[論文レビュー] On Combining Estimation Problems Under Quadratic Loss: A Generalization

Sévérien Nkurunziza|arXiv (Cornell University)|Sep 4, 2015

Statistical Methods and Inference参考文献 20被引用数 3

ひとこと要約

この論文は、JudgeとMittelhammer（2004）の結果を一般化し、2次損失における推定問題の組み合わせに関して、主要な仮定を緩和している。具体的には、スティーブン型推定量の優位性を楕円対称分布へ拡張し、分散・共分散行列の逆行列存在を必要とせず、相関にかかわらずリスク優位性が成立するための次元の最小値をk ≥ 5からk ≥ 3に低減している。提案された推定量のクラスは、スティーブン則を特別な場合として含み、シミュレーションとたばこデータセットへの応用によって検証されている。

ABSTRACT

The main theorem in Judge and Mittelhammer [Judge, G. G., and Mittelhammer, R. (2004), A Semiparametric Basis for Combining Estimation Problems under Quadratic Loss; JASA, 99, 466, 479--487] stipulates that, in the context of nonzero correlation, a sufficient condition for the Stein rule (SR)-type estimator to dominate the base estimator is that the dimension $k$ should be at least 5. Thanks to some refined inequalities, this dominance result is proved in its full generality; for a class of estimators which includes the SR estimator as a special case. Namely, we prove that, for any member of the derived class, $k\geqslant 3$ is a sufficient condition regardless of the correlation factor. We also relax the Gaussian condition of the distribution of the base estimator, as we consider the family of elliptically contoured variates. Finally, we waive the condition on the invertibility of the variance-covariance matrix of the base and the competing estimators. Our theoretical findings are corroborated by some simulation studies, and the proposed method is applied to the Cigarette dataset.

研究の動機と目的

• JudgeとMittelhammer（2004）の2次損失下での推定量の組み合わせに関する結果を、より広範な分布的仮定へ一般化すること。
• 推定量の分散・共分散行列が逆行列をもつ必要があるという制限的要請を排除すること。
• 相関にかかわらず、リスク優位性が成立するための最小次元kを5から3に低減すること。
• フレームワークを楕円対称分布へ拡張し、正規性を超えた応用可能性を拡大すること。
• 回帰モデルにおける標本情報と不確実な事前情報の組み合わせのための半パラメトリック手法を提供すること。

提案手法

• スティーブン則型推定量を特別な場合として含む一般クラスの推定量を提案する。
• 2次損失下でのリスク優位性条件を導出するために、洗練された行列不等式を用いる。
• 楕円対称分布の性質に依拠して、正規性を超えた結果の一般化を図る。
• 基本的推定量と制約付き推定量の同時分布への変換を適用し、リスク優位性を分析する。
• シュワルツの不等式とジェンセンの不等式を用いて、縮小関数を含む期待値を評価する。
• 理論的結果をシミュレーション研究とたばこデータセットへの実データ応用によって検証する。

実験結果

リサーチクエスチョン

• RQ1 一般の依存構造のもとで、スティーブン型推定量のリスク優位性の十分条件をk ≥ 5からk ≥ 3に低減できるか？
• RQ2 誤差分布が正規でない楕円対称分布の場合でも、リスク優位性の結果は成立するか？
• RQ3 推定量の分散・共分散行列の逆行列存在を仮定しないで、リスク優位性の証明が可能か？
• RQ4 提案された推定量のクラスは、事前情報の不確実性に頑健であり、低次元回帰モデルに適用可能か？
• RQ5 実データにおいて、既存の手法と比較して、提案手法は実用的にどのように性能を発揮するか？

主な発見

• 提案された推定量のクラスのリスク優位性の十分条件は、相関にかかわらずk ≥ 3であり、JudgeとMittelhammer（2004）のk ≥ 5の条件を改善している。
• リスク優位性の結果は、楕円対称分布の下でも成立し、正規分布を超えた応用可能性が拡張されている。
• 推定量の分散・共分散行列の逆行列存在の仮定はもはや必要なく、係数に線形制約がある場合の応用が可能になった。
• 洗練された行列不等式と二次形式のモーメントバウンドを用いて、理論的リスク優位性が確立された。
• シミュレーション研究により、さまざまな相関構造と次元設定下で、提案推定量のリスク性能が向上していることが確認された。
• 3つの説明変数しか含まないたばこデータセットへの応用により、従来の手法が失敗する状況でも、本手法の実用的有用性が示された。