[論文レビュー] Network Granger Causality with Inherent Grouping Structure

Sumanta Basu, Ali Shojaie+1 more|arXiv (Cornell University)|Oct 13, 2012

Face and Expression Recognition参考文献 33被引用数 40

ひとこと要約

本稿は、固有のノードグループ構造を有する高次元ネットワーク・グランジャ因果構造を推定するためのグループラッソ正則化フレームワークを提案する。パネルデータを活用して短期時間系列に対処し、ノルムおよび変数選択の一貫性を確立し、新規の方向一貫性の概念を導入。グループ誤指定に対する感受性を軽減するためのしきい値処理を施した変種を提案し、理論的保証と実証的検証を両立。遺伝学およびファイナンス分野で有効性を示す。

ABSTRACT

The problem of estimating high-dimensional network models arises naturally in the analysis of many physical, biological and socio-economic systems. Examples include stock price fluctuations in financial markets and gene regulatory networks representing effects of regulators (transcription factors) on regulated genes in genetics. We aim to learn the structure of the network over time employing the framework of Granger causal models under the assumptions of sparsity of its edges and inherent grouping structure among its nodes. We introduce a thresholded variant of the Group Lasso estimator for discovering Granger causal interactions among the nodes of the network. Asymptotic results on the consistency of the new estimation procedure are developed. The performance of the proposed methodology is assessed through an extensive set of simulation studies and comparisons with existing techniques.

研究の動機と目的

• 生物学的および社会経済的システムにおける短時間系列・非定常時系列パネルデータから高次元の有向ネットワークを推定する課題に対処する。
• ノード間に内在するグループ構造（例：遺伝子ファミリー、金融セクター）を組み込むことで、推定の効率性と解釈可能性を向上させる。
• ベクトル自己回帰（VAR）モデルにグループラッソに基づく正則化法を適用し、スパarsityとグループ構造の両方を同時に強制する。
• 新しい方向一貫性条件の下で、ノルム一貫性および変数選択一貫性という理論的性質を確立する。
• グループ誤指定に対する感受性を低減するためのしきい値処理を施したグループラッソの変種を提案・分析する。

提案手法

• 未知の遅れ次数 d と p 次元時系列を有するベクトル自己回帰（VAR）過程を用いて、高次元ネットワーク・グランジャ因果モデルを定式化する。
• ノードに事前に定義されたグループ構造（例：機能モジュール、セクター）に基づき、VAR係数行列にグループラッソ正則化を適用し、グループレベルでのスパarsityを促進する。
• グループ係数のノルムがしきい値未満の場合に全グループ係数をゼロに設定するしきい値処理を施したグループラッソ推定量を導入し、グループ誤指定に対する頑健性を向上させる。
• グループスパarsityに特化した新しい弱な非表現性条件（weak irrepresentable condition）を用いて理論的一貫性を確立し、n（被験者数）と p（変数数）が T（時系列長）が固定または小さい非漸近的設定下で成立させる。
• 推定係数のノルム一貫性および方向一貫性を導出。方向一貫性はグループレベル係数ベクトルの符号パターンによって定義される。
• スタックド方向ベクトルと設計行列のスペクトルノルム条件を用いて弱い非表現性条件を形式化し、正しいグループ選択を保証する。

実験結果

リサーチクエスチョン

• RQ1 ノードに固有のグループ構造が存在する場合、グループラッソ正則化は高次元ネットワーク・グランジャ因果構造の推定を改善できるか？
• RQ2 グループ正則化付きネットワーク・グランジャモデルにおいて、変数選択一貫性およびノルム一貫性を保証する理論的条件は何か？
• RQ3 しきい値処理を施したグループラッソ推定量は、標準のグループラッソと比較してグループ誤指定に対する感受性をどのように低減するか？
• RQ4 高次元パネルデータ設定下で、グループ係数の方向一貫性が成立する条件は何か？
• RQ5 提案手法は、短時間系列から遺伝子調節ネットワークおよび金融リスクネットワークを再構築する際、既存手法を上回る性能を示せるか？

主な発見

• 弱い非表現性条件および設計行列に関する正則性仮定の下で、グループラッソ推定量はノルム一貫性を達成する。
• 新規の方向一貫性の概念に基づき、変数選択一貫性が確立され、グループ係数の正しい符号パターンが保証される。
• しきい値処理を施したグループラッソ推定量は、誤って選択されるグループ数を低減し、スパarsityオракル不等式に基づく理論的バインドにより、その数が制御されることを示す。
• 理論的分析により、グループ構造が誤って指定されていても、しきい値処理ステップを適用すれば、グループラッソ推定量が一貫性を保つことが確認された。
• シミュレーション研究により、標準ラッソおよびしきい値処理なしのグループラッソと比較して、エッジ回復性能およびグループ選択の正確性が優れていることが示された。
• 機能ゲノムおよびファイナンシャル・エコノメトリクスへの実応用では、生物学的に妥当な遺伝子調節ネットワークおよび大手銀行間のシステミックリスク構造を効果的に再構築できた。