[論文レビュー] Trimmed Constrained Mixed Effects Models: Formulations and Algorithms

Peng Zheng, Ryan M Barber+3 more|arXiv (Cornell University)|Sep 24, 2019

Statistical Methods and Bayesian Inference参考文献 36被引用数 19

ひとこと要約

本稿では、最小二乗法のロバストな拡張であるロバスト最小トリムド二乗法（LTS）を混合効果モデルに拡張するオープンソースのPythonパッケージLimeTrを紹介する。この手法は、周辺尤度推定にトリミングを組み込むことで、ロバストで制約付き、非線形の混合効果モデリングを可能にし、特にメタアナリシスや用量反応関係の解析において、既存のツールよりも外れ値への耐性と計算効率に優れる。

ABSTRACT

Mixed effects (ME) models inform a vast array of problems in the physical and social sciences, and are pervasive in meta-analysis. We consider ME models where the random effects component is linear. We then develop an efficient approach for a broad problem class that allows nonlinear measurements, priors, and constraints, and finds robust estimates in all of these cases using trimming in the associated marginal likelihood. The software accompanying this paper is disseminated as an open-source Python package called LimeTr. LimeTr is able to recover results more accurately in the presence of outliers compared to available packages for both standard longitudinal analysis and meta-analysis, and is also more computationally efficient than competing robust alternatives. Supplementary materials that reproduce the simulations, as well as run LimeTr and third party code are available online. We also present analyses of global health data, where we use advanced functionality of LimeTr, including constraints to impose monotonicity and concavity for dose-response relationships. Nonlinear observation models allow new analyses in place of classic approximations, such as log-linear models. Robust extensions in all analyses ensure that spurious data points do not drive our understanding of either mean relationships or between-study heterogeneity.

研究の動機と目的

• メタアナリシスや縦断的研究において、外れ値や非線形関係の下でも、ロバストで制約付きの混合効果モデルが不足しているという問題に対処すること。
• 固定効果および分散効果の両方に対して外れ値に対して耐性を持つように、トリミングを線形混合効果モデルと統合した統一的フレームワークの構築。
• 非線形観測モデル、形状制約（例：単調性、凹性）および固定効果の任意の非線形関数といった高度なモデリング機能の実装。
• トリムド尤度から生じる非凸・非滑らか問題に対する、計算的に効率的で信頼性の高い最適化アルゴリズムの提供。
• 合成データおよび実世界のグローバルヘルスデータを用いた実証により、特に異種の観測を持つ用量反応モデリングにおいて、本手法の優位性を示すこと。

提案手法

• ランダム効果が線形に作用するが、観測モデルと事前分布が非線形である部分的に非線形な混合効果モデルを定式化する。
• 周辺尤度において、(1−α) 個の最小の二乗残差の和を最小化することで、外れ値に対して耐性を持つトリミングに基づくロバスト推定手法を導入する。
• 変数射影を用いてトリミングパラメータとモデルパラメータの最適化を分離し、内点法を用いた効率的な解法が可能となるように問題を再定式化する。
• スプラインを用いた非線形関係のモデリングにより、線形および非線形の制約、および形状制約（例：単調性、凹性）を最適化に統合する。
• IPoptとカスタムソルバーを組み合わせたLimeTrというPythonパッケージとしてアルゴリズムを実装し、トリミングパラメータに関する値関数の最適化を実現する。
• 形状制約を課したスプライン基底関数を用いて、複雑な用量反応関係をモデル化し、柔軟で解釈可能かつロバストな推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 外れ値に対して耐性を持つように、トリミングを縦断的およびメタアナリティックなデータの混合効果モデルに効果的に拡張できるか？
• RQ2 非線形観測モデルおよび形状制約（例：単調性）を、計算効率を損なわずにロバストな混合効果推定に統合する方法は何か？
• RQ3 提案されたトリムド制約付き混合効果モデルは、汚染された状況下で、既存のロバストパッケージと比較して精度と計算速度の両面で優れているか？
• RQ4 メタアナリシスにおいて、異種の間接的または比値ベースの観測から、真の用量反応関係を信頼性高く回復できるか？
• RQ5 形状制約は、外れ値やノイズの多いデータが存在する実世界のグローバルヘルスデータにおいて、結論にどの程度の影響を与えるか？

主な発見

• LimeTrは、異種の縦断的およびメタアナリティックなデータにおいて、外れ値の検出およびその影響への耐性が、既存のパッケージ（例：metafor, robumeta, robustlmm）を上回っている。
• 汚染が存在する状況下でも、競合するロバスト代替手法と比較して、より高い精度と計算効率を達成している。
• LimeTrは、形状制約を課したスプラインを用いて非線形な用量反応関係を効果的にモデル化でき、対数線形近似に依存せずにロバストな推論が可能である。
• 曝露とリスクの関係を対象とした14件の前向きコhort研究のメタアナリシスにおいて、LimeTrはスプラインベースのリスク曲線の不確実性の範囲（cone of uncertainty）を捉えており、不確実性はスプラインのばらつきとランダム効果の不均一性の両方で定量化された。
• 用量反応曲線に単調性制約を課すと、推定されたリスク関係が変化し、形状制約が結論に顕著な影響を与えることが示された。これは、モデリングの柔軟性の重要性を強調するものである。
• LimeTrは、非線形観測モデル、任意の制約、およびロバストなトリミングを同時にサポートする唯一のオープンソースパッケージであり、従来のツールでは実現不可能だった新たなタイプの解析を可能にしている。