[논문 리뷰] A strong uniform convergence rate of a kernel conditional quantile estimator under random left-truncation and dependent data

Elias Ould-Saı̈d, Djabrane Yahia외 1명|ArXiv.org|2008. 10. 07.

Statistical Methods and Inference참고 문헌 16인용 수 3

한 줄 요약

이 논문은 랜덤 왼쪽 절단과 α-혼합 의존성 하에서 커널 기반 조건부 분위수 추정기의 강한 균일 수렴 속도를 확립한다. 기존의 i.i.d. 결과를 확장함으로써, 약한 혼합 조건 하에서 추정기의 거의 확실한 균일 수렴 속도를 증명하며, 이는 로그 및 대역폭 항을 포함하는 속도를 보이며, 생존 분석이나 경제학에서와 같이 의존성과 절단이 존재하는 데이터 설정에서 강건한 비모수적 분위수 추론을 가능하게 한다.

ABSTRACT

In this paper we study some asymptotic properties of the kernel conditional quantile estimator with randomly left-truncated data which exhibit some kind of dependence. We extend the result obtained by Lemdani, Ould-Saïd and Poulin [16] in the iid case. The uniform strong convergence rate of the estimator under strong mixing hypothesis is obtained.

연구 동기 및 목표

• 랜덤 왼쪽 절단과 의존성 데이터 설정으로 커널 조건부 분위수 추정기의 강한 균일 일致성을 확장하는 것.
• 시간 시리즈에서 흔한 약한 의존성 형태인 α-혼합 의존성 하에서 추정기의 비점근 수렴 속도를 확립하는 것.
• 절단 및 의존성 데이터에서 비모수적 분위수 회귀의 이론적 보장을 제공하여 생존 분석 및 경제학과 관련된 것.
• 이전의 i.i.d. 경우 결과(Lemdani 등, 2008)를 더 일반적인 의존성 데이터 모델로 일반화하는 것.
• 중심극한정리의 가정을 초월하는 무거운 尾 꼬리 오차와 이상치가 존재하는 상황에서 절단 하의 조건부 분위수 추정을 통해 강건한 추론을 지원하는 것.

제안 방법

• 절단을 inverse probability weighting을 통해 보정한 가중치를 부여한 경험분포함수 기반의 커널 조건부 분위수 추정기를 제안한다.
• X와 Y의 공동 밀도를 이元 커널 추정기로 추정하며, 대역폭 h를 사용하고 커널 함수의 조건(예: 유계, 컴팩트 지지)을 설정한다.
• 약한 의존성을 모델링하기 위해 강한 혼합 조건(α-혼합)을 적용하며, 혼합 계수의 다항식 감쇠 속도를 가정한다.
• 테일러 전개와 모멘트 경계를 사용하여 절단과 의존성을 고려한 추정기의 편향과 분산을 유도한다.
• 균일한 경험과정의 이탈을 제어하기 위해 Borel-Cantelli 보조정리와 최대부등식을 활용한다.
• 편향과 분산 경계를 조합하여 α-혼합 조건 하에서 O_p( max{ sqrt(log n / (n h)) , h^2 } ) 형태의 균일 수렴 속도를 도출한다.

실험 결과

연구 질문

• RQ1 랜덤 왼쪽 절단과 α-혼합 의존성 하에서 커널 조건부 분위수 추정기의 강한 균일 수렴 속도는 무엇인가?
• RQ2 α-혼합 의존성의 구조는 i.i.d. 경우에 비해 수렴 속도에 어떤 영향을 미치는가?
• RQ3 이전 연구에서 요구한 것보다 더 약한 모멘트 및 혼합 조건 하에서도 균일 일치성과 수렴 속도를 확립할 수 있는가?
• RQ4 의존성 설정에서 절단은 커널 추정기의 편향과 분산에 어떤 영향을 미치는가?
• RQ5 비-i.i.d. 데이터 하에서 설계 공간 전역의 균일 이탈 측면에서 추정기는 어떻게 성능을 발휘하는가?

주요 결과

• 논문은 α-혼합과 랜덤 왼쪽 절단 하에서 커널 조건부 분위수 추정기의 강한 균일 수렴 속도 O_p( max{ sqrt(log n / (n h)) , h^2 } )를 확립한다.
• 수렴 속도는 α-혼합 계수의 다항식 감쇠, 즉 α(n) = O(n^{-δ}) (δ > 0) 라는 조건 하에서 유도된다.
• 밀도와 커널 함수에 대한 규칙성 조건 하에서 편향 항은 O(h^2)로 나타나며, 의존성과 무관하게 유지된다.
• 최대부등식과 모멘트 경계를 통해 분산 항을 제어하며, α-혼합 조건 하에서 균일 이탈은 O_p( sqrt(log n / (n h)) )로 경계된다.
• Lemdani 등(2008)의 i.i.d. 수렴 속도 결과를 의존성 있는 경우로 확장하였으며, 동일한 속도 구조를 유지한다.
• 증명은 추정기의 편향, 분산, 경험과정 성분으로 분해하며, 후자는 Borel-Cantelli 보조정리와 모멘트 조건을 통해 제어된다.