[논문 리뷰] Sieve empirical likelihood ratio tests for nonparametric functions

Jianqing Fan, J. Zhang|TU/e Research Portal (Eindhoven University of Technology)|2005. 03. 29.

Statistical Methods and Inference인용 수 3

한 줄 요약

이 논문은 오차 분포가 미지인 경우에 일반화된 우도 비율 방법을 확장하여 비모수 함수에 대한 체계적 경험 우도 비율(SeLLR) 검정을 제안한다. 조건부 추정방정식과 사일러 근사법을 사용함으로써, SeLLR 통계량은 노이즈 매개변수에 독립적인 스케일 조정된 카이제곱 분포를 渐近적으로 따르며, 더 일반적인 모형 하에서 윌크스 현상이 유지되고 비모수 검정의 최적 속도를 달성한다.

ABSTRACT

Generalized likelihood ratio statistics have been proposed in Fan, Zhang and Zhang [Ann. Statist. 29 (2001) 153-193] as a generally applicable method for testing nonparametric hypotheses about nonparametric functions. The likelihood ratio statistics are constructed based on the assumption that the distributions of stochastic errors are in a certain parametric family. We extend their work to the case where the error distribution is completely unspecified via newly proposed sieve empirical likelihood ratio (SELR) tests. The approach is also applied to test conditional estimating equations on the distributions of stochastic errors. It is shown that the proposed SELR statistics follow asymptotically rescaled χ^2-distributions, with the scale constants and the degrees of freedom being independent of the nuisance parameters. This demonstrates that the Wilks phenomenon observed in Fan, Zhang and Zhang [Ann. Statist. 29 (2001) 153-193] continues to hold under more relaxed models and a larger class of techniques. The asymptotic power of the proposed test is also derived, which achieves the optimal rate for nonparametric hypothesis testing. The proposed approach has two advantages over the generalized likelihood ratio method: it requires one only to specify some conditional estimating equations rather than the entire distribution of the stochastic error, and the procedure adapts automatically to the unknown error distribution including heteroscedasticity. A simulation study is conducted to evaluate our proposed procedure empirically.

연구 동기 및 목표

• 오차 분포의 완전한 특정화가 필요하지 않은 일반적인 비모수 검정 프레임워크를 개발하는 것.
• 오차 분포가 알려지지 않은 경우, 이질분산성을 포함하여 일반화된 우도 비율 방법을 확장하는 것.
• 오차 분포가 알려지지 않은 비모수 모형 하에서, 검정 통계량의 점차적 카이제곱 분포인 윌크스 현상이 유지되는지 확인하는 것.
• 비모수 가설 검정에서 최적의 비모수 검정 속도를 달성하는 것.
• 조건부 추정방정식을 통해 알려지지 않은 오차 구조(이질분산성 포함)를 자동으로 처리하는 강건하고 적응적인 방법을 제공하는 것.

제안 방법

• 전체 모수적 오차 분포가 아닌 조건부 추정방정식에 기반한 사일러 경험 우도 비율(SeLLR) 통계량을 제안한다.
• 핵심 스무딩과 사일러 근사법을 사용하여 비모수 함수와 오차 구조를 비모수적으로 추정한다.
• 영가설 하에서 경험 우도와 사일러 기반 우도 비율을 활용하여 검정 통계량을 구성한다.
• 제약 조건 하에서 경험 우도 최적화 문제를 해결하기 위해 라그랑주 승수법을 적용한다.
• 경험 과정 이론과 강한 수렴 결과를 이용하여 SeLLR 통계량의 점차적 분포를 유도한다.
• 검정 통계량이 노이즈 매개변수에 독립적인 스케일과 자유도를 갖는 점차적 스케일 조정된 카이제곱 분포를 따름을 입증한다.

실험 결과

연구 질문

• RQ1 완전히 특정되지 않은 오차 분포를 가진 비모수 모형으로 일반화된 우도 비율 검정을 확장할 수 있는가?
• RQ2 오차 분포가 알려지지 않았고 이질분산성을 가진 경우, 우도 비율 통계량의 점차적 카이제곱 분포인 윌크스 현상이 유지되는가?
• RQ3 제안된 방법이 모수적 오차 분포를 가정하지 않고도 최적의 비모수 검정 속도를 달성할 수 있는가?
• RQ4 모형 오특정 시 일반화된 우도 비율 방법과 비교할 때, SeLLR 검정의 검정력과 강건성은 어떻게 되는가?
• RQ5 이질분산성과 같은 알려지지 않은 오차 분산 구조를 사전 지식이나 분산 함수 모형화 없이 자동으로 적응할 수 있는가?

주요 결과

• 제안된 사일러 경험 우도 비율(SeLLR) 통계량은 스케일 상수와 자유도가 노이즈 매개변수에 독립적인 스케일 조정된 카이제곱 분포를 점차적으로 따르며,
• 더 일반적인 모형, 즉 오차 분포가 특정되지 않은 비모수 회귀와 이질분산성을 포함한 경우에도 윌크스 현상이 유지된다.
• SeLLR 검정의 점차적 검정력은 최적의 비모수 속도를 달성하여 비모수 가설 검정에서의 효율성을 확인한다.
• 전체 오차 분포의 모수적 형태가 아닌 조건부 추정방정식의 특정화만 요구하므로, 더 높은 유연성과 강건성을 향상시킨다.
• 이론적으로 알려지지 않은 오차 분포, 이질분산성 포함하여도 사전 지식 없이 자동으로 적응한다.
• 추정기의 수렴 속도는 op(n⁻¹/ξ ∧ h¹/²)dn이며, 영가설 하에서 검정 통계량은 점차적으로 카이제곱 분포와 동치이다.