[논문 리뷰] Calibration of computer models with heteroscedastic errors and application to plant relative growth rates

Chih‐Li Sung, Beau David Barber외 1명|arXiv (Cornell University)|2019. 10. 25.

Greenhouse Technology and Climate Control인용 수 1

한 줄 요약

이 논문은 이종분산 측정 오차를 갖는 컴퓨터 모델을 위한 새로운 校정 방법을 제안하며, 복제 데이터를 활용하여 매개변수 추정과 예측 정확도를 향상시킨다. 추정기의 점근적 성질을 도출하고, 이종분산성에 대한 적합도 검정을 개발하여, 모형 오사용 및 식물 상대생장률 적용 사례에서 변동하는 오차 분산 상황에서도 강건한 성능을 입증한다.

ABSTRACT

Computer models are commonly used to represent a wide range of real systems, but they often involve some unknown parameters. Estimating the parameters by collecting physical data becomes essential in many scientific fields, ranging from engineering to biology. However, most of the existing methods are developed under the assumption that the physical data contains homoscedastic measurement errors. Motivated by an experiment of plant relative growth rates where replicates are available, we propose a new calibration method for inexact computer models with heteroscedastic measurement errors. Asymptotic properties of the parameter estimators are derived, and a goodness-of-fit test is developed to detect the presence of heteroscedasticity. Numerical examples and empirical studies demonstrate that the proposed method not only yields accurate parameter estimation, but it also provides accurate predictions for physical data in the presence of both heteroscedasticity and model misspecification.

연구 동기 및 목표

• 물리적 데이터에서 동분산 측정 오차를 가정하는 기존 校정 방법의 한계를 해결하기 위해.
• 측정 오차가 이종분산일 경우에도 강건한 컴퓨터 모델 校정 프레임워크를 개발하기 위해.
• 이종분산 오차 구조 하에서 매개변수 추정기의 점근적 성질을 도출하기 위해.
• 관측 데이터에 이종분산성이 존재하는지 확인하기 위한 적합도 검정을 구성하기 위해.
• 실제 식물 생장률 데이터를 활용하여 모형 오사용 및 변동하는 오차 분산 상황에서의 방법 성능을 평가하기 위해.

제안 방법

• 기존 컴퓨터 모델 校정 방법을 확장하여, 입력 변수 또는 공변량에 따라 의존하는 분산 구조를 사용해 이종분산 측정 오차를 모델링한다.
• 관측치 간 변동하는 오차 분산을 고려한 최대우도 기반 추정 방법을 적용하여 매개변수 추론을 향상시킨다.
• 제안된 이종분산 모형 하에서 추정기의 일致성과 점근적 정규성을 보장하기 위해 점근적 이론을 도출한다.
• 이종분산성이 데이터에 존재하는지 통계적으로 평가하기 위해 공식적인 적합도 검정을 개발한다.
• 실험 데이터에서의 복제를 통합하여 오차 분산을 비모수적 또는 모수적으로 추정한다.
• 수치 예제와 식물 상대생장률에 대한 실증 연구를 통해 방법을 검증하여, 모형 오사용에 대한 강건성을 입증한다.

실험 결과

연구 질문

• RQ1 동분산성을 가정하는 대신 이종분산 측정 오차를 고려하는 컴퓨터 모델을 위한 校정 방법을 개발할 수 있는가?
• RQ2 컴퓨터 모델 校정에서 이종분산 오차 가정 하에서 매개변수 추정기는 점근적으로 어떻게 행동하는가?
• RQ3 물리적 데이터에 이종분산성이 존재하는지 식별할 수 있는 통계적 검정이 가능한가?
• RQ4 컴퓨터 모형이 오사용될 경우, 제안된 방법의 매개변수 추정 및 예측 정확도는 어떻게 평가되는가?
• RQ5 복제 데이터의 활용이 이종분산 오차 구조 하에서 校정의 신뢰성에 얼마나 기여하는가?

주요 결과

• 제안된 방법은 측정 오차가 이종분산일 경우에도 정확한 매개변수 추정을 제공하며, 실제 데이터에서 동분산 가정보다 뛰어난 성능을 보인다.
• 점근적 이론은 이종분산 모형 하에서 추정기가 일치성과 점근적 정규성을 갖는다는 것을 확인하여 통계적 추론을 뒷받침한다.
• 개발된 적합도 검정은 물리적 데이터에 이종분산성이 존재하는지 효과적으로 탐지할 수 있어 적절한 모형 선택을 가능하게 한다.
• 수치 예제에서는 모형 오사용과 변동하는 오차 분산 상황에서도 높은 예측 정확도를 유지함을 보였다.
• 식물 상대생장률 실험의 실증 결과는 본 방법의 강건성과 생물학적 모델링에서의 실용적 유용성을 확인한다.
• 복제 데이터의 통합은 오차 분산 구조 추정을 크게 향상시켜 校정의 신뢰성을 제고한다.