[논문 리뷰] Likelihood inference for incompletely observed stochastic processes: ignorability conditions

Daniel Commenges, G Anne|arXiv (Cornell University)|2005. 07. 07.

Complex Systems and Time Series Analysis참고 문헌 30인용 수 8

한 줄 요약

이 논문은 관측이 불완전한 확률과정에서 통계적 추론을 위한 엄밀한 우도 기반 프레임워크를 개발한다. 이는 랜덤한 관측 누락 메커니즘이 존재하더라도 유효한 우도 추론을 보장하는 동적 무시 가능 조건(CAR(DYN))을 도입한다. 이는 응답 과정이 각 시점까지의 관측 정보에만 의존할 경우 무시 가능성이 성립함을 보여주며, 이는 수의적 및 연속 상태 과정에 대한 일반적인 공해 모델 하에서 유효한 우도 분석을 가능하게 한다.

ABSTRACT

We develop a study of ignorability and conditions thereof for likelihood inference in the framework of stochastic processes. We define a coarsening model for processes which includes discrete-time observations as well as censored continuous-time observations and applies to continuous state-space processes as well as counting processes. For preparing the work we recall formulas for manipulating marginal and conditional likelihood ratios (which can apply to stochastic processes). Ignorability is defined in terms of local equality of two likelihood ratios. We give static conditions of ignorability and then dynamical conditions which are more interpretable. We illustrate the use of the dynamical conditions of ignorability in problems of censoring, missing data and joint modelling.

연구 동기 및 목표

• 관측이 불완전한 확률과정에서 우도 추론을 위한 무시 가능 조건을 체계화하는 것.
• 종단적 및 생존 분석 설정에서의 누락 데이터, 케이서링, 공해 관측과 같은 과제를 다루는 것.
• 루빈의 무시 가능 개념을 수의적 및 연속 시간 확률과정(예: 수의적 및 확산 과정 포함)으로 확장하는 것.
• 라돈-니코다임 미분과 조건부 우도 비율을 사용한 수학적으로 엄밀한 프레임워크를 제공하는 것.
• 연구자들이 우도 기반 추론에서 누락 메커니즘을 안전하게 무시할 수 있는지 평가할 수 있도록 실용적인 조건—특히 CAR(DYN)—을 제공하는 것.

제안 방법

• 관측 대상 과정 $ X_t $ 가 언제, 어떻게 관측되는지를 기록하기 위해 응답 과정 $ R_t $ 를 사용한 확률과정의 공해 모델을 사용한다.
• 라돈-니코다임 미분 이론을 적용하여 확률과정에 대한 우도 비율을 정의함으로써 우도 기반 추론을 가능하게 한다.
• 관측 정보를 체계적으로 표현하기 위해 시그마-필트르 표현을 도입하고, 전체 우도와 관측 우도를 구분한다.
• 진짜 모형과 고정된 메커니즘 모형 하에서의 우도 비율이 국소적으로 동일할 때 무시 가능성을 정의함으로써 유효한 추론을 보장한다.
• 정적(CAR(TCMP))과 동적(CAR(DYN)) 무시 가능 조건을 제안하며, CAR(DYN)이 더 해석 가능하고 실용적으로 적용 가능하다.
• 응답 과정이 과거의 관측 데이터에만 의존하도록 보장하기 위해 필터레이션에서의 보정기 등가성을 사용하여 동적 조건을 체계화한다.

실험 결과

연구 질문

• RQ1 확률과정의 우도 추론에서 누락 메커니즘을 언제 무시할 수 있는가?
• RQ2 일반적인 공해 하에서 연속 시간 과정에서 무시 가능성을 체계적으로 정의하고 검증할 수 있는가?
• RQ3 어떤 동적 조건이 관측된 데이터 기반 우도가 고정된 누락 메커니즘 하의 우도와 동일하게 되도록 보장하는가?
• RQ4 우리의 무시 가능 조건이 오른쪽 케이서링, 누락 데이터, 또는 공동 모델링과 같은 설정에서 성립하는가?
• RQ5 감지 한계가 있는 HIV-RNA 측정치나 정보성 이탈이 있는 CD4+ T세포 감소와 같은 실제 문제에 이 이론은 어떻게 적용되는가?

주요 결과

• 응답 과정 $ R $ 의 보정기가 전체 필터레이션과 관측 필터레이션에서 동일할 경우 동적 무시 가능 조건 CAR(DYN)이 성립하며, 이는 향후 응답 확률이 과거의 관측 데이터에만 의존함을 보장한다.
• AIDS 역학 예시에서 방문 시점이 관측된 CD4 수치에만 의존할 경우 CAR(DYN)이 성립하지만, 관측되지 않은 임상 증상에 의존할 경우 실패한다.
• 감지 한계가 있는 종단적 마커 연구에서는 수직적 공해(예: 왼쪽 케이서링)가 관측된 값에만 의존하는 케이서링 메커니즘이면 CAR(DYN) 하에서 처리될 수 있다.
• CD4 수치와 AIDS 진행을 공동 모델링할 경우, 이탈 강도가 방문 시점의 관측된 AIDS 상태에만 의존할 경우 CAR(DYN)이 성립한다. 이는 관측되지 않은 값에 의존하지 않는다.
• 진짜 측정값에 대한 관측 경로가 진짜 측도 하에서 확률이 0이 되는 경우에도 이 이론은 적용 가능하다. 예를 들어 간격 케이서링 또는 다중 상태 과정에서도 적용 가능하다.
• CAR(DYN) 하에서 우도의 인수분해를 통해 약한 및 강한 무시 가능성을 가능하게 하며, 이는 누락 메커니즘을 명시적으로 모형화하지 않아도 유효한 우도 추론이 가능하다.