[논문 리뷰] A bootstrap analysis for finite populations

Tina Nane, Kasper Kooijman|arXiv (Cornell University)|2018. 04. 14.

Data Analysis with R참고 문헌 20인용 수 5

한 줄 요약

이 논문은 도서관학적 연구에서 인구가 종종 유한한 경우(예: 한 대학의 모든 출판물)에 적용되는 부트스트랩 방법에 대한 유한 인구 보정(FPC)을 제안한다. 부트스트랩 재표본 추출에 FPC를 적용함으로써 표본 크기가 인구 크기에 가까워질수록 분산 추정치가 0으로 감소하고 타당한 신뢰구간을 생성하게 되어, 표준 부트스트랩 방법이 유한한 환경에서 유도하는 편향을 수정한다.

ABSTRACT

Bootstrap methods are increasingly accepted as one of the common approaches in constructing confidence intervals in bibliometric studies. Typical bootstrap methods assume that the statistical population is infinite. When the statistical population is finite, a correction needs to be applied in computing the estimated variance of the estimators and thus constructing confidence intervals. We investigate the effect of overlooking the finiteness assumption of the statistical population using a dataset containing all articles in Web of Science (WoS) for Delft University of Technology from 2006 until 2009. We regard the data as our finite statistical population and consider simple random samples of various sizes. Standard bootstrap methods are firstly employed in accounting for the variability of the estimates, as well as constructing the confidence intervals. The results unveil two issues, namely that the variability in the estimates does not decrease to zero as the sample size approaches the population size and that the confidence intervals are not valid. Both issues are addressed when accounting for a finite population correction in the bootstrap methods.

연구 동기 및 목표

• 표준 부트스트랩 방법을 도서관학 연구에서 사용할 때 유한 인구 가정을 忽시할 경우 발생하는 영향을 조사하기 위해.
• 표준 부트스트랩을 유한 인구에 적용할 경우 분산 추정과 신뢰구간의 커버리지에 나타나는 체계적 편향을 규명하기 위해.
• 개선된 정확도를 위해 유한 인구 보정(FPC)을 통합한 수정된 부트스트랩 접근법을 제안하고 검증하기 위해.
• 알려진 유한 통계 인구에서 표본을 추출할 경우 부트스트랩 추론에 FPC가 필수적임을 보여주기 위해.
• 예를 들어 기관의 출판 기록과 같은 유한 인구 설정에서 부트스트랩 방법을 사용하는 연구자들에게 실용적 프레임워크를 제공하기 위해.

제안 방법

• 델프트 과학기술대학교(2006–2009년)의 전체 논문 집합을 유한 통계 인구로 간주하기.
• 실제 표본 추출 상황을 시뮬레이션하기 위해 이 유한 인구에서 다양한 크기의 단순 무작위 표본을 추출하기.
• FPC 없이 표준 부트스트랩 재표본 추출을 적용하여 분산 추정과 신뢰구간을 구성하기.
• 유한 인구 요소를 사용하여 표준 오차를 조정함으로써 부트스트랩 분산 추정에 유한 인구 보정(FPC)을 구현하기: √(1 - n/N).
• 표본 크기가 증가함에 따라 분산 추정과 신뢰구간 커버리지 측면에서 표준 부트스트랩과 FPC 보정 부트스트랩의 성능 비교하기.
• 반복 표본 추출의 경험적 결과를 사용하여 FPC가 표본 크기가 인구 크기에 가까워질수록 분산 추정치가 0으로 수렴함을 평가하기.

실험 결과

연구 질문

• RQ1 표본 크기가 유한 인구 크기에 가까워질수록 표준 부트스트랩 방법에서 추정된 분산은 어떻게 되는가?
• RQ2 기초 인구가 유한할 경우 표준 부트스트랩을 통해 구성된 신뢰구간은 어떻게 성능을 보이는가?
• RQ3 유한 인구에서 부트스트랩 분산 추정의 정확도를 향상시키기 위해 유한 인구 보정을 적용할 경우 그 정도는 어느 정도인가?
• RQ4 유한 인구 보정이 표본 크기가 인구 크기에 가까워질수록 분산 추정치가 0으로 감소하도록 보장하는가?
• RQ5 FPC 보정 부트스트랩 방법은 도서관학 연구에서 흔히 볼 수 있는 유한 인구 설정에서 타당한 신뢰구간을 생성할 수 있는가?

주요 결과

• 표준 부트스트랩 방법은 표본 크기가 유한 인구 크기에 가까워질수록 분산 추정치를 0으로 줄이지 못하여, 유한 인구의 기본 성질을 위반한다.
• 기초 인구가 유한할 경우 표준 부트스트랩 방법으로 구성된 신뢰구간은 타당하지 않으며, 명목 수준에서 벗어난 커버리지 확률을 보인다.
• 부트스트랩 분산 추정에 유한 인구 보정(FPC)을 적용함으로써 표본 크기가 인구 크기에 가까워질수록 추정된 분산이 0으로 수렴하는 데 성공한다.
• FPC 보정 부트스트랩 방법은 표준 부트스트랩 절차에서 관찰된 커버리지 문제를 수정하여 타당한 신뢰구간을 생성한다.
• 모든 관심 인구(예: 한 대학의 모든 출판물)가 알려져 있고 유한한 도서관학 연구에서는 유한 인구 보정이 정확한 추론을 위해 필수적이다.
• 반복 표본 추출의 경험적 결과는 FPC가 유한 인구 맥락에서 부트스트랩 기반 추론의 신뢰성을 향상시킨다는 것을 확인한다.