[論文レビュー] Local Quadratic Estimation of the Curvature in a Functional Single Index Model

Zi Ye, Giles Hooker|arXiv (Cornell University)|Mar 25, 2018

Ecology and Vegetation Dynamics Studies参考文献 15被引用数 4

ひとこと要約

本稿では、係数関数とリンク関数がともに未知である関数的単一指数モデルにおけるリンク関数の曲率（2階微分）の局所的2次推定法を提案する。この手法はバンド幅選択を伴うネストド最適化を用い、収束速度 $ O(h_n^4 + \frac{1}{n h_n^4}) $ を達成する。また、リンク関数の引数は $ \sqrt{n} $ で一貫して推定可能であるが、初期値およびバンド幅の選択に非常に敏感であることが示された。

ABSTRACT

The nonlinear effects of environmental variability on species abundance plays an important role in the maintenance of ecological diversity. Nonetheless, many common models use parametric nonlinear terms pre-determining ecological conclusions. Motivated by this concern, we study the estimate of the second derivative (curvature) of the link function g in a functional single index model. Since the coefficient function and the link function are both unknown, the estimate is expressed as a nested optimization. For a fixed and unknown coefficient function, the link function and its second derivative are estimated by local quadratic approximation, then the coefficient function is estimated by minimizing the MSE of the model. In this paper, we derive the rate of convergence of the estimation. In addition, we prove that the argument of g, can be estimated root-n consistently. However, practical implementation of the method requires solving a nonlinear optimization problem, and our results show that the estimates of the link function and the coefficient function are quite sensitive to the choices of starting values.

研究の動機と目的

• 係数関数とリンク関数がともに未知である関数的単一指数モデルにおけるリンク関数の2階微分（曲率）を推定すること。
• 係数関数とリンク関数の曲率を同時に推定するネストド最適化手順を開発すること。
• 正則性条件の下で曲率推定量の理論的収束速度を導出すること。
• 実装上における非線形最適化における初期値およびバンド幅選択に伴う曲率推定への感受性を調査すること。
• 環境変動に対する生態的反応を非パラメトリック曲率推定を通じて評価するフレームワークを提供すること。

提案手法

• 各設計点におけるリンク関数 $ g $ の2階微分を局所的2次近似により推定する。
• 固定された係数関数 $ \beta $ に対して、バンド幅 $ h_n $ を用いた局所多項式回帰により $ g $ と $ g'' $ を推定する。
• ネストド最適化を実行：まず与えられた $ \beta $ に対して $ g'' $ を推定し、次に $ \beta $ の平均二乗誤差（MSE）を最小化することで $ \beta^0 $ を推定する。
• 標本サイズ $ n $ に従い減少するバンド幅 $ h_n $ を採用し、理論的収束を保証する。
• 最適なバンド幅選択のために交差検証（10分割およびGCV）を適用し、交差検証後のヒューリスティックな調整を実施する。
• 推定誤差を制限するために、$ g'' $ のリプシッツ連続性と $ \int X_i \hat{\beta} $ の $ \sqrt{n} $ 一貫性を用いる。

実験結果

リサーチクエスチョン

• RQ1 関数的単一指数モデルにおけるリンク関数の2階微分の局所的2次推定量の理論的収束速度は何か？
• RQ2 非線形最適化手順における初期値の選択が曲率 $ g'' $ の推定にどのように影響するか？
• RQ3 $ \beta^0 $ の不確実性が存在する中でも、$ \int X_i \beta^0 $ は $ \sqrt{n} $ で一貫して推定可能か？
• RQ4 異なるバンド幅選択戦略が曲率推定の精度にどのように影響するか？
• RQ5 バンド幅のスケーリングと異なる初期値の使用が、曲率推定の性能に与える影響は何か？

主な発見

• 推定誤差は $ \frac{1}{n} \sum_{i=1}^n \mathbb{E} \left[ \hat{g}''\left( \int X_i \hat{\beta} \right) - g''\left( \int X_i \beta^0 \right) \right]^2 = O\left( h_n^4 + \frac{1}{n h_n^4} \right) $ を満たし、収束速度が確立された。
• 引数 $ \int X_i \hat{\beta} $ は $ \sqrt{n} $ で一貫して推定可能であり、正則性のもとで一貫した曲率推定が可能である。
• 曲率推定量は非線形最適化における初期値の選択に極めて敏感であり、不適切な初期値は最適でない解に収束させる。
• バンド幅のスケーリングは推定精度を顕著に向上させ、特に $ g'' $ の推定において、RASE2値が最大90％まで低下することがシミュレーション結果で示された。
• 交差検証（10分割およびGCV）は信頼性のあるバンド幅選択を提供するが、最適な曲率推定を得るためには交差検証後のチューニングが必要である。
• シミュレーション結果から、最適なバンド幅を用いても、初期値が良好でない場合（ランダムまたは劣悪な初期値）には曲率推定が依然として困難であることが示され、RASE2値が高くなることが確認された。