[論文レビュー] On large-sample estimation and testing via quadratic inference functions for correlated data

Ramani S. Pilla, Catherine Loader|ArXiv.org|May 17, 2005

Advanced Statistical Methods and Models参考文献 14被引用数 5

ひとこと要約

この論文は、相関データ解析における2次推定関数（QIF）の統一的漸近理論を確立し、拡張されたスコア関数の共分散の安定した推定器を提案するとともに、推定および仮説検定の漸近的性質を導出する。主な貢献は、誤った相関構造に対してもロバストでかつ効率的な性能を保証する一様な2次近似であり、シミュレーション結果では、恒等行列を相関構造として使用した場合でも検出力の損失が最小限に抑えられることが示された。

ABSTRACT

Hansen (1982) proposed a class of "generalized method of moments" (GMMs) for estimating a vector of regression parameters from a set of score functions. Hansen established that, under certain regularity conditions, the estimator based on the GMMs is consistent, asymptotically normal and asymptotically efficient. In the generalized estimating equation framework, extending the principle of the GMMs to implicitly estimate the underlying correlation structure leads to a "quadratic inference function" (QIF) for the analysis of correlated data. The main objectives of this research are to (1) formulate an appropriate estimated covariance matrix for the set of extended score functions defining the inference functions; (2) develop a unified large-sample theoretical framework for the QIF; (3) derive a generalization of the QIF test statistic for a general linear hypothesis problem involving correlated data while establishing the asymptotic distribution of the test statistic under the null and local alternative hypotheses; (4) propose an iteratively reweighted generalized least squares algorithm for inference in the QIF framework; and (5) investigate the effect of basis matrices, defining the set of extended score functions, on the size and power of the QIF test through Monte Carlo simulated experiments.

研究の動機と目的

• QIFフレームワークにおける拡張スコア関数の正確な推定共分散行列を構築すること。
• QIF推定および仮説検定の包括的な漸近的理論枠組みを構築すること。
• 相関データにおける線形仮説検定のためのQIF検定統計量の一般化を導出すること。
• QIF推論のための反復的重み付き一般最小二乗法アルゴリズムを提案すること。
• モンテカルロシミュレーションを用いて、基本行列がQIF検定のサイズと検出力に与える影響を評価すること。

提案手法

• 本論文は、真のパラメータ・ベクトル β₀ の近傍におけるQIF表面への一様な2次近似を導入し、漸近理論の構築を可能にする。
• 従来のQIF定式化における欠陥を是正するため、拡張スコア関数の共分散行列の一貫した推定器を導出する。
• QIF検定統計量は線形仮説の一般化がなされ、帰無仮説および局所代替仮説の下で漸近的にカイ二乗分布に従うことが示された。
• QIF推定器を効率的かつ安定に計算するための反復的重み付き一般最小二乗法アルゴリズムが提案された。
• 理論的結果は一般化モーメント法（GMM）フレームワークに裏打ちされており、Hansen（1982）のGMMを相関構造を暗黙的に推定できるように拡張している。
• モンテカルロシミュレーションを用いて、さまざまな相関構造および分布下での基本行列の誤り指定に対するQIF検定のロバスト性を評価した。

実験結果

リサーチクエスチョン

• RQ1 提案されたQIFフレームワークは、基本行列が誤って指定された場合でも漸近的に有効性を保つのか？
• RQ2 基本行列の選択がQIF検定統計量のサイズと検出力にどのように影響を与えるか？
• RQ3 統一的漸近理論を用いて、安定的かつ効率的なQIF推定器を導出できるか？
• RQ4 帰無仮説および局所代替仮説の下で、QIF検定統計量の漸近的分布は何か？
• RQ5 AR-1、交換可能、および恒等行列といった異なる相関構造下で、QIFの性能はどのように変化するか？

主な発見

• 基本行列が誤って指定された場合でも、QIF検定統計量は帰無仮説下で漸近的にカイ二乗分布に従い、ロバスト性が保証される。
• シミュレーション結果から、すべての相関構造および分布において、QIF検定のサイズは名目水準5％に非常に近いことが示された。
• 相関係数 ρ が増加するにつれて検出力は低下するが、AR-1、AR-2、および恒等行列構造間での検出力の差は最小限であり、誤った指定に対しても検出力の損失はほとんどないことが示された。
• 恒等行列ベースの下では非正規化パラメータの推定値がわずかに低くなるが、有限標本における検出力にはその差が反映されないため、実務においてもロバストであることが示唆された。
• 非正規化パラメータの推定値は、作業相関構造が誤って指定された場合でも、QIFフレームワークが良好な効率性を維持していることを確認した。
• 拡張スコア関数のための提案された共分散推定器は、漸近理論の安定化を図り、従来のQIF定式化に見られた問題を解消した。