[논문 리뷰] On large-sample estimation and testing via quadratic inference functions for correlated data

Ramani S. Pilla, Catherine Loader|ArXiv.org|2005. 05. 17.

Advanced Statistical Methods and Models참고 문헌 14인용 수 5

한 줄 요약

이 논문은 상관된 자료 분석에서 이차 추론 함수(QIF)에 대한 통합적인 대표본 이론을 수립하며, 확장된 스코어 함수의 공분산에 대한 안정적인 추정량을 제안하고 추정 및 검정에 대한 점근적 성질을 도출한다. 주요 기여는 오차 구조가 잘못 지정된 경우에도 강건성과 효율성을 보장하는 균일한 이차 근사이다. 시뮬레이션 결과는 항등 행렬 공분산 구조를 사용할 경우에도 검정력 손실가 최소화됨을 보여준다.

ABSTRACT

Hansen (1982) proposed a class of "generalized method of moments" (GMMs) for estimating a vector of regression parameters from a set of score functions. Hansen established that, under certain regularity conditions, the estimator based on the GMMs is consistent, asymptotically normal and asymptotically efficient. In the generalized estimating equation framework, extending the principle of the GMMs to implicitly estimate the underlying correlation structure leads to a "quadratic inference function" (QIF) for the analysis of correlated data. The main objectives of this research are to (1) formulate an appropriate estimated covariance matrix for the set of extended score functions defining the inference functions; (2) develop a unified large-sample theoretical framework for the QIF; (3) derive a generalization of the QIF test statistic for a general linear hypothesis problem involving correlated data while establishing the asymptotic distribution of the test statistic under the null and local alternative hypotheses; (4) propose an iteratively reweighted generalized least squares algorithm for inference in the QIF framework; and (5) investigate the effect of basis matrices, defining the set of extended score functions, on the size and power of the QIF test through Monte Carlo simulated experiments.

연구 동기 및 목표

• QIF 프레임워크에서 확장된 스코어 함수의 정확한 추정 공분산 행렬을 제시하는 것.
• QIF 추정 및 검정을 위한 종합적인 대표본 이론적 프레임워크를 개발하는 것.
• 상관된 자료에서 선형 가설 검정을 위한 QIF 검정 통계량의 일반화를 도출하는 것.
• QIF 추론을 위한 반복적으로 재가중된 일반화된 최소제곱 알고리즘을 제안하는 것.
• 몬테카를로 시뮬레이션을 통해 기저 행렬이 QIF 검정의 크기와 검정력에 미치는 영향을 평가하는 것.

제안 방법

• 논문은 진짜 모수 벡터 β₀ 근처에서 QIF 표면에 대한 균일한 이차 근사를 도입하여 점근적 이론 개발을 가능하게 한다.
• 이전 QIF 수식의 결함을 보완하기 위해 확장된 스코어 함수의 공분산 행렬에 대한 일致한 추정량을 도출한다.
• QIF 검정 통계량은 선형 가설을 위해 일반화되었으며, 근본 가설과 국소 대립가설 하에서 점근적으로 카이제곱 분포를 따름을 보여준다.
• QIF 추정량을 효율적이고 안정적으로 계산하기 위해 반복적으로 재가중된 일반화된 최소제곱 알고리즘을 제안한다.
• 이론적 결과는 일반화된 모멘트 방법(GMM) 프레임워크에 기반하며, Hansen(1982)의 GMM을 암묵적으로 공분산 구조를 추정하도록 확장한다.
• 몬테카를로 시뮬레이션을 통해 다양한 공분산 구조와 분포 하에서 기저 행렬의 오류 지정에 대한 QIF 검정의 강건성을 평가한다.

실험 결과

연구 질문

• RQ1 제안된 QIF 프레임워크는 기저 행렬이 잘못 지정된 경우에도 점근적으로 타당한가?
• RQ2 기저 행렬의 선택은 QIF 검정 통계량의 크기와 검정력에 어떤 영향을 미치는가?
• RQ3 통합적인 대표본 이론을 통해 안정적이고 효율적인 QIF 추정량을 도출할 수 있는가?
• RQ4 근본 가설과 국소 대립가설 하에서 QIF 검정 통계량의 점근적 분포는 무엇인가?
• RQ5 AR-1, 교환가능, 항등 구조와 같은 다양한 공분산 구조에서 QIF는 어떻게 성능을 발휘하는가?

주요 결과

• 기저 행렬이 잘못 지정된 경우에도 QIF 검정 통계량은 근본 가설 하에서 점근적으로 카이제곱 분포를 유지하여 강건성을 보장한다.
• 시뮬레이션 결과는 모든 공분산 구조와 분포에서 QIF 검정의 크기가 명목상 5% 수준에 매우 가까운 것으로 나타났다.
• 상관계수 ρ가 증가할수록 검정력은 감소하지만, AR-1, AR-2 및 항등 구조 간의 검정력 차이는 미미하여 오류 지정에 따른 검정력 손실가 최소임을 시사한다.
• 항등 기저에서 비중앙성 파ameter 추정치는 약간 낮게 나타나지만, 이 차이는 유한 표본의 검정력에 반영되지 않아 실무에서의 강건성을 시사한다.
• 비중앙성 파ameter 추정치는 QIF 프레임워크가 작업 공분산 구조가 잘못 지정된 경우에도 양호한 효율성을 유지함을 확인한다.
• 확장된 스코어 함수에 대한 제안된 공분산 추정량은 점근적 이론을 안정화시켜 이전 QIF 수식에서 발생하던 문제를 해결한다.