[논문 리뷰] Quantile regression in transformation models

Dorota M. Dabrowska|ArXiv.org|2005. 11. 21.

Statistical Methods and Inference참고 문헌 18인용 수 18

한 줄 요약

이 논문은 케이서링된 데이터를 가진 반모수적 전환 모형에 대해 분위수 회귀 방법을 개발하며, 조건부 분위수에 대한 추정기와 경험 과정의 약한 수렴을 통한 신뢰구간을 제안한다. 주요 기여는 케이서링 하에서 분위수 과정의 점근적 정규성을 확립함으로써, 전환 함수가 알려져 있지 않은 생존 분석에서 타당한 추론을 가능하게 한다.

ABSTRACT

Conditional quantiles provide a natural tool for reporting results from regression analyses based on semiparametric transformation models. We consider their estimation and construction of confidence sets in the presence of censoring.

연구 동기 및 목표

• 우측 케이서링 하에서 반모수적 전환 모형으로 분위수 회귀를 확장하여 조건부 분위수에 대한 추론을 가능하게 한다.
• 모르는 전환 함수와 케이서링 메커니즘을 고려한 조건부 분위수에 대한 추정기를 개발한다.
• 경험 과정의 약한 수렴을 이용하여 분위수 함수에 대한 타당한 신뢰구간을 구성한다.
• 케이서링 하에서 분위수 과정의 점근적 분포를 확립하여 추론의 타당성을 보장한다.

제안 방법

• 실패 시간 T의 조건부 분포를 전환 모형 F(t|z) = F(Γ(t), θ|z)로 모델링하며, 여기서 Γ는 알려지지 않은 증가 함수이다.
• 조건부 분위수를 Q(p|z) = Γ⁻¹(exp(−θᵀz)G⁻¹(p))로 표현하여 분위수를 회귀 계수 θ와 전환 함수 Γ에 연결한다.
• 케이서링을 가중 경험 과정을 통해 반영하는 시간 전환 마팅게일 접근법을 사용하여 분위수 과정의 점근적 분포를 유도한다.
• 약한 수렴 이론을 적용하여 추정된 과정과 진짜 과정 사이의 스케일링된 차이가 가우시안 과정으로 수렴함을 보인다.
• 한계 가우시안 과정과 경험 과정 근사치를 사용하여 분위수 함수에 대한 신뢰구간을 유도한다.
• 부분적 통합과 그론발의 부등식을 사용하여 추정된 전환 함수가 존재할 경우의 추정 오차를 통제한다.

실험 결과

연구 질문

• RQ1 데이터가 우측 케이서링되어 있을 경우 전환 모형에서 조건부 분위수는 어떻게 추정할 수 있는가?
• RQ2 케이서링된 전환 모형에서 분위수 과정의 점근적 분포는 무엇인가?
• RQ3 케이서링 하에서 조건부 분위수 함수에 대한 신뢰구간은 어떻게 구성할 수 있는가?
• RQ4 모르는 전환 함수를 추정하는 것이 분위수 과정의 점근적 행동에 어떤 영향을 미치는가?

주요 결과

• 적절히 스케일링된 분위수 과정은 영 모형 하에서 약한 수렴을 통해 평균이 0인 가우시안 과정으로 수렴하며, 이는 점근적 추론을 가능하게 한다.
• 한계 분포는 케이서링을 고려한 시간 전환 마팅게일 표현을 통해 유도된다.
• 추정된 과정과 진짜 과정 사이의 차이는 확률적으로 0으로 수렴하여 일致성 보장된다.
• 한계 가우시안 과정과 경험 과정 근사치를 사용하여 조건부 분위수 함수에 대한 신뢰구간을 구성할 수 있다.
• 그론발의 부등식과 균일 오차 한계를 통해 분위수 과정의 수렴이 전환 함수 추정에 대해 강건함을 보였다.