[논문 리뷰] Regression analysis with compositional data containing zero values

Michail Tsagris|arXiv (Cornell University)|2015. 08. 08.

Geochemistry and Geologic Mapping참고 문헌 13인용 수 17

한 줄 요약

이 논문은 영치를 포함한 조성 데이터에 대한 회귀 분석을 위해 영치 보정이 필요 없이 영치를 자연스럽게 처리하는 $\alpha$-변환을 제안한다. Kullback-Leibler 발산을 최소화하도록 $\alpha$ 파라미터를 최적화함으로써, 특히 $\alpha$가 1에 가까울 경우 기존의 로그비율 변환보다 예측 정확도가 향상되며, 반응 변수와 예측 변수 양쪽 모두에서 영치를 자연스럽게 처리한다.

ABSTRACT

Regression analysis with compositional data containing zero values

연구 동기 및 목표

• 표준 로그비율 변환을 적용할 수 없는 영치를 포함한 조성 데이터에 대한 회귀 분석 문제를 해결한다.
• 기존의 로그비율 및 딜리트 모델과 같은 조성 데이터 분석 방법에서 영치 보정이 필요하다는 한계를 극복한다.
• 고정된 로그비율 변환 대신 데이터 기반의 파wr 변환을 사용하여 회귀 분석의 예측 정확도를 향상시킨다.
• 조성 데이터가 반응 변수뿐 아니라 예측 변수로도 사용되는 경우에 $\alpha$-변환을 적용할 수 있도록 확장한다.
• 이sovolumetric 또는 추가 로그비율 변환 외의 다른 변환 방식이, 특히 $\alpha$가 0이 아닐 경우 더 뛰어난 예측 성능을 낼 수 있음을 보여준다.

제안 방법

• 조성 데이터를 변환된 단체로 매핑하기 위해 데이터 기반 파wr 변환인 $\alpha$-변환을 적용한다. 정의는 $\mathbf{u} = \left(\frac{x_1^\alpha}{\sum x_j^\alpha}, \ldots, \frac{x_D^\alpha}{\sum x_j^\alpha}\right)$ 이다.
• 변환된 데이터를 $\mathbb{R}^d$로 매핑하기 위해 선형 변환 $\mathbf{z} = \frac{1}{\alpha} \mathbf{H}(D\mathbf{u} - \mathbf{j}_D)$ 를 사용한다. 여기서 $\mathbf{H}$ 는 헬름헤르트 하위행렬이다.
• 예측 정확도를 향상시키기 위해 관측치와 적합치 간의 Kullback-Leibler 발산을 최소화하도록 자유도 파라미터 $\alpha$ 를 최적화한다.
• 조성 예측 변수가 있는 경우, 다중공선성을 다루고 예측 성능을 향상시키기 위해 $\alpha$-변환된 데이터에 대해 주성분 회귀(PCR)를 적용한다.
• 모델링 과정에서 적합치가 단체 공간 내에 유지되도록 다변량 로짓 링크 함수를 사용한다.
• 조정된 $R^2$ 및 평균 제곱예측오차(MSPE)와 같은 지표를 사용하여 $\alpha$-변환 방법을 표준 이sovolumetric 로그비율(ILR) 및 추가 로그비율(ALR) 변환과 비교한다.

실험 결과

연구 질문

• RQ1 영치를 포함한 조성 데이터에 대한 회귀 분석에서, 데이터 기반 파워 변환($\alpha$-변환)이 기존의 로그비율 방법보다 예측 정확도를 향상시킬 수 있는가?
• RQ2 영치가 존재할 경우, $\alpha$의 선택이 예측 성능에 어떤 영향을 미치는가?
• RQ3 $\alpha$-변환은 기존의 로그비율 접근 방식과 달리 영치 보정 없이도 영치를 자연스럽게 처리할 수 있는가?
• RQ4 $\alpha$-변환된 조성 예측 변수에 대해 주성분 회귀(PCR)를 적용한 모델이, 표준 회귀 또는 ILR 기반 PCR보다 예측 정확도에서 뛰어나게 성능을 발휘하는가?
• RQ5 영치가 존재할 경우, $\alpha = 0$(ILR)와 $\alpha \approx 1$(로그변환) 간의 예측 성능에 유의미한 차이가 있는가?

주요 결과

• $\alpha = 1$일 경우, 조정된 $R^2$는 0.772에서 0.89로 상승하였고, 평균 제곱예측오차(MSPE)는 $\alpha = 0$과 비교해 50% 이상 감소하였다.
• 영치 보정을 적용한 경우조차도, $\alpha = 1$인 $\alpha$-변환은 이sovolumetric 로그비율 변환($\alpha = 0$)보다 더 뛰어난 예측 정확도를 보였다.
• 성능이 가장 뛰어난 모델은 $\alpha = 1$을 사용하고, $\alpha$-변환된 데이터에서 7개의 주성분을 포함하며, 유리 종류 정보까지 포함하여 가장 낮은 MSPE를 기록하였다.
• 강건한 영치 보정 방법은 $\alpha$-변환 성능을 향상시키지 못했으며, $\alpha = 0$을 사용할 경우 MSPE는 유의미하게 높게 유지되었다.
• 잔차 공간에서는 이상치가 탐지되었으나, 주성분 공간에서는 이상치가 탐지되지 않아, $\alpha$-변환은 기존 방법과는 다를 수 있는 이상치 탐지 방식을 가짐을 시사한다.
• 잔차의 정규성 가정은 기각되었음(p-value < 0.001), 그러나 독립성 가정은 시각적으로는 수용 가능하여 모델의 예측 타당성을 뒷받침한다.