[論文レビュー] Spatial Clustering Regression of Count Value Data via Bayesian Mixture of Finite Mixtures

Peng Zhao, Hou‐Cheng Yang+2 more|arXiv (Cornell University)|Feb 16, 2020

Bayesian Methods and Mixture Models参考文献 36被引用数 8

ひとこと要約

本稿では、空間的クラスタリングを考慮した回帰係数の推定を可能にする、有限混合モデルにマルコフ確率場（MRF）事前分布を導入したベイズ型混合モデルを提案する。この手法により、クラスタ数の正則化推定と空間的連続性の制約が可能となり、ジョージア州の早期死亡率データへのフィットにおいて、既存のモデルを上回る性能を発揮した。予測性能は優れた結果を示し、LPML = -2221.45を達成した。

ABSTRACT

Investigating relationships between response variables and covariates in areas such as environmental science, geoscience, and public health is an important endeavor. Based on a Bayesian mixture of finite mixtures model, we present a novel spatially clustered coefficients regression model for count value data. The proposed method detects the spatial homogeneity of the Poisson regression coefficients. A Markov random field constrained mixture of finite mixtures prior provides a regularized estimator of the number of clusters of regression coefficients with geographical neighborhood information. As a by-product, we also provide the theoretical properties of our proposed method when the Markov random field is exchangeable. An efficient Markov chain Monte Carlo algorithm is developed by using the multivariate log gamma distribution as a base distribution. Simulation studies are carried out to examine the empirical performance of the proposed method. Additionally, we analyze Georgia's premature death data as an illustration of the effectiveness of our approach. The supplementary materials are provided on GitHub at \url{https://github.com/pengzhaostat/MLG_MFM}.

研究の動機と目的

• 環境・公衆衛生分野におけるカウントデータのポアソン回帰係数の空間的非定常性に対処すること。
• 空間的クラスタリングを考慮した回帰係数の検出と、同時にクラスタ数の自動推定を可能にする手法の開発。
• 空間的連続性の制約を課すために、マルコフ確率場（MRF）事前分布を用いて地理的近隣関係を統合すること。
• 係数推定値をクラスタ固有の平均に収縮させることで過剰適合を回避する正則化されたベイズ枠組みの提供。
• 標準的な空間回帰・クラスタリングモデルと比較して、解釈可能性と予測精度の向上。

提案手法

• カウントデータ回帰に適した多変量対数ガンマ分布をベースとする有限混合モデル（MFM）を提案。
• 混合成分インジケータにマルコフ確率場（MRF）事前分布を導入し、クラスタ割り当てにおける空間的連続性を強制。
• ディリクレ過程に類似した事前分布を用いた有限混合モデルを採用し、クラスタ数の自動推定を可能に。
• 尤度と事前分布の構造に基づく完全条件分布を用いた、効率的なギブスサンプリングに基づくMCMCアルゴリズムを採用。
• モデル比較およびスムージングパラメータ選定のため、周辺尤度（LPML）にラプラス近似を適用。
• グリッドサーチを用いてMRFスムージングパラメータを最適化し、LPMLを最大化することで最適なクラスタ構成を確保。

実験結果

リサーチクエスチョン

• RQ1 ベイズ的有限混合モデルは、クラスタ数の推定を併せ持つ空間的クラスタリングを示す回帰係数をカウントデータで検出可能か？
• RQ2 マルコフ確率場（MRF）事前分布の導入により、係数クラスタリングにおける空間的連続性とモデルの解釈可能性はどのように向上するか？
• RQ3 提案手法は、標準的手法（MFM、CAR、SVCなど）と比較して、カウントデータの予測性能において優れているか？
• RQ4 実世界の公衆衛生データにおいて、空間的に異なるクラスタ間で推定された回帰係数はどのように変動するか？
• RQ5 空間的連続性制約の導入が、回帰係数のグローバルに不連続なクラスタの検出に与える影響は何か？

主な発見

• 提案されたMRF-MFMモデルは、LPML = -2221.45を達成し、予測性能が最も優れていた。これは、シンプルなMFM（LPML = -3614.38）、LGP（-2461.31）、CAR（-5015.93）、SVC（-3123.47）を大きく上回った。
• ジョージア州の159郡において4つの明確なクラスタを同定した。そのうち150郡が最大クラスタに属し、残りは3郡、5郡、1郡の小さなクラスタに分類された。
• コブ郡では、PM2.5と早期死亡率の間の正の関連が最も強く（β₁ = 1.446）あり、地域的影響が顕著に現れた。
• 食環境インデックスはクラスタ4で強い負の効果を示した（β₂ = -2.093）ことから、健康的な食環境が低い早期死亡率に関連している可能性が示唆された。
• クラスタ1は最高のベースラインリスク（切片β₀ = -1.134）を示した一方、クラスタ2は最低（β₀ = -3.644）であり、地域間の死亡率格差が顕在化した。
• スムージングパラメータは、LPML最大化により0.3にチューニングされ、モデルのフィットとクラスタの滑らかさのバランスが取れた。