[論文レビュー] Maximum penalized likelihood estimation in semiparametric capture-recapture models

Théo Michelot, Roland Langrock+2 more|arXiv (Cornell University)|Nov 5, 2013

Census and Population Estimation参考文献 27被引用数 3

ひとこと要約

本稿は、環境的要因や個体の体重といった時間変動型共変量を柔軟にモデル化できる、頻度主義的最尤推定フレームワークを、半パラメトリックなマーク・リカプチャー・リカバリーモデルに導入する。この手法は、パラメトリックな形を仮定しないで、生存確率を時間変動型共変量の関数として柔軟にモデル化するためのペナルティスプラインを用いる。グレイヘロンとソーアシープに適用した結果、従来のパラメトリックモデルでは捉えきれない非線形的かつしきい値に類似した効果が生存に現れることが明らかになった。特に、年齢に関係なく低体重個体では生存確率が急激に低下することが示された。

ABSTRACT

We discuss the semiparametric modeling of mark-recapture-recovery data where the temporal and/or individual variation of model parameters is explained via covariates. Typically, in such analyses a fixed (or mixed) effects parametric model is specified for the relationship between the model parameters and the covariates of interest. In this paper, we discuss the modeling of the relationship via the use of penalized splines, to allow for considerably more flexible functional forms. Corresponding models can be fitted via numerical maximum penalized likelihood estimation, employing cross-validation to choose the smoothing parameters in a data-driven way. Our contribution builds on and extends the existing literature, providing a unified inferential framework for semiparametric mark-recapture-recovery models for open populations, where the interest typically lies in the estimation of survival probabilities. The approach is applied to two real datasets, corresponding to grey herons (Ardea Cinerea), where we model the survival probability as a function of environmental condition (a time-varying global covariate), and Soay sheep (Ovis Aries), where we model the survival probability as a function of individual weight (a time-varying individual-specific covariate). The proposed semiparametric approach is compared to a standard parametric (logistic) regression and new interesting underlying dynamics are observed in both cases.

研究の動機と目的

• 環境的要因、時間的に一定の個体的共変量、および確率的に時間変動する個体的共変量を扱える、統一的で頻度主義的な半パラメトリックなマーク・リカプチャー・リカバリーモデルの推論フレームワークの構築。
• 時間変動する個体的共変量における欠損値の問題に対処するため、数値最適化を用いて共変量を尤度に統合する。
• 従来の固定効果のパラメトリックモデルにとどまらない、柔軟でデータ駆動型の共変量効果の生存確率へのモデリングを、頻度主義的手法で拡張する。
• ベイジアン半パラメトリック手法に対する計算的に実行可能な代替手法を提供する。クロスバリデーションを用いたスムージングパラメータの選択と、最大ペナルティ付き尤度推定を用いる。

提案手法

• 生存確率と共変量の関係を非パラメトリックに推定するために、ペナルティスプライン（Pスプライン）を用いる。これにより、柔軟で滑らかな関数的形態を表現できる。
• 最大ペナルティ付き尤度推定を採用し、モデルの適合度と滑らかさのバランスをとるために、一般化済み交差検証を用いてスムージングパラメータを決定する。
• 欠損した共変量値に対処するために、隠れマルコフモデル（HMM）の仕組みを用いて尤度を構築する。これにより、数値的統合が効率的に行える。
• 数値最適化を用いて実装され、MCMCやデータ増幅の必要がなく、オープンポピュレーションや複雑な共変量構造に対しても適用可能である。
• 複数の非パラメトリック効果を含む加法的予測子をサポートし、テンソル積ペナルティ付きスプラインを用いて相互作用面への拡張も可能である。
• スムージングパラメータはクロスバリデーションにより推定され、将来的には推論の向上を図るためのREMLに基づく推定への拡張も検討可能である。

実験結果

リサーチクエスチョン

• RQ1 時間変動する共変量の関数として生存確率を柔軟に非パラメトリック関数としてモデル化できる、頻度主義的で最大ペナルティ付き尤度推定を用いた手法は、捕獲・再捕獲・再回収データにおいて有効に機能するか？
• RQ2 欠損共変量データが存在する状況において、従来のパラメトリック（例：ロジスティック）モデルと比較して、半パラメトリック手法は隠れた集団ダイナミクスをどれほどよく明らかにできるか？
• RQ3 環境的要因（例：グレイヘロン）や個体の体重（例：ソーアシープ）を関数としてモデル化した場合、生存に現れる非線形的またはしきい値に類似したパターンは何か？
• RQ4 体重が時間とともに変化し、個体が捕獲されない間は観測されないような、確率的に時間変動する個体的共変量を、統一的な推論フレームワーク内で扱えるか？
• RQ5 パラメトリックモデルではなくペナルティスプラインを用いることで、微細な変動や非単調な生存パターンを検出する上での影響は何か？

主な発見

• グレイヘロンにおいて、半パラメトリックモデルは環境要因と関連した成人の生存におけるしきい値効果を明らかにした。これは、パラメトリックモデルでは捉えきれない非線形的反応を示している。
• ソーアシープにおいて、低体重個体では生存確率が急激に低下することが半パラメトリックモデルで検出された。これは、年齢に関係なく、健康状態が悪い個体が死亡リスクを著しく高めることを示している。
• 柔軟なモデルでは、低体重の成人と低体重の1歳個体の生存確率がほぼ同等であることが示された。これは、個体の状態が生存に与える影響が極めて重要であることを強調している。
• パラメトリックなロジスティックモデルでは、低体重個体の死亡リスクが低く見積もられており、半パラメトリック解析で観察された顕著な低下を捉えられていなかった。
• 結果から、非パラメトリックモデリングにより、制限的なパラメトリック仮定によって隠れてしまう生物学的に意味のある非線形的ダイナミクスが明らかにされることが示された。
• 尤度に基づく統合により、時間変動する個体的共変量の欠損値を効果的に処理でき、補完や観測値に条件づける必要がなくなった。