルの単純化を支持した。
• パーミュテーションに基づく検定は、高次元・小標本のシミュレーションにおいて適切な第一種の誤り率を維持し、良好な検出力も示した。
• LEAR構造により、非指数的減衰率が可能となり、標準AR(1)よりも相関の減衰が時間経過で加速または減速する様子を柔軟に捉えることができた。
• この手法は、高次元性のため尤度に基づく推論が不可能な実際の神経画像データにおいて、実用的有効性を示した。
• 結果から、Kronecker積LEARモデルは縦断的画像研究における複雑な相関構造をモデル化するための実用的で柔軟な代替手段であると示唆された。