[논문 리뷰] Spatial Clustering Regression of Count Value Data via Bayesian Mixture of Finite Mixtures

Peng Zhao, Hou‐Cheng Yang외 2명|arXiv (Cornell University)|2020. 02. 16.

Bayesian Methods and Mixture Models참고 문헌 36인용 수 8

한 줄 요약

이 논문은 수형계수의 공간적 군집화를 탐지하기 위해 마르코프 무작위장(MRF) 사전분포를 갖는 베이지안 유한 혼합모형을 제안한다. 이는 계수의 군집 수와 공간 이웃성에 대한 정규화된 추정을 가능하게 하며, 조지아 주의 조기 사망 데이터에 대한 적합도에서 기존 모형들을 능가한다. 모델은 예측 성능이 뛰어난 네 개의 의미 있는 군집을 식별하였고, LPML = -2221.45의 성능을 기록하였다.

ABSTRACT

Investigating relationships between response variables and covariates in areas such as environmental science, geoscience, and public health is an important endeavor. Based on a Bayesian mixture of finite mixtures model, we present a novel spatially clustered coefficients regression model for count value data. The proposed method detects the spatial homogeneity of the Poisson regression coefficients. A Markov random field constrained mixture of finite mixtures prior provides a regularized estimator of the number of clusters of regression coefficients with geographical neighborhood information. As a by-product, we also provide the theoretical properties of our proposed method when the Markov random field is exchangeable. An efficient Markov chain Monte Carlo algorithm is developed by using the multivariate log gamma distribution as a base distribution. Simulation studies are carried out to examine the empirical performance of the proposed method. Additionally, we analyze Georgia's premature death data as an illustration of the effectiveness of our approach. The supplementary materials are provided on GitHub at \url{https://github.com/pengzhaostat/MLG_MFM}.

연구 동기 및 목표

• 환경 및 공중보건 적용 분야에서 계수 자료의 희소성에 기인한 공간적 이질성을 다루기 위해.
• 자동으로 군집 수를 추정할 수 있도록, 공간적으로 군집된 회귀 계수를 탐지하는 방법을 개발하기 위해.
• 지리적 이웃 정보를 마르코프 무작위장(MRF) 사전분포를 통해 통합하여 군집 배정의 공간 이웃성 제약을 강제하기 위해.
• 계수 추정치를 군집별 평균으로 수축시켜 과적합을 방지하는 정규화된 베이지안 프레임워크를 제공하기 위해.
• 기본 공간 회귀 및 군집 모형들과 비교해 모델의 해석 가능성과 예측 정확도를 향상시키기 위해.

제안 방법

• 계수 자료 회귀를 위한 다변량 로그감마 기저분포를 갖는 베이지안 유한 혼합모형을 제안한다.
• 혼합 성분 지시 변수에 마르코프 무작위장(MRF) 사전분포를 도입하여 군집 배정의 공간 이웃성 제약을 강제한다.
• 유한 혼합모형에 딜리클레 프로세스 유사 사전분포를 적용하여 군집 수의 자동 추정을 가능하게 한다.
• 우도 및 사전 구조를 기반으로 유도된 완전조건부 분포를 활용한 효율적인 MCMC 알고리즘(깁스 샘플링 기반)을 구현한다.
• 모델 비교 및 스무딩 파라미터 선택을 위해 마진형 우도(LPML)에 라플라스 근사를 적용한다.
• 모델 적합도를 극대화하기 위해 그리드 서치를 통해 MRF 스무딩 파라미터를 조정하여 최적의 군집 구성 확보.

실험 결과

연구 질문

• RQ1 베이지안 유한 혼합모형은 계수 자료에서 공간적으로 군집된 회귀 계수를 탐지하면서도 군집 수를 자동으로 추정할 수 있는가?
• RQ2 마르코프 무작위장 사전분포의 포함이 계수 군집화에서 공간 이웃성과 모델의 해석 가능성에 어떻게 기여하는가?
• RQ3 제안된 방법은 표준 모형(MFM, CAR, SVC 등)보다 계수 자료에 대한 예측 성능에서 뛰어나게 되는가?
• RQ4 실제 공중보건 자료에서 공간적으로 구분된 군집 간에 추정된 회귀 계수는 어떻게 변화하는가?
• RQ5 공간 이웃성 제약 조건은 회귀 계수의 전역적으로 끊어진 군집 탐지에 어떤 영향을 미치는가?

주요 결과

• 제안된 MRF-MFM 모형은 LPML = -2221.45로 가장 뛰어난 예측 성능을 기록하였으며, 일반 MFM(LPML = -3614.38), LGP(-2461.31), CAR(-5015.93), SVC(-3123.47)를 뛰어넘었다.
• 모델은 조지아 주 159개 카운티에서 네 개의 명확한 군집을 식별하였으며, 가장 큰 군집에는 150개 카운티가 포함되고, 나머지 세 군집은 각각 3개, 5개, 1개 카운티로 구성되었다.
• 코브 카운티는 PM2.5와 조기 사망 간의 가장 강한 정의미적 상관관계를 보였다(β₁ = 1.446), 이는 지역적 영향이 높음을 시사한다.
• 식품 환경 지수는 군집 4에서 강한 부정적 영향을 보였다(β₂ = -2.093), 이는 건강한 식품 환경이 낮은 조기 사망률과 관련이 있음을 시사한다.
• 군집 1은 가장 높은 기저 위험도(절편 β₀ = -1.134)를 보였고, 군집 2는 가장 낮은 기저 위험도(β₀ = -3.644)를 보였다. 이는 기저 사망률에 대한 지역적 격차를 반영한다.
• 스무딩 파라미터는 LPML 극대화를 통해 0.3으로 조정되었으며, 이는 모델 적합도와 군집 규칙성 간의 균형을 이루었다.