[論文レビュー] Robust Functional Principal Component Analysis for Non-Gaussian Longitudinal Data

Rou Zhong, Shishi Liu+2 more|arXiv (Cornell University)|Feb 1, 2021

Statistical Methods and Inference参考文献 34被引用数 4

ひとこと要約

本稿は、希少性、不規則な観測時刻、測定誤差を伴う非ガウス型縦断的データに対して頑健な機能的主成分分析（FPCA）手法を提案する。分散関数の代わりに分布に依存しない代替手段として、固有方程式における共分散関数の代わりに、新たなケンダールのτ関数を導入し、対称性や楕円分布の仮定を必要とせず、頑健な推定が可能となる。また、一貫性のある収束速度を伴う漸近的理論を確立する。

ABSTRACT

Functional principal component analysis is essential in functional data analysis, but the inferences will become unconvincing when some non-Gaussian characteristics occur, such as heavy tail and skewness. The focus of this paper is to develop a robust functional principal component analysis methodology in dealing with non-Gaussian longitudinal data, for which sparsity and irregularity along with non-negligible measurement errors must be considered. We introduce a Kendall's $τ$ function whose particular properties make it a nice proxy for the covariance function in the eigenequation when handling non-Gaussian cases. Moreover, the estimation procedure is presented and the asymptotic theory is also established. We further demonstrate the superiority and robustness of our method through simulation studies and apply the method to the longitudinal CD4 cell count data in an AIDS study.

研究の動機と目的

• 非ガウス型縦断的データに適応する頑健なFPCA手法の開発を目的とし、特に重い尾を持つ分布、歪度、測定誤差が存在する状況でも有効であることを目指す。
• パラメトリックな仮定が成立しない状況において、従来のFPCAの限界を是正すること。
• 対称性や楕円分布の仮定を必要としない、共分散に基づくFPCAの分布に依存しない代替手法を提供すること。
• 縦断的研究で一般的な希少性と不規則な観測時刻を扱えること。
• 提案手法の推定子に関する漸近的理論を確立し、推定共分散関数および固有関数の収束速度を含む。

提案手法

• 固有方程式における母共分散関数の代替として、順位に基づく依存構造を活用し、頑健な代理関数として新たなケンダールのτ関数を提案する。
• 関数的観測値の対比較を用いてケンダールのτ関数を定義し、単調変換に対して不変であり、外れ値に対して頑健であることを保証する。
• 局所線形スムージングを用いてケンダールのτ関数を非パラメトリックに推定し、不規則な間隔のデータと測定誤差に対応する。
• 推定されたケンダールのτ関数を用いて、従来の共分散に基づくアプローチに代わるスペクトル分解により固有関数とスコアを計算する。
• 正則性条件の下で、推定共分散関数および固有関数の漸近的分布と収束速度を導出する。
• 非対称分布下でも、ケンダールのτ関数の固有空間が真の共分散関数の固有空間と一致することを確立する。

実験結果

リサーチクエスチョン

• RQ1 ケンダールのτのような順位に基づく依存度量が、非ガウス型データ下での機能的主成分分析において、共分散関数の頑健な代替として機能できるか？
• RQ2 提案手法が、重い尾、歪度、または汚染された縦断的データ下でも一貫した推定性能を維持するか？
• RQ3 本手法は、希少性、不規則な観測時刻、無視できない測定誤差が存在する状況でも、どのように性能を発揮するか？
• RQ4 提案手法下での推定共分散関数および固有関数の漸近的収束速度は何か？
• RQ5 対称性や楕円分布の仮定を必要としない条件下で、ケンダールのτ関数の固有空間は真の共分散関数の固有空間と等価か？

主な発見

• 提案されたケンダールのτ関数は、非対称分布下でも母共分散関数と同じ固有空間を保持し、分布の制約なしに有効な主成分分解を可能にする。
• ケンダールのτ関数の推定子は、収束速度 $ O_pig( (NM^2 h^2 / \\[\log N))^{-1/2} + h^2 + M^{-1} + h' \big) $ を達成する。ここで $ N $ は被験者数、$ M $ は被験者あたりの平均観測数、$ h $ はバンド幅である。
• 推定固有関数は、古典的FPCAと同一の速度で収束し、提案フレームワーク下での理論的一貫性を確認する。
• シミュレーション研究により、古典的FPCAに比べて重い尾や歪度のあるデータに対して優れた頑健性を示し、バイアスが低減され、推定精度が向上することが明らかになった。
• AIDSのCD4細胞数データへの応用では、歪度や外れ値が存在する中でも、主要な変動モードを効果的に捉えていることが示された。
• 対称性や楕円分布の仮定を必要とする既存の頑健FPCA手法に比べ、より広範な非ガウス型設定への適用可能性を拡張している。