[논문 리뷰] Default Bayes Factors for Testing the (In)equality of Several Population Variances

Fabian Dablander, Don van den Bergh외 2명|UvA-DARE (University of Amsterdam)|2020. 03. 13.

Statistical Methods in Clinical Trials인용 수 5

한 줄 요약

이 논문은 정밀도 파라미터의 재매개변수화를 통해 다양한 모집단 간 분산의 등가성 또는 비등가성을 검정하기 위한 기본 베이지안 우도비를 제안한다. 이 방법은 등가성 검정과 순서 제약이 있는 가설(예: σ₁² > σ₂²)을 모두 지원하며, 근본 모형과 대립 모형에 대한 단계적 증거를 제공한다. 이는 R 패키지 bfvartest에 구현되어 있으며, 전통적인 F검정에 비해 해석 가능성과 표본 추출 상황에서의 일관성이 향상된 베이지안 대안을 제공한다.

ABSTRACT

Testing the (in)equality of variances is an important problem in many statistical applications. We develop default Bayes factor tests to assess the (in)equality of two or more population variances, as well as a test for whether the population variances equal a specific value. The resulting test can be used to check assumptions for commonly used procedures such as the $t$-test or ANOVA, or test substantive hypotheses concerning variances directly. We show that our Bayes factor fulfills a number of desiderata. Researchers may have directed hypotheses such as $σ_{1}^{2} > σ_{2}^{2}$, they may want to extend $\mathcal{H}_{0}$ to have a null-region, or wish to combine hypotheses about equality with hypotheses about inequality, for example $σ_{1}^{2} = σ_{2}^{2} > (σ_{3}^{2}, σ_{4}^{2})$. We extend our Bayes factor test to allow for these deviations from our proposed default and illustrate it on a number of practical examples. Our procedure is implemented in the R package $bfvartest$.

연구 동기 및 목표

• 다양한 군집 간 분산의 (비)등가성을 검정하기 위한 베이지안 접근법을 개발하여, 전통적인 p값 기반 검정의 한계를 해결한다.
• 연구자들이 귀무가설(예: 동일한 분산)에 대한 증거를 정량화하고 체계적인 방식으로 사전 지식을 통합할 수 있도록 한다.
• 방향성 있는 가설(예: σ₁² > σ₂²)과 복잡한 제약 조건(예: σ₁² = σ₂² > σ₃²,σ₄²)을 지원하여 단순한 등가성 초과의 범위를 넘어서도록 한다.
• 일관성, 불변성, 모형 비교에서의 타당성과 같은 핵심 욕구를 충족하는 기본적이고 객관적인 방법을 제공한다.

제안 방법

• 군집 정밀도 τⱼ를 평균 정밀도와 K−1개의 비율 ϑⱼ로 재매개변수화하여 가설 공간의 변환을 가능하게 한다.
• 대안 모형 하에서 정밀도 비율에 비정보성 사전을 사용하고, 귀무가설 하에서 제프리스 스타일의 기준 사전을 적용하여 기본 베이지안 우도비를 유도한다.
• H₀ 및 H₁ 하에서의 주변 가능도를 사용하여 베이지안 우도비를 계산하며, H₁ 하에서 비율 ϑⱼ에 딜리클레 사전을 적용한다.
• 모형 비교에서의 부수적 변수(평균)는 통합하여 분산 구조에 집중한다.
• 특정 값에 대한 검정(H₀: σ² = 0.10)과 간격 귀무가설(H₀: σ² ∈ [0.90, 1.10])을 비중첩 간격 접근법을 통해 지원한다.
• 이 절차는 R 패키지 bfvartest에 구현되어 있으며, 이원 검정(twosd_test), 일원 검정(onesd_test), K원 검정(ksd_test)을 위한 기능을 제공한다.

실험 결과

연구 질문

• RQ1 다양한 군집 간 분산의 등가성을 베이지안 프레임워크를 통해 어떻게 검정할 수 있으며, 등가성과 비등가성에 대한 증거를 정량화할 수 있는가?
• RQ2 일관성, 불변성, 타당성과 같은 핵심 욕구를 충족하는 기본 베이지안 우도비를 분산 검정의 맥락에서 구성할 수 있는가?
• RQ3 방향성 있는 가설(예: σ₁² > σ₂²)과 복잡한 순서 제약 가설(예: σ₁² = σ₂² > σ₃²,σ₄²)을 다룰 수 있도록 기본 베이지안 우도비를 어떻게 확장할 수 있는가?
• RQ4 제안된 베이지안 우도비는 전통적 검정 및 분수 베이지안 우도비 접근법과 비교하여 성능이 어떻게 되는가?
• RQ5 이 방법은 측정 정밀도 평가나 심리학 및 고고학 분야에서의 변동성에 대한 실질적 가설 검정과 같은 실제 문제에 어떻게 적용될 수 있는가?

주요 결과

• 제안된 기본 베이지안 우도비는 표본 크기가 증가함에 따라 참 가설을 올바르게 지지하는 일관성을 보이며, 표본 간 일관성이 확보된다.
• 이 방법은 핵심 욕구를 충족한다: 재매개변수화에 대한 불변성, 일관성, 모형 비교에서의 타당성.
• H₀: σ₁² = σ₂² 대비 H₁: σ₁² ≠ σ₂² 검정에 대한 베이지안 우도비는 강건하고 해석 가능하며, K=2인 경우에 대해 명시적인 공식이 도출되었다.
• 특정 값에 대한 모집단 분산 검정(H₀: σ² = 0.10)을 지원하며, 정밀도 비율에 기본 사전을 적용한다.
• 순서 제약 가설(예: σ₁² > σ₂²)에 대해서는 단계적 증거를 제공하며, 성격 차이에 관한 연구에서 결과가 시각화되어 있다.
• R 패키지 bfvartest는 이 방법을 성공적으로 구현하여 심리학, 고고학, 공학 등 다양한 분야에서의 응용을 가능하게 하였다.