[논문 리뷰] Inference for moments of ratios with robustness against large trimming bias and unknown convergence rate

Yuya Sasaki, Takuya Ura|arXiv (Cornell University)|2017. 09. 04.

Statistical Methods and Inference참고 문헌 37인용 수 6

한 줄 요약

이 논문은 작은 분모와 알려지지 않은 수렴 속도로 인한 불안정성 문제를 해결하기 위해 편향 보정과 적응형 절단을 조합하여 비율의 모멘트 E[B/A]에 대한 강건한 추론 방법을 제안한다. 이 방법은 데이터 기반의 절단을 가능하게 하여 편향을 감소시키고 정밀도를 향상시키며, 시뮬레이션과 실제 데이터를 통한 역확률 가중치 부여에서 효과적으로 입증된다.

ABSTRACT

We consider statistical inference for moments of the form E[B/A]. A naive sample mean is unstable with small denominator, A. This paper develops a method of robust inference, and proposes a data-driven practical choice of trimming observations with small A. Our sense of the robustness is twofold. First, bias correction allows for robustness against large trimming bias. Second, adaptive inference allows for robustness against unknown convergence rate. The proposed method allows for closer-to-optimal trimming, and more informative inference results in practice. This practical advantage is demonstrated for inverse propensity score weighting through simulation studies and real data analysis.

연구 동기 및 목표

• 분모 A가 작을 때 E[B/A] 추정에서 고분산과 편향이 발생하는 불안정성 문제를 해결한다.
• 작은 A 값을 가진 관측치를 제거할 때 발생하는 큰 절단 편향 문제를 극복한다.
• 원인 추론 및 가중치 부여 방법에서 흔히 발생하는 비율 추정량의 알려지지 않은 수렴 속도에 강건한 방법을 개발한다.
• 수렴 속도에 대한 사전 지식이 필요 없이 추론 정확도를 향상시키는 데이터 기반의 절단 규칙을 제공한다.
• 비율 모멘트가 핵심이 되는 분야, 예를 들어 역확률 가중치 부여와 같은 실제 적용에서의 실용성을 향상시킨다.

제안 방법

• 작은 A 값을 가진 관측치를 제거할 때 발생하는 큰 절단 편향을 완화하기 위해 E[B/A]에 대한 편향 보정 추정량을 제안한다.
• 비율 추정량의 알려지지 않은 수렴 속도를 고려하여 조정하는 적응형 추론 절차를 도입한다.
• A의 경험적 분포를 기반으로 한 데이터 기반의 절단 임계값을 사용하여 편향과 분산 사이의 트레이드오���을 최적화한다.
• 절단과 편향 보정을 고려한 강건한 분산 추정량을 적용하여 타당한 추론을 보장한다.
• 알려지지 않은 수렴 속도에 대해 강건한 점근적 이론과 절단을 통합하여, 수렴 속도가 알려지지 않더라도 유효한 추론이 가능하도록 한다.
• 실제 응용 환경에서의 성능을 입증하기 위해 역확률 가중치 부여에 이 방법을 구현한다.

실험 결과

연구 질문

• RQ1 작은 분모를 가진 관측치를 절단할 때 E[B/A] 추정의 편향을 어떻게 줄일 수 있는가?
• RQ2 비율 모멘트 추정에서 최적의 절단 임계값을 선택하는 데이터 기반 방법은 무엇인가?
• RQ3 비율 추정량의 수렴 속도가 알려지지 않았을 때 추론이 어떻게 유효하게 유지될 수 있는가?
• RQ4 제안된 방법은 난이도 또는 고정 임계값 절단에 비해 정밀도와 강건성에서 어느 정도 향상되는가?
• RQ5 이 방법은 역확률 가중치 부여 상황에서 실용적으로 적용되고 검증될 수 있는가?

주요 결과

• 제안된 방법은 비율 모멘트 추정에서 난이도 또는 고정 임계값 절단 방법에 비해 절단 편향을 크게 감소시킨다.
• 적응형 추론은 추정량의 수렴 속도가 알려지지 않거나 느릴 경우에도 타당한 커버리지 보장을 보장한다.
• 데이터 기반 절단은 사전 지식이 없는 또는 고정된 절단 규칙보다 더 정밀하고 정보가 풍부한 추론 결과를 이끈다.
• 시뮬레이션 연구에서 다양한 표본 추출 상황에서 평균제곱오차와 커버리지 비율이 향상됨을 보였다.
• 역확률 가중치 부여에서의 실제 데이터 분석을 통해 이 방법이 편향을 감소시키고 추정 안정성을 향상시키는 실용적 이점을 확인했다.