[논문 리뷰] Confidence intervals for median absolute deviations

Chandima N. P. G. Arachchige, Luke A. Prendergast|arXiv (Cornell University)|2019. 10. 01.

Statistical Methods in Clinical Trials참고 문헌 10인용 수 5

한 줄 요약

이 논문은 절대편차의 중앙값(MAD)에 대한 신뢰구간, MAD의 차이, MAD의 비율을 구하기 위해 渐近 분산과 부분 영향 함수를 사용하여 강건한 추론을 보장한다. 시뮬레이션 결과는 다양한 분포에서 명목 수준에 가까운 신뢰구간의 커버리지 확률을 보이며, 실제 데이터 예제에서는 이상치가 존재할 경우 분산 기반 구간보다 뛰어난 성능을 보인다.

ABSTRACT

The median absolute deviation (MAD) is a robust measure of scale that is simple to implement and easy to interpret. Motivated by this, we introduce interval estimators of the MAD to make reliable inferences for dispersion for a single population and ratios and differences of MADs for comparing two populations. Our simulation results show that the coverage probabilities of the intervals are very close to the nominal coverage for a variety of distributions. We have used partial influence functions to investigate the robustness properties of the difference and ratios of independent MADs.

연구 동기 및 목표

• 분산 기반 추론의 강건한 대안으로서 중앙편차의 중앙값(MAD)에 대한 신뢰성 있는 구간 추정기를 개발하는 것.
• 두 개별 모집단 간 분산을 비교하기 위해 MAD의 차이와 비율에 대한 구간 추정을 확장하는 것.
• MAD의 유한한 영향 함수와 높은 붕괴점 특성을 활용하여 이상치에 대해 강건성을 확보하는 것.
• 비율과 차이의 MAD에 대한 구간 추정기의 강건성을 부분 영향 함수를 통해 조사하는 것.
• 정규성 가정이 성립하지 않을 경우 기존의 분산 기반 구간에 대한 실용적이고 해석이 쉬운 대안을 제공하는 것.

제안 방법

• 영향 함수로부터 유도된 MAD 추정기의 점점 분산을 사용하여 구간 추정을 수립한다.
• 독립된 MAD의 비율과 차이에 대한 구간 추정기의 강건성을 평가하기 위해 부분 영향 함수(PIFs)를 적용한다.
• 오염된 환경 하에서 기능적 추정치의 급수 전개를 활용하여 MAD 및 그 변환에 대한 영향 함수를 유도한다.
• 유연한 분포 모델링을 위해 일반화된 라미다 분포(GLD)를 사용하여 MAD의 점점 분산을 유도한다.
• 점점 분산 공식에서 추정된 표준오차를 사용하여 정규 근사법을 통해 구간 추정을 수립한다.
• 단일 표본, 두 표본 차이, 두 표본 비율에 대한 MAD에 대한 구간 추정을 위한 R 패키지 구현을 수행한다.

실험 결과

연구 질문

• RQ1 일반적인 분포, 특히 작은 표본에서 MAD에 대한 신뢰성 있는 구간 추정기를 구성할 수 있는가?
• RQ2 비율과 차이의 MAD에 대한 구간 추정기는 전통적인 분산 기반 구간과 비교해 커버리지와 강건성 측면에서 어떻게 다른가?
• RQ3 부분 영향 함수로 측정했을 때, 오염 환경 하에서 비율과 차이의 MAD에 대한 구간 추정기의 강건성은 어떠한가?
• RQ4 분산 기반 구간이 이상치의 영향으로 실패할 경우, MAD 기반 구간은 분산의 차이를 탐지할 수 있는가?
• RQ5 로그정규분포 및 라플라스 분포와 같은 비정규 분포에서 MAD 기반 구간의 성능은 어떻게 변화하는가?

주요 결과

• 비정규 분포를 포함한 다양한 분포에서 MAD의 구간 추정기 커버리지 확률은 명목 수준(예: 95%)에 매우 가까운 것으로 나타났다.
• 표본 크기가 n = 50일 때조차도 구간 추정기가 뛰어난 커버리지 성능을 유지하여 유한 표본에서의 강력한 성능을 입증하였다.
• 실제 데이터 예제에서 이상치의 영향으로 인해 분산 기반 구간이 유의미한 분산 차이를 탐지하지 못하는 동안, MAD 기반 구간은 그 차이를 탐지하였다.
• 부분 영향 함수는 비율과 차이의 MAD 추정기들이 오염 환경 하에서도 강건하며, 영향이 유한함을 확인하였다.
• MAD의 제곱 비율은 분산의 비율에 자연스러운 대응 관계를 가지며, 이에 대한 구간 추정이 높은 정확도를 보였다.
• R 패키지의 구현을 통해 단일 표본 및 두 표본 설정에서 이러한 구간 추정기의 실용적 적용이 가능해졌다.