[論文レビュー] Simultaneous Confidence Band for Stationary Covariance Function of Dense Functional Data

Jiangyan Wang, Guanqun Cao+2 more|arXiv (Cornell University)|Mar 13, 2019

Statistical Methods and Inference参考文献 23被引用数 6

ひとこと要約

本稿では、密な関数データの定常共分散関数の2段階スプラインベース推定法を提案し、オラクル効率性を達成するとともに、漸近的に正しい同時信頼区間（SCB）の構築を可能にした。この手法は、正確な被覆確率を保証し、シミュレーションおよび実データ応用（ビスケット生地のNIR分光法データ含む）において、既存の推定器を上回る性能を示した。

ABSTRACT

Inference via simultaneous confidence band is studied for stationary covariance function of dense functional data. A two-stage estimation procedure is proposed based on spline approximation, the first stage involving estimation of all the individual trajectories and the second stage involving estimation of the covariance function through smoothing the empirical covariance function. The proposed covariance estimator is smooth and as efficient as the oracle estimator when all individual trajectories are known. An asymptotic simultaneous confidence band (SCB) is developed for the true covariance function, and the coverage probabilities are shown to be asymptotically correct. Simulation experiments are conducted on the numerical performance of the proposed estimator and SCB. The proposed method is also illustrated by two real data examples.

研究の動機と目的

• 密な関数データの定常共分散関数に対する信頼性の高い推論手法の開発。
• 真の共分散関数のための被覆確率が漸近的に正しい同時信頼区間（SCB）の構築。
• 個々のトレースが既知である場合にオラクル効率性を達成する2段階推定手順の提案。
• 豊富なシミュレーションおよび実データ解析を通じて、提案された推定器およびSCBの性能評価。

提案手法

• 2段階推定手順を採用：まず、スプラインスムージングにより個々のトレースを推定し、次に、経験的共分散関数をスムージングして真の共分散関数を推定する。
• 提案された共分散推定器は、ペナルティ付きスプライン近似に基づき、滑らかさと効率性を保証する。
• 真の共分散関数のための同時信頼区間（SCB）を導出するための漸近的理論を構築し、被覆確率が漸近的に正しいことが示された。
• 関数的トレースが[0,1]上での等間隔グリッド上で独立同分布に従い、測定誤差は分散関数でモデル化されるという仮定を採用する。
• 理論的裏付けは、共分散作用素のカーチェン＝ロイケ展開および固有関数展開に依拠する。
• 滑らか化された共分散推定器の漸近的分布を用いてSCBを構築し、定義域全体における推定変動を考慮する。

実験結果

リサーチクエスチョン

• RQ1 密な関数データの定常共分散関数に対して、滑らかで効率的な推定器を構築可能か？
• RQ2 個々のトレースが既知である場合に、提案された2段階スプラインベース手法がオラクル効率性を達成するか？
• RQ3 真の共分散関数のための被覆確率が正しい漸近的有効な同時信頼区間（SCB）を構築可能か？
• RQ4 平均二乗誤差および被覆精度の観点から、既存の推定器と比較して、提案手法はどのように性能を発揮するか？
• RQ5 NIR分光法曲線を含む実関数データにおいて、この手法の実効性は何か？

主な発見

• 提案された推定器は漸近的オラクル効率性を達成しており、個々のトレースが既知の推定器と同等の性能を示す。
• 95％同時信頼区間（SCB）の被覆確率は漸近的に正しい。サンプルサイズが増加するにつれて、実効被覆率は名目水準に近づく。
• シミュレーションでは、提案された推定器（$\widehat{G}^{\mathrm{PROP}}$）は、特にサンプルサイズが大きい場合に、薄板スプライン推定器（$\widehat{G}^{\mathrm{TPS}}$）よりも常に低いAMSEを達成した。
• N=200の場合、モデルM1において$\widehat{G}^{\mathrm{PROP}}$のAMSEは約0.018であり、サンプルサイズが増加するにつれて減少した。
• モデルM1においてN=200の下で、$\widehat{G}^{\mathrm{PROP}}$に基づく95％SCBの被覆率は0.940に達し、名目水準の0.95に近く、良好な性能を示した。
• ビスケット生地の一部のデータ解析において、提案手法は滑らかな共分散推定器を生成し、95％SCBは波長全域における不確実性を効果的に捉えており、実用的有用性を示した。