[論文レビュー] Nonparametric Estimation in the Dynamic Bradley-Terry Model

Heejong Bong, Wan‐Shan Li+2 more|arXiv (Cornell University)|Feb 28, 2020

Game Theory and Voting Systems参考文献 8被引用数 4

ひとこと要約

本稿では、スパースな対比較データを扱うためにカーネルスムージングを用いた非パrametricかつ時変動型のBradley-Terryモデルの拡張を提案する。推定量の存在および一意性の条件を確立し、モデルに依存しないオラクルバインディングを推定誤差および過剰リスクについて導出することで、強力な経験的性能を示した。シミュレートデータおよび実世界のデータにおいて、バンド幅選択が効率的であることを確認した。

ABSTRACT

We propose a time-varying generalization of the Bradley-Terry model that allows for nonparametric modeling of dynamic global rankings of distinct teams. We develop a novel estimator that relies on kernel smoothing to pre-process the pairwise comparisons over time and is applicable in sparse settings where the Bradley-Terry may not be fit. We obtain necessary and sufficient conditions for the existence and uniqueness of our estimator. We also derive time-varying oracle bounds for both the estimation error and the excess risk in the model-agnostic setting where the Bradley-Terry model is not necessarily the true data generating process. We thoroughly test the practical effectiveness of our model using both simulated and real world data and suggest an efficient data-driven approach for bandwidth tuning.

研究の動機と目的

• 動的グローバルチームランク付けのための非パラメトリックかつ時変動型のBradley-Terryモデルの一般化を開発すること。
• 従来のBradley-Terry推定が最大尤度推定量の非存在性により失敗する可能性があるスパースな対比較データの課題に対処すること。
• 真のデータ生成過程がBradley-Terryモデルに従わない可能性があるモデルに依存しない設定において、存在性、一意性、およびオラクルバインディングといった理論的保証を提供すること。
• 時間依存の対比較結果を事前にスムージングするカーネルスムージングを活用した、計算的に効率的な推定量の設計

提案手法

• 本手法は、Bradley-Terryモデルにおける時変動パラメータβi(t)の対数オッズをカーネルスムージングにより推定し、時間的に滑らかになるようにする。
• 識別可能性のため、∑β_i(t) = 0 を満たすように、時変動する勝利確率を logit(p_ij(t)) = β_i(t) - β_j(t) としてモデル化する。
• 推定量は、時間軸上でカーネル関数を用いて経験的対比較頻度をスムージングすることで構築され、特にスパースな状況下でも推定が可能になる。
• カーネルおよびβ(t)の滑らかさに関する弱い正則性条件のもとで、推定量の存在および一意性が確立される。
• Bradley-Terryモデルが真のデータ生成過程に従わないとしても成立するモデルに依存しないフレームワークにおいて、推定誤差および過剰リスクのオラクルバインディングが導出される。
• 交差検証を用いたデータ駆動型バンド幅選択法が提案され、実証的証拠により、事前に設定されたバンド幅でも良好な性能を示すことが確認された。

実験結果

リサーチクエスチョン

• RQ1 提案された時変動型Bradley-Terryモデルのカーネルスムージング推定量が、どのような条件下で存在し、一意となるか。
• RQ2 真のデータ生成過程がBradley-Terryモデルでない場合、提案手法の推定誤差および過剰リスクはどのように振る舞うか。
• RQ3 標準的なMLEが失敗するスパースな対比較設定において、カーネルスムージング手法は動的ランクを信頼性高く回復できるか。
• RQ4 従来のパラメトリック手法や状態空間アプローチと比較して、提案手法の計算効率はどの程度か。
• RQ5 特に高次元またはスパースなデータ設定下において、データ駆動型バンド幅選択手順は実際どれほど有効か。

主な発見

• カーネルおよび時変動パラメータβ(t)の滑らかさに関する弱い条件下で、提案された推定量は存在し、一意である。
• 本手法は、シミュレーションおよび実世界データの両方で優れた有限標本性能を示し、特に標準MLEが失敗するスパースな状況下で顕著な優位性を示した。
• カーネルスムージングにより、MLEの存在に必要な条件（比較グラフのグローバル連結性）が、実際にはスパースな生データであってもほとんど確実に満たされる。
• 特に時間点数Mが大きく、チーム数Nが小さい状況（M large, N small）では、元のBradley-Terryモデルと同等またはより速い実行時間が達成された。
• 実証的結果から、妥当な範囲内の事前設定バンド幅を用いても、LOO交差検証で得られる推定値に近い推定が得られることが示された。
• N=10, M=10, および n_ij(t)=1 の実験では、すべての時間点でMLEの存在頻度はたった2%であったが、カーネルスムージングを適用すると100%に上昇し、スパarsityに対するロバストネスが明確に示された。