[논문 리뷰] Compositional Data Regression in Insurance with Exponential Family PCA

Guojun Gan, Emiliano A. Valdez|arXiv (Cornell University)|2021. 12. 29.

Geochemistry and Geologic Mapping인용 수 4

한 줄 요약

이 논문은 보험 분야에서 조성된 자료를 모델링하기 위해 전통적인 PCA가 제약 조건이 있고 상대적 비율이 있는 자료 분석에서 겪는 한계를 해결하기 위해 지수족 주성분 분석(EPCA)을 제안한다. EPCA는 표준 PCA 및 ILR 기반 방법보다 우수한 성능을 보이며, 유의미하고 해석 가능한 주성분을 생성하여 광산 데이터에서 부상 예측을 위한 음이항 회귀 정확도를 향상시킨다.

ABSTRACT

Compositional data are multivariate observations that carry only relative information between components. Applying standard multivariate statistical methodology directly to analyze compositional data can lead to paradoxes and misinterpretations. Compositional data also frequently appear in insurance, especially with telematics information. However, such type of data does not receive deserved special treatment in most existing actuarial literature. In this paper, we explore and investigate the use of exponential family principal component analysis (EPCA) to analyze compositional data in insurance. The method is applied to analyze a dataset obtained from the U.S. Mine Safety and Health Administration. The numerical results show that EPCA is able to produce principal components that are significant predictors and improve the prediction accuracy of the regression model. The EPCA method can be a promising useful tool for actuaries to analyze compositional data.

연구 동기 및 목표

• 텔레매틱스 기반 보험 분석에서 특히 조성된 자료에 특화된 처리 방법의 부족을 해결하기 위해.
• 척도 불변성 위반 및 실론의 역설과 같은 조성된 자료에서 표준 다변량 방법의 함정을 극복하기 위해.
• 보험이나 자료에서 흔히 볼 수 있는 영점이 많거나 희박한 구조를 갖춘 조성된 예측 변수에 특화된 강력한 차원 축소 기법을 개발하기 위해.
• 조성된 자료에서 유도된 저차원 표현을 활용해 회귀 모델의 예측 정확도를 향상시키기 위해.
• 실제 광산 부상 데이터셋에서 EPCA가 전통적인 PCA 및 ILR 기반 접근법보다 뛰어난 성능을 보임을 입증하기 위해.

제안 방법

• 조성된 예측 변수를 상호수직이고 저차원의 성분으로 변환하여 상대적 정보를 유지하는 지수족 주성분 분석(EPCA)을 적용한다.
• 지수족 분포의 로그우도를 사용해 비정규, 카운트 기반 또는 비대칭 조성된 자료를 다룰 수 있도록 한다.
• 과분산된 카운트 결과(예: 부상 빈도)를 모델링하면서 조성된 공변량을 고려한 음이항 회귀와 EPCA를 통합한다.
• 모델 적합도, 유의성, 예측 정확도 측면에서 EPCA를 고전적 PCA 및 등록률대수비(Log-ratio, ILR) 변환 방법과 비교한다.
• 각 성분이 조성된 구조의 주요 변동을 반영하도록 주성분을 회귀 모델의 예측 변수로 사용한다.
• EPCA 결과를 원래의 조성된 공간에서 해석하기 위해 역변환을 적용하여 보험사에게 실용적 관련성을 확보한다.

실험 결과

연구 질문

• RQ1 EPCA는 영점이 많은 성분을 포함한 조성된 보험 자료에서 의미 있는 저차원 표현을 효과적으로 추출할 수 있는가?
• RQ2 EPCA는 고전적 PCA 및 ILR 기반 방법과 비교해 통계적 유의성과 예측 성능 측면에서 어떻게 다른가?
• RQ3 EPCA 성분의 사용이 광산 운영에서의 부상 빈도 예측에 있어 음이항 회귀 모델의 정확도를 향상시키는가?
• RQ4 EPCA 성분은 조성된 자료 분석에서 실론의 역설과 같은 역설을 피하면서도 부분조성 일관성을 얼마나 잘 유지하는가?
• RQ5 EPCA는 영점을 포함한 희박한 조성된 자료를 처리할 수 있는가? 이때 영점을 제거하는 자료 변환을 요구하지 않는가?

주요 결과

• EPCA가 생성한 주성분은 모두 통계적으로 유의미했다(p < 0.05), 반면 고전적 PCA의 세 번째 주성분은 그렇지 않았다(p = 0.8214).
• EPCA 성분을 사용한 NBEPCA 모델은 NBPCA 및 ILR 기반 모델보다 더 높은 예측 정확도를 기록했으며, 모델 적합도 향상과 성분의 유의성 향상으로 뒷받침되었다.
• ILR 변환된 모델에서 일부 성분(V5, V7 등)은 유의미성 p값이 0.1을 초과하여 유의미하지 않음을 시사했으며, 이는 차원 축소의 필요성을 암시한다.
• EPCA 방법은 영점이 많은 조성된 자료를 처리하면서도 영치를 제거하는 자료 변환을 요구하지 않아 성공적으로 처리했다.
• ILR 변환 변수에 비해 EPCA 성분은 더 해석 가능하고 안정적이었으며, ILR 변환 변수는 매우 변동성이 크고 해석이 어려운 계수를 보였다.
• NBEPCA 모델은 deviance 감소와 예측 변수의 더 높은 유의성로 뛰어난 성능을 보였으며, EPCA가 보험 회귀에서의 가치를 확인했다.