[論文レビュー] Local Log-linear Models for Capture-Recapture

Zachary Kurtz|arXiv (Cornell University)|Feb 4, 2013

Census and Population Estimation参考文献 101被引用数 3

ひとこと要約

本稿では、個々の観察単位に特化したローカルな対数線形モデルを提案する。このモデルは、共変数に依存するスムージングを用いて、各個体に独自の対数線形モデルを適合させることで、捕獲再捕獲研究における母集団サイズおよび欠落率の正確な推定を可能にする。捕獲確率が共変数によって変動する状況では、特に多様性の高い母集団において、標準的な事後層別化や加法的モデルを上回る性能を示す。

ABSTRACT

Log-linear models are often used to estimate the size of a closed population using capture-recapture data. When capture probabilities are related to auxiliary covariates, one may select a separate model based on each of several post-strata. We extend post-stratification to its logical extreme by selecting a local log-linear model for each observed unit, while smoothing to achieve stability. Our local models serve a dual purpose: In addition to estimating the size of the population, we estimate the rate of missingness as a function of covariates. A simulation demonstrates the superiority of our method when the generating model varies over the covariate space. Data from the Breeding Bird Survey is used to illustrate the method.

研究の動機と目的

• 共変数に応じた捕獲確率の非定常性が引き起こす対数線形モデルのバイアスを是正すること。
• 母集団総数の推定に加え、共変数の関数としての欠落率の推定を実現すること。
• 個体レベルのモデルとローカルスムージングを用いることで、事後層別化の限界を克服し、安定性を確保すること。
• 共変数空間全体でモデルの形を柔軟に変化させることで、非定常な状況下での推定精度を向上させること。
• モデルの複雑さとバンド幅をデータ駆動的に局所的に適応させつつ、統計的安定性を維持する柔軟なアプローチを提供すること。

提案手法

• 隣接する単位の捕獲パターンの局所加重平均を用いて、各観察単位に別個の対数線形モデルを適合させる。
• 核スムージング（例：エパニコニコフカーネル）を用いて局所的近傍を定義し、モデル適合のための有効サンプルサイズを計算する。
• 各局所近傍内でモデル選択基準（例：AICc）を用いて最良の適合対数線形モデルを選択する。
• すべての局所モデルにおける非観察確率の合計をとることで、未観察単位数（c₀）を推定する。
• 捕獲確率を共変数の関数としてモデル化するため、r(y|x) を区分的滑らか関数として用い、x に応じてモデル形を変化可能にする。
• バイアスと分散のバランスを取るために、データ駆動的なバンド幅選択プロセスを実装する。

実験結果

リサーチクエスチョン

• RQ1 捕獲確率が共変数によって変動する状況において、標準的な事後層別化と比較して、ローカル対数線形モデルが母集団サイズ推定を改善できるか？
• RQ2 ローカルモデルの性能は、共変数空間全体における欠落率推定において、加法的マルチノミアルログットモデルと比べてどうか？
• RQ3 ローカルモデル選択およびバンド幅選択が、母集団サイズおよび欠落率推定の正確性に与える影響は何か？
• RQ4 ローカルモデルは、共変数の関数としての欠落率を効果的に推定でき、母集団構成に関するインサイトを提供できるか？
• RQ5 捕獲再捕獲設定において、ローカルモデリングがグローバルモデルや事後層別化モデルを上回る条件は何か？

主な発見

• ローカル対数線形モデルは、c₀ の推定において、149 のルート平均二乗誤差（RMSE）を達成し、加法的マルチノミアルログットモデル（RMSE = 152）および5層事後層別化対数線形モデル（RMSE = 153）を上回った。
• ローカルモデルはバイアスが-8と低く、加法的モデルの-62と比較して、未観察母集団サイズの推定がより正確であることを示した。
• 共変数空間全体で生成モデルが変化する領域では、図2に示すように、ローカル対数線形モデルが優れた局所誤差性能を示した。
• 本手法は、共変数の関数としての欠落率を効果的に推定でき、母集団総数の超えて母集団構成に関するインサイトを提供した。
• バンド幅選択は性能に顕著な影響を与えた：バンド幅14が12および10を上回った結果は、スムージングパラメータの選択に敏感であることを示唆した。
• 特定の共変数領域では、ローカルアプローチが加法的マルチノミアルログットモデルよりも優れた局所誤差制御を実現しており、非定常な捕獲プロセスへの適応性が顕著に現れた。