[論文レビュー] Monte Carlo error analyses of Spearman's rank test

P. A. Curran|arXiv (Cornell University)|Nov 14, 2014

Advanced Statistical Methods and Models被引用数 32

ひとこと要約

本稿では、天文学的データにおける測定誤差を考慮してスピアマン順位相関係数の不確実性を推定するため、リサンプリング、パーカーメーション、コンポジットの3つのモンテカルロベースの手法を提案する。データの不確実性を無視すると有意性が高めに出る傾向があり、ある事例では不確実性を適切にモデル化した場合、8.2σから7.1±1.0σに低下することが示された。

ABSTRACT

Spearman's rank correlation test is commonly used in astronomy to discern whether a set of two variables are correlated or not. Unlike most other quantities quoted in astronomical literature, the Spearman's rank correlation coefficient is generally quoted with no attempt to estimate the errors on its value. This is a practice that would not be accepted for those other quantities, as it is often regarded that an estimate of a quantity without an estimate of its associated uncertainties is meaningless. This manuscript describes a number of easily implemented, Monte Carlo based methods to estimate the uncertainty on the Spearman's rank correlation coefficient, or more precisely to estimate its probability distribution.

研究の動機と目的

• 天文学分野で広く行われている、誤差推定を伴わないスピアマン順位相関係数の報告を是正すること。
• スピアマンのrho係数の確率分布および不確実性を推定するための実用的で実装可能なモンテカルロ手法を提供すること。
• 標準的な相関解析で無視されがちな天文学的データの測定誤差を、パーカーメーションおよびコンポジット手法を用いて取り入れること。
• データの不確実性を無視すると、相関検定における統計的有意性が高めに出ることを示すこと。
• リサンプリング、パーカーメーション、コンポジット手法の性能および仮定を比較し、科学的文脈に応じた手法選択を支援すること。

提案手法

• リサンプリング（ブートストラップ）法を実装し、元のデータセットからN個のランダムペアをM回（M ≥ 1000）にわたり復元抽出し、各リサンプルセットに対してrhoとzスコアを再計算する。
• パーカーメーション法を適用し、各データポイントに測定誤差ΔXiおよびΔYiにスケーリングされた独立したガウス確率変数を加算することで、M個の摂動済みデータセットを生成する。
• リサンプリングとパーカーメーションを組み合わせたコンポジット手法を開発し、まずリサンプリングを行い、その後にリサンプル済みのデータポイントを摂動することで、サンプリング誤差と測定誤差の両方を考慮する。
• 各手法から得られるrhoおよびzスコアの分布を用い、平均、標準偏差、信頼区間を推定し、それらを確率分布として扱う。
• zスコアの正規近似を得るため、F(ρ) = arctanh(ρ) のフィッシャー変換をzスコアに適用し、z ≈ σ を用いた有意性検定を可能にする。
• 確率密度推定を可能にするために、得られた分布を単位積分に正規化し、手法間の比較を可能にする。

実験結果

リサーチクエスチョン

• RQ1 天文学的データにおける測定誤差を、スピアマン順位相関係数の誤差推定に適切に組み込む方法は何か？
• RQ2 データポイントの不確実性を無視すると、相関の報告された有意性にどのような影響が生じるか？
• RQ3 リサンプリング、パーカーメーション、コンポジットのモンテカルロ手法は、スピアマンのrhoの不確実性推定においてどのように比較できるか？
• RQ4 パーカーメーション法とリサンプリング法のどちらを優先すべきか、あるいは逆にどちらが適しているか、どのような条件下か？
• RQ5 実際の天文学的データセットにおいて、データの不確実性が相関の顕著さをどの程度低下させるか？

主な発見

• 標準的手法ではρ = 0.83、有意性8.2σと報告されるが、不確実性を考慮すると真の有意性が高めに出ていることが示された。
• パーカーメーション法では、推定された相関係数がρ = 0.78 ± 0.04に低下し、有意性もz = 7.2 ± 0.6に低下した。これは信頼性の低下を示している。
• コンポジット法ではρ = 0.77 ± 0.06、z = 7.1 ± 1.0が得られ、不確実性分布が広がり、より慎重な有意性推定がなされていることがわかった。
• コンポジット法はパーカーメーション法よりも広い分布を示しており、サンプリング誤差と測定誤差の両方が合計不確実性に顕著に寄与していることが明らかになった。
• 結果から、当初約8.2σと報告された相関が、実際には5σの閾値を下回る確率が非無視的である可能性があることが示され、高有意性の主張の妥当性に疑問が呈された。
• データの不確実性がゼロの場合、パーカーメーション法は標準値におけるデルタ関数に収束し、コンポジット法はリサンプリング結果に近づくため、極限状況での手法の一貫性が確認された。