[논문 리뷰] Prediction Measures in Beta Regression Models

Patrícia L. Espinheira, Luana Cecília Meireles da Silva외 1명|arXiv (Cornell University)|2015. 01. 20.

Advanced Statistical Methods and Models참고 문헌 12인용 수 5

한 줄 요약

이 논문은 적합도 통계량과 무관한 예측 성능 평가를 위해 변동 분산을 갖는 베타 회귀 모형에 대한 PRESS 통계량과 예측 계수($P^2$)를 제안한다. 평균 및 정밀도 파ameter에 대해 피셔의 스코링 알고리즘을 기반으로 한 새로운 잔차 기반 접근법을 도입하여, 시뮬레이션과 브라질 상우아우주에서의 실질적 가스 분포 사례 연구를 통해 $P^2$가 잘못 지정된 모형이나 경계값 상황에서 특히 신뢰할 수 없는 모형을 효과적으로 식별함을 입증한다.

ABSTRACT

We consider the issue of constructing PRESS statistics and coefficients of prediction for a class of beta regression models. We aim at displaying measures of predictive power of the model regardless goodness-of-fit. Monte Carlo simulation results on the finite sample behavior of such measures are provided.We also present an application that relates to the distribution of natural gas for home usage in São Paulo, Brazil. Faced with the economic risk of to overestimate or to underestimate the distribution of gas was necessary to construct prediction limits using beta regression models (Espinheira et al., 2014). Thus, it arises the aim of this work, the selection of best predictive model to construct best prediction limits.

연구 동기 및 목표

• 적합도 통계량과 무관한 예측 성능 측도를 개발하기 위해.
• 정밀도가 예측 변수에 따라 달라지는 베타 회귀 모형에 대해 PRESS 및 $P^2$ 계수를 확장하기 위해.
• 유한 표본 행동을 몬테카를로 시뮬레이션을 통해 평가하기 위해.
• 브라질 상우아우주에서의 천연가스 분포 문제에 제안된 측도를 적용하기 위해.
• 높은 위험을 수반하는 응용 분야에서 신뢰할 수 있는 예측 구간을 구성하기 위한 모형 선택을 안내하기 위해.

제안 방법

• 변동 분산을 갖는 베타 회귀 모형에서 평균($\beta$) 및 정밀도($\gamma$) 파ameter에 대해 피셔의 스코링 알고리즘의 일반 잔차를 조합한 새로운 잔차를 제안한다.
• 각 관측치를 제외한 모형 적합 과정에서 얻은 외부 잔차의 제곱합으로 PRESS 통계량을 유도한다.
• PRESS 기반의 예측 R제곱 측도로 $P^2$ 계수를 도입하며, 이는 $R^2$와 유사하지만 예측에 중점을 둔다.
• 베타 분포의 지수족 구조에서 유도된 스코어 함수 및 피셔 정보 행렬을 기반으로 피셔의 스코링 반복 알고리즘을 사용해 $\beta$ 및 $\gamma$를 추정한다.
• 모형 잘못 지정, 레이저 포인트, 경계 응답 값 상황에서의 예측 능력을 평가하기 위해 $P^2$ 및 $P^2_{\beta\gamma}$ 통계량을 적용한다.
• 결과 변수 생략 또는 부정확한 분산 가정과 같은 상황을 포함한 다양한 시나리오에서의 유한 표본 성능을 평가하기 위해 몬테카를로 시뮬레이션을 활용한다.

실험 결과

연구 질문

• RQ1 변동 분산을 갖는 베타 회귀 모형의 예측 능력을 평가할 때 PRESS 및 $P^2$ 통계량은 어떻게 작동하는가?
• RQ2 적합도 통계량인 $R^2_{LR}$이 이를 감지하지 못할 때 $P^2$는 모형의 신뢰성 부족을 감지할 수 있는가?
• RQ3 응답 값이 0 또는 1에 가까울 경우, 정확한 모형 지정 조건에서도 예측 성능은 어떻게 영향을 받는가?
• RQ4 결과 변수 생략 또는 잘못된 분산 모형화는 예측 측도에 어떤 영향을 미치는가?
• RQ5 $P^2$와 $P^2_{\beta\gamma}$는 예측 능력이 떨어지는 모형을 식별하는 데 어떻게 비교되는가?

주요 결과

• $P^2$ 및 $P^2_{\beta\gamma}$ 계수는 유사하게 작동하며, 특히 잘못 지정된 모형이나 높은 레이저 상황에서 예측 능력이 떨어지는 모형을 효과적으로 식별한다.
• 응답 값이 0 또는 1에 가까울 경우, 정확한 모형 지정 조건에서도 예측 능력이 크게 감소함을 보이며, 경계 값에 대한 민감성을 드러낸다.
• $R^2_{LR}$ 통계량도 이러한 상황에서 부적합함을 감지하지만, $P^2$는 적합도를 넘어서 추가적인 예측 통찰을 제공한다.
• 몬테카를로 시뮬레이션 결과 $P^2$는 결과 변수 생략 및 잘못된 분산 모형화에 대해 강건하며, 전통적인 적합도 기반 기준보다 예측 선택에서 뛰어난 성능을 보였다.
• 상우아우주에서의 실질적 적용 결과 $P^2$는 더 나은 예측 구간을 갖는 모형 선택을 지원함을 확인하였으며, 이는 위험 관리에 있어 핵심적이다.
• 제안된 잔차 기반 PRESS 통계량은 계산적으로 실현 가능하며, 베타 회귀에서 전통적인 적합도 기반 모형 평가의 신뢰할 수 있는 대안을 제공한다.