[논문 리뷰] Gaussian Oracle Inequalities for Structured Selection in Non-Parametric Cox Model

Jelena Bradić, Rui Song|arXiv (Cornell University)|2012. 07. 18.

Statistical Methods and Inference인용 수 4

한 줄 요약

이 논문은 케이서링이 있는 고차원 비모수 코ックス 모형에서 희박하고 구조화된 변수 선택을 위한 유한표본 추론을 개발하며, 그룹 페널티와 새로운 비점근적 샌드위치 경계를 도입하여 국소 점근 정규성(LAN)을 $p \gg n$ 설정으로 확장한다. 이 논문은 적절한 케이서링 조건 하에서 이 모형에서 페널라이제이션된 추정량이 선형 모형에서와 유사한 예측 성질을 달성함을 입증한다.

ABSTRACT

To better understand the interplay of censoring and sparsity we develop finite sample properties of nonparametric Cox proportional hazard's model. Due to high impact of sequencing data, carrying genetic information of each individual, we work with over-parametrized problem and propose general class of group penalties suitable for sparse structured variable selection and estimation. Novel non-asymptotic sandwich bounds for the partial likelihood are developed. We establish how they extend notion of local asymptotic normality (LAN) of Le Cam's. Such non-asymptotic LAN principles are further extended to high dimensional spaces where $p \gg n$. Finite sample prediction properties of penalized estimator in non-parametric Cox proportional hazards model, under suitable censoring conditions, agree with those of penalized estimator in linear models.

연구 동기 및 목표

• 케이서링과 희박성의 상호작용이 고차원 생존 분석에서 어떻게 작용하는지 이해하기 위해.
• 유전 정보를 포함한 시퀀싱 데이터에서 발생하는 과도하게 매개변수화된 문제를 다루기 위해.
• 희박하고 구조화된 변수 선택 및 추정을 위한 일반적인 그룹 페널티 클래스를 개발하기 위해.
• 케이서링 하에서 페널라이제이션된 추정량의 유한표본 예측 성질을 확립하기 위해.
• 국소 점근 정규성(LAN) 개념을 $p \gg n$ 조건이 적용되는 고차원적이고 비점근적인 설정으로 확장하기 위해.

제안 방법

• 비모수 코ックス 모형에서 구조화된 희박성에 특화된 일반적인 그룹 페널티 클래스를 제안한다.
• 편미분 가능도 함수에 대한 새로운 비점근적 샌드위치 경계를 개발한다.
• 국소 점근 정규성(LAN) 개념을 고차원적이고 표본 수가 유한한 영역으로 확장한다.
• 일반적인 케이서링 메커니즘 하에서 페널라이제이션된 추정량의 행동을 분석한다.
• 비모수 코克斯 모형에서의 예측 성능과 선형 모형에서의 성능 간의 관계를 확립한다.
• 이론적 도구를 사용하여 $p \gg n$ 조건 하에서의 유한표본 성질을 유도한다.

실험 결과

연구 질문

• RQ1 케이서링은 고차원 비모수 코克斯 모형에서 변수 선택과 추정에 어떻게 영향을 미치는가?
• RQ2 비점근적 LAN 원칙은 $p \gg n$ 조건이 적용되는 고차원 설정으로 확장될 수 있는가?
• RQ3 어떤 그룹 페널티 구조가 생존 분석에서 효과적인 희박하고 구조화된 선택을 가능하게 하는가?
• RQ4 비모수 코克斯 모형에서 페널라이제이션된 추정량의 유한표본 예측 성질은 선형 모형에서의 성질과 어떻게 비교되는가?
• RQ5 과도하게 매개변수화된 생존 모형에서 신뢰할 수 있는 추정과 선택을 보장하기 위해 케이서링에 어떤 조건이 필요한가?

주요 결과

• 편미분 가능도에 대한 비점근적 샌드위치 경계가 유도되어 고차원 생존 모형에서의 유한표본 분석이 가능해졌다.
• 제안된 그룹 페널티는 구조화된 희박성을 지원하며, 과도하게 매개변수화된 유전 데이터 설정에서 변수 선택에 효과적이다.
• LAN 원리의 고차원적이고 유한표본 영역으로의 확장은 $p \gg n$ 설정에서의 추론에 대한 이론적 기반을 제공한다.
• 적절한 케이서링 조건 하에서 비모수 코克斯 모형에서 페널라이제이션된 추정량의 예측 성질이 선형 모형에서의 성질과 일치함이 입증되었다.
• 이론적 프레임워크는 설명변수의 수가 표본 크기를 초과하는 경우에도 신뢰할 수 있는 추정과 선택을 지원한다.