[論文レビュー] Valid Post-Detection Inference for Change Points Identified Using Trend Filtering

Reza Valiollahi Mehrizi, Shojaeddin Chenouri|arXiv (Cornell University)|Apr 24, 2021

Statistical Methods and Inference参考文献 50被引用数 4

ひとこと要約

この論文は、トレンドフィルタリングを用いて区分的多項式信号を推定するPRUTFアルゴリズムによって同定された変動点に対する有効な検出後推論を発展させる。グローバルおよびローカルの検出後推論戦略を導入し、正確な信頼区間とp値を構築する。従来の選択後区間と比較して、有意に区間長を短縮するとともに、誤差分散が既知または未知の状況でも有効な被覆性を維持する。

ABSTRACT

There are many research works and methods about change point detection in the literature. However, there are only a few that provide inference for such change points after being estimated. This work mainly focuses on a statistical analysis of change points estimated by the PRUTF algorithm, which incorporates trend filtering to determine change points in piecewise polynomial signals. This paper develops a methodology to perform statistical inference, such as computing p-values and constructing confidence intervals in the newly developed post-selection inference framework. Our work concerns both cases of known and unknown error variance. As pointed out in the post-selection inference literature, the length of such confidence intervals are undesirably long. To resolve this shortcoming, we also provide two novel strategies, global post-detection, and local post-detection which are based on the intrinsic properties of change points. We run our proposed methods on real as well as simulated data to evaluate their performances.

研究の動機と目的

• データ駆動的手法を用いて同定された変動点に対する統計的推論手法の欠如に取り組むこと。特に区分的多項式モデルにおいて。
• 変動点検出のデータ依存性を考慮する選択後推論フレームワークを構築し、検出された点を固定とみなすことで生じる無効な推論を回避すること。
• 選択バイアスによる影響でしばしば幅が広くなる標準の選択後信頼区間の過剰保守性を軽減すること。
• 変動点の内在的性質を活用して、区間精度を向上させる2つの新規戦略—グローバルおよびローカルの検出後推論—を導入すること。
• シミュレーションおよび実世界データを用いて提案手法の性能を評価し、誤差分散が既知または未知の状況でも、頑健性と正確性を示すこと。

提案手法

• トレンドフィルタリングを用いて変動点を同定するPRUTFアルゴリズムによって推定された区分的多項式信号における変動点検出に、選択後推論フレームワークを適応する。
• 選択された変動点を条件とした検定統計量の正確な標本分布を導出することで、有効なp値および信頼区間の構築を可能にする。
• 切り捨てt分布および正規近似を用いて信頼区間を構築し、選択分布の分位数から境界を導出する。
• 複数の変動点にわたる情報を統合することで区間効率を向上させるグローバル検出後推論を導入する。
• 個々の変動点に焦点を当て、局所的な検定統計量および選択イベントを用いるローカル検出後推論を提案する。
• 条件付き標本分布を定義するために、観測された検定統計量に基づく切り捨て集合を用い、モデル選択下での有効な推論を保証する。

実験結果

リサーチクエスチョン

• RQ1 トレンドフィルタリングを用いて同定された変動点に対して、データ駆動的選択プロセスを考慮した有効な統計的推論をどのように行うことができるか。
• RQ2 信頼区間を構築する際に選択バイアスを無視した場合、どのような結果が生じるか。
• RQ3 グローバルおよびローカルの検出後推論戦略は、被覆性を維持しつつ、選択後信頼区間の長さを短縮できるか。
• RQ4 誤差分散が未知の状況下で、提案された信頼区間が有効な被覆性を維持する条件は何か。
• RQ5 標準の選択後推論と比較して、提案手法の性能（区間幅および実効被覆率）はどのように異なるか。

主な発見

• 提案されたグローバルおよびローカルの検出後推論戦略は、特に高次元または複雑な信号設定下で、標準の選択後手法と比較して信頼区間の長さを顕著に短縮する。
• 信頼区間長に対する理論的上限を導出し、上界が切り捨てt分布の分位数と臨界値の差に比例することを示す。
• 自由度が大きい場合には切り捨てt分布は正規分布に近づき、提案された境界は依然として有効であり、異なる誤差分布に対しても頑健性を示す。
• 区間境界の有効性を規定する関数 $ h(x) $ は $ x \in (0, x_0] $ で正であるため、信号対雑音比に合理的な条件下で境界が成立することが示される。
• シミュレーションおよび実データ実験により、提案手法が正しい被覆レベルを維持するとともに、従来の選択後推論よりも短い区間を生成することが確認された。
• 誤差分散が未知の状況下でも、検定統計量および信頼区間の構築に推定標準誤差を用いることで、有効な推論が達成される。