[論文レビュー] Spearman Rank Correlation Screening for Ultrahigh-dimensional Censored Data

Wang, Hongni, Yan, Jingxin+1 more|arXiv (Cornell University)|Feb 9, 2017

Statistical Methods and Inference被引用数 6

ひとこと要約

本稿では、生存時間データにおける超高次元の打ち切りデータに対して、重要変数を特定するモデルフリーでロバストなスクリーニング手法—打切りデータ用スピアマン順位相関スクリーニング（SRCS_cen）—を提案する。この手法は、順位に基づく依存度測度を用いることで、高い打ち切り率、重い尾を持つ分布、外れ値、予測変数の相関がある状況でも高い性能を維持し、シミュレーションおよび実データ解析において、既存の非パラメトリックスクリーニング手法を上回る性能を示す。

ABSTRACT

Herein, we propose a Spearman rank correlation based screening procedure for ultrahigh-dimensional data with censored response case. The proposed method is model-free without specifying any regression forms of predictors or response variable and is robust under the unknown monotone transformations of these response variable and predictors. The sure-screening and rank-consistency properties are established under some mild regularity conditions. Simulation studies demonstrate that the new screening method performs well in the presence of a heavy-tailed distribution, strongly dependent predictors or outliers and that offers superior performance over the existing nonparametric screening procedures. In particular, the new screening method still works well when a response variable is observed under a high censoring rate. An illustrative example is provided.

研究の動機と目的

• 超高次元打切りデータにおいて、特に高い打ち切り率とモデル不適合の下で、既存のスクリーニング手法の限界を克服すること。
• 予測変数および応答変数の単調変換に対して不変であるモデルフリーなスクリーニング手順を開発すること。
• 重い尾を持つ分布、外れ値、予測変数間の強い依存性に対してロバストであること。
• やや弱い正則性条件の下で、確実なスクリーニングおよび順位一致性の理論的保証を確立すること。
• シミュレーションおよび実世界の生存時間データ解析において、既存の非パラメトリックおよびモデルベースのスクリーニング手法を上回る優れた性能を示すこと。

提案手法

• 予測変数 $X_k$ と応答変数 $Y$ 間の依存度を測るため、母集団レベルのスクリーニング指標を提案する：$\omega_k = \mathbb{E}[F_k(X_k)F(Y)] - \mathbb{E}[F_k(X_k)]\mathbb{E}[F(Y)]$。
• 打切り応答を逆確率重み付けを用いて補完することで、打切りデータにおける順位ベースの相関推定を可能にする。
• マージナルスクリーニングの基盤としてスピアマン順位相関を採用し、$X_k$ および $Y$ の単調変換に対して不変性を確保する。
• 2段階手順を適用する：(1) 観測された $\omega_k$ の推定値に基づいて予測変数を順位付けし、上位特徴を抽出する。 (2) 最終的なモデル適合のため、罰則付き回帰（SCAD、MCP、Lasso）と組み合わせる。
• 観測データから母集団指標 $\omega_k$ を推定するために、経験尤度および経験分布関数を用いる。
• 弱い正則性条件の下で理論的性質を確立し、提案手法の確実なスクリーニングおよび順位一貫性を証明する。

実験結果

リサーチクエスチョン

• RQ1 モデルフリーなスクリーニング手法は、高い打ち切り率下でも超高次元打切りデータにおいて高い選択精度を維持できるか？
• RQ2 外れ値、重い尾を持つ分布、予測変数の相関がある状況下で、提案されたSRCS_cen手法は既存の非パラメトリックスクリーニング手順よりも優れた性能を示すか？
• RQ3 応答変数および予測変数の単調変換に対して、スクリーニング性能がどの程度ロバストであるか？
• RQ4 打切りデータに対する補完に基づくアプローチは、スクリーニング指標の順位一貫性および確実なスクリーニング特性を保持するか？
• RQ5 SRCS_cenと罰則付き回帰を統合することで、高次元予測変数を伴う生存解析における予測精度はどのように向上するか？

主な発見

• 実データ解析において、SRCS_cenはすべての打切りスクリーニング手法の中で500回の平均二乗予測誤差（ASPE）の中央値が最小であり、優れた予測性能を示した。
• mantle cell lymphomaデータセットでは、SRCS_cenが上位20位以内に選んだ予測変数のうち30個が、他の手法（CQScen(0.5)およびRCS_cen）とも共通して同定された。これは、既存の手法と最も高い一貫性を示した。
• 遺伝子28990（細胞分裂サイクル2）はSRCS_cenで第1位にランク付けされ、HuangとMa（2010年）およびWuとYin（2015年）によって生存リスクに関連する有意な遺伝子として以前に同定済みであり、生物学的妥当性を裏付けた。
• 従来の完全応答を想定するスクリーニング手法が失敗または著しく性能を低下させるような高い打ち切り率下でも、本手法は強固な性能を維持した。
• シミュレーション研究により、SRCS_cenが、特に重い尾を持つ分布や外れ値の下で、既存の非パラメトリックスクリーニング手順を上回る選択精度を示すことが確認された。
• 理論的解析により、やや弱い正則性条件の下でSRCS_cenの確実なスクリーニングおよび順位一貫性が確立され、統計的信頼性が裏付けられた。