[論文レビュー] Latent Multivariate Log-Gamma Models for High-Dimensional Multi-Type Responses with Application to Daily Fine Particulate Matter and Mortality Counts

Zhixing Xu, Jonathan R. Bradley+1 more|arXiv (Cornell University)|Sep 5, 2019

Air Quality and Health Impacts参考文献 46被引用数 5

ひとこと要約

本論文は、ワイブル分布とポアソン分布の間の共有された共役性を活用して、連続的な1日あたりのPM2.5濃度と度数ベースの死亡率という2種類の高次元応答変数を同時に分析するためのベイジアン階層モデルを提案する。このモデルは、潜在的な多変量対数ガンマ分布を用いて、連続的および度数応答の間の依存構造を捉える。計算の効率化のため、低ランク空間モデル化と畳み込みギブスサンプリングを採用しており、欠損値や非公開の郡レベルデータの推定精度と補完性能が向上する。

ABSTRACT

Tracking and estimating Daily Fine Particulate Matter (PM2.5) is very important as it has been shown that PM2.5 is directly related to mortality related to lungs, cardiovascular system, and stroke. That is, high values of PM2.5 constitute a public health problem in the US, and it is important that we precisely estimate PM2.5 to aid in public policy decisions. Thus, we propose a Bayesian hierarchical model for high-dimensional "multi-type" responses. By "multi-type" responses we mean a collection of correlated responses that have different distributional assumptions (e.g., continuous skewed observations, and count-valued observations). The Centers for Disease Control and Prevention (CDC) database provides counts of mortalities related to PM2.5 and daily averaged PM2.5 which are both treated as responses in our analysis. Our model capitalizes on the shared conjugate structure between the Weibull (to model PM2.5), Poisson (to model diseases mortalities), and multivariate log-gamma distributions, and we use dimension reduction to aid with computation. Our model can also be used to improve the precision of estimates and estimate values at undisclosed/missing counties. We provide a simulation study to illustrate the performance of the model, and give an in-depth analysis of the CDC dataset.

研究の動機と目的

• 連続的なPM2.5濃度と度数ベースの死亡データといった高次元の多種応答変数を、計算的に効率的なベイジアンモデルで扱うこと。
• PM2.5と死亡度数の間の空間的依存性と応答間依存性を同時にモデル化し、推定精度を向上させること。
• 共有された潜在的空間的ランダム効果を通じて、欠損値や非公開の郡レベルデータを補完できるようにすること。
• 公衆衛生データで一般的なゼロ値が多めの死亡度数に対して、モデルの頑健性を確保すること。
• 従来単一応答変数に限られていた低ランク空間モデル化を、多種応答設定に拡張すること。

提案手法

• 連続的および度数応答の依存関係を捉えるために、潜在的多変量対数ガンマ（MLG）分布を用いた、統合的ワイブル・ポアソン（WAP）尤度モデルを採用する。
• 大規模データセットにおける計算スケーラビリティを向上させるために、空間的に共変動するランダム効果の低ランク表現を用いる。
• ハイパーパrameter（α, κ）のための共役フル条件付き更新を用いた畳み込みギブスサンプリングを適用し、チューニングや提案分布を回避する。
• QR分解を用いたデータ増幅により、条件付き多変量対数ガンマ（cMLG）分布からの効率的シミュレーションを実現する。
• 空間的ランダム効果に階層的事前分布を適用し、標準正規分布に近づくように形状および尺度パラメータを設定する。
• すべてのパラメータのフル条件付き分布を導出する。この際、コンウェイ＝マクスウェル・ポアソンおよびガンマ分布を用いてパラメータの更新を行う。

実験結果

リサーチクエスチョン

• RQ1 統一されたベイジアンモデルは、連続的なPM2.5濃度と度数ベースの死亡率を同時にモデル化し、それらの応答間依存性を捉えることができるか？
• RQ2 低ランク空間モデル化は、高次元の多種応答設定において、計算効率と予測精度をどのように向上させるか？
• RQ3 公衆衛生データで一般的なゼロ値が多めの死亡度数に対して、モデルはどの程度頑健性を保つのか？
• RQ4 ワイブル、ポアソン、MLG分布の共有共役構造により、チューニングなしで効率的なMCMCサンプリングが可能になるか？
• RQ5 CDCデータセットにおける欠損値や非公開の郡レベルデータの補完において、モデルの性能はどの程度か？

主な発見

• 提案されたWAPモデルは、PM2.5と死亡度数の間の依存関係を活用することで、両方の応答タイプの推定精度が向上した。
• 低ランク空間モデル化は、大規模な空間的データセットにおいて、計算効率を著しく向上させつつも高い予測精度を維持した。
• 死亡度数にゼロ値が多めの状況でも、モデルは頑健な性能を示し、バイアスに陥りやすい標準モデルを上回った。
• 畳み込みギブスサンプリングによる共役フル条件付き更新により、チューニング不要の高速なMCMCサンプリングが実現され、高次元データにとって不可欠であった。
• 空間的および応答タイプ間の依存関係を活用することで、欠損値や非公開の郡レベル応答の正確な補完が可能となった。
• シミュレーションスタディの結果、特に高次元かつ歪度の高い応答条件下でも、真のパラメータを低バイアスで回復し、良好なカバレッジを達成した。