[論文レビュー] Towards a power analysis for PLS-based methods

Angela Andreella, Livio Fino+2 more|arXiv (Cornell University)|Mar 15, 2024

Fault Detection and Control Systems被引用数 4

ひとこと要約

この論文は、パイロットデータからの潜在構造および相関構造を明示的に保持することで、部分最小二乗法（PLS）に基づく手法のための、モンテカルロシミュレーションに基づくパワー分析フレームワークを初めて提案する。この手法は、PLSから得られる重みおよびスコアを用いて、代替仮説下での多変量データをシミュレートし、オミックス研究における分類タスクの正確なパワー推定を可能にする。

ABSTRACT

In recent years, power analysis has become widely used in applied sciences, with the increasing importance of the replicability issue. When distribution-free methods, such as Partial Least Squares (PLS)-based approaches, are considered, formulating power analysis turns out to be challenging. In this study, we introduce the methodological framework of a new procedure for performing power analysis when PLS-based methods are used. Data are simulated by the Monte Carlo method, assuming the null hypothesis of no effect is false and exploiting the latent structure estimated by PLS in the pilot data. In this way, the complex correlation data structure is explicitly considered in power analysis and sample size estimation. The paper offers insights into selecting statistical tests for the power analysis procedure, comparing accuracy-based tests and those based on continuous parameters estimated by PLS. Simulated and real datasets are investigated to show how the method works in practice.

研究の動機と目的

• 多変量データ解析における分布フリーかつ尤度フリーなPLSベースの手法に対する信頼性の高いパワー分析手法の不足に対処する。
• オミックス研究に一般的な高次元・相関のあるデータおよび小サンプルサイズの状況において、従来のパワー分析の限界を克服する。
• PLSモデルからの真のデータ相関構造および潜在変数構造を尊重するシミュレーションベースのフレームワークを開発する。
• PLSフレームワーク下でのパワー分析に適した統計的検定（正確性ベースと連続的パラメータベース）を比較する。
• 再現可能性および応用研究への採用を支援するため、透明性・利用可能性を確保したRパッケージ実装を提供する。

提案手法

• パイロットデータからPLSで推定された潜在構造（重みおよびスコア）を保持するモンテカルロ法を用いて人工データセットをシミュレートする。
• パイロットデータと同じ共分散構造を持つが、サンプルサイズを変化させた新しいデータセットを生成し、さまざまな設計におけるパワーを評価する。
• シミュレートされたデータセットにPLSを適用し、代替仮説下でのモデルパラメータ推定および検定統計量の評価を行う。
• パワー分析手順において、分類誤差率などの正確性ベースの検定と、潜在変数の重みなどの連続的パラメータベースの検定を併用する。
• パーミュテーション検定を用いて有意性を評価し、シミュレーションフレームワーク内での第一種過誤率を制御する。
• 研究者が透明性・再現可能性・利用可能性を確保できるように、Rパッケージとしてこの手法を実装する。

実験結果

リサーチクエスチョン

• RQ1 従来のパラメトリック仮定が成り立たない状況において、PLSベースの手法のパワー分析を信頼性を持って行うにはどうすればよいか？
• RQ2 パイロットデータからの潜在構造および相関構造を保持することは、PLSモデルにおけるパワー推定の正確性にどのような影響を与えるか？
• RQ3 PLSベースの分類において、正確性ベースの検定と連続的パラメータベースの検定は、統計的パワーおよび第一種過誤制御の観点でどのように比較されるか？
• RQ4 実際のデータ相関構造を反映した状況下で、ケースコントロール型PLS-DA研究において80％のパワーを達成するのに必要なサンプルサイズはどの程度か？
• RQ5 PLSから得られる成分を用いたシミュレーションベースのアプローチは、高次元オミックスデータにおけるサンプルサイズ推定において、既存手法を上回る性能を示せるか？

主な発見

• 提案手法は、パイロットデータからの複雑な相関構造および潜在変数関係をシミュレートされたデータセットに的確に保持でき、現実的なパワー推定を可能にした。
• PLSベースのシミュレーションフレームワークによるパワー推定では、潜在成分数（A）およびデータ内の効果量に、サンプルサイズ要件が顕著に依存することが示された。
• 100回のモンテカルロシミュレーションおよび200回のパーミュテーションを用いることで、安定したパワー推定が得られ、95％信頼区間が信頼性のある精度を示した。
• 正確性ベースの検定は、特に小サンプルサイズの状況において、連続的パラメータベースの検定に比べて統計的パワーが低かった。
• シミュレーションフレームワークは、A=3成分のケースコントロール型PLS-DA設定において、80％のパワーを達成する最適なサンプルサイズを正しく同定した。
• Rパッケージ実装により、研究者が実世界のオミックスデータセットに対してこの手法を信頼と透明性をもって再現・適用できるようになった。