[論文レビュー] Marginally Interpretable Linear Transformation Models for Clustered Observations

Torsten Hothorn|arXiv (Cornell University)|Oct 21, 2019

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

ひとこと要約

本稿では、クラスタリングされたデータに対する2つの新しい線形変換モデルを提案する。これらは、周辺線形変換モデルと連関する多変量正規分布の相関構造を組み合わせており、パラメータの直接的な解釈可能性と、二値、順序、生存時間などの多様な応答タイプの柔軟なモデリングを可能にするとともに、5つの実世界の応用において解析的取り扱いのしやすさと周辺的解釈可能性を維持する。

ABSTRACT

Clustered observations are ubiquitous in controlled and observational studies and arise naturally in multicenter trials or longitudinal surveys. I present two novel models for the analysis of clustered observations where the marginal distributions are described by a linear transformation model and the correlations by a joint multivariate normal distribution. Both models provide analytic formulae for the marginal distributions, one of which features directly interpretable parameters. Owing to the richness of transformation models, the techniques are applicable to any type of response variable, including bounded, skewed, binary, ordinal, or survival responses. I present re-analyses of five applications from different domains, including models for non-normal and discrete responses, and explain how specific models for the estimation of marginal distributions can be defined within this novel modelling framework and how the results can be interpreted in a marginal way.

研究の動機と目的

• 多施設試験や縦観察研究におけるクラスタリングされた観察データの分析課題に取り組むこと。応答変数が正規分布でない、離散的である、または右側打ち切りされている可能性がある。
• 解析的取り扱いのしやすさを保ちつつ、周辺効果の直接的な解釈が可能なパrameterを提供するモデルを開発すること。
• 変換モデルの柔軟性を、上限・下限がある、歪度がある、二値、順序、生存時間応答などのタイプを統一されたフレームワーク内で扱えるように拡張すること。
• 5つの異なる分野からの実世界データセットの再解析を通じて、提案モデルの実用的有用性を示すこと。

提案手法

• 応答変数を既知のリンク関数で線形予測子に変換する線形変換モデルを用いて周辺分布を定式化する。
• 潜在変数の間の依存構造を、多変量正規分布を仮定することでクラスタ内の観察間の相関をモデル化する。
• 仮定された変換関数と相関構造の下で、周辺分布の解析的表現を導出する。
• 変換関数を通じてモデル係数と周辺効果を直接結びつけることで、パrameterの解釈可能性を確保する。
• 周辺分布の閉形式表現を活用して、完全尤度推定を用いてモデルパラメータを推定する。
• 応答タイプに応じた適切な変換関数（例：二値データにはlogit、順序データにはprobit、生存時間データにはlog）を選択することで、さまざまな応答タイプにフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 複雑な相関構造を持つクラスタリングデータを扱うために、線形変換モデルをどのように適合させ、周辺的解釈可能性を保てるか。
• RQ2 潜在変数に多変量正規分布を仮定することの、周辺モデルの解析的取り扱いのしやすさと解釈可能性への影響は何か。
• RQ3 提案されたフレームワークは、二値、順序、生存時間応答を含む多様な応答タイプを、1つの統一されたモデリング枠組み内で一貫してモデル化できるか。
• RQ4 実世界のクラスタリングデータ応用において、既存のアプローチと比較して、提案モデルの性能と解釈可能性はどのように異なるか。
• RQ5 クラスタリングされた観察の文脈において、モデルのパラメータがどのようにして周辺効果として直接解釈可能になるか。

主な発見

• 提案モデルは周辺分布の解析的公式を提供しており、シミュレーションや近似を用いずに正確な推論が可能である。
• 2つのモデルのうちの1つは、直接解釈可能なパラメータを備えており、回帰係数の周辺的解釈が容易である。
• フレームワークは、上限・下限がある、歪度がある、二値、順序、生存時間応答など、広範な応答タイプを1つの一貫した構造内でモデル化できた。
• 異なる分野からの5つの実世界データセットの再解析により、モデルの柔軟性と実用的有用性が多様なデータタイプにわたり実証された。
• 周辺尤度の解析的表現のおかげで、計算効率が維持され、クラスタリング設定においても信頼性の高い推定が可能になった。
• 非正規分布や離散的分布のデータであっても、効果の周辺的解釈が一貫して可能であることが示された。