[논문 리뷰] Spearman Rank Correlation Screening for Ultrahigh-dimensional Censored Data

Wang, Hongni, Yan, Jingxin외 1명|arXiv (Cornell University)|2017. 02. 09.

Statistical Methods and Inference인용 수 6

한 줄 요약

이 논문은 초고차원 생존 데이터에서 중요한 예측 변수를 식별하기 위해 순위 기반의 상관관계 측도를 사용하는 모델에 의존하지 않는 강건한 筛选 방법인 Censored Data를 위한 스피어만 순위 상관계수 스크리닝(SRCS_cen)을 제안한다. 이 방법은 높은 케이서닝 비율, 뚜렷한 꼬리 분포, 이상치 및 종속적인 예측 변수가 존재하는 상황에서도 높은 성능을 유지하며, 시뮬레이션 및 실제 데이터 분석에서 기존의 비모수 스크리닝 방법보다 뛰어난 성능을 보인다.

ABSTRACT

Herein, we propose a Spearman rank correlation based screening procedure for ultrahigh-dimensional data with censored response case. The proposed method is model-free without specifying any regression forms of predictors or response variable and is robust under the unknown monotone transformations of these response variable and predictors. The sure-screening and rank-consistency properties are established under some mild regularity conditions. Simulation studies demonstrate that the new screening method performs well in the presence of a heavy-tailed distribution, strongly dependent predictors or outliers and that offers superior performance over the existing nonparametric screening procedures. In particular, the new screening method still works well when a response variable is observed under a high censoring rate. An illustrative example is provided.

연구 동기 및 목표

• 초고차원 생존 데이터에서 높은 케이서닝 비율과 모형 오특사용 시의 기존 스크리닝 방법의 한계를 해결한다.
• 예측 변수와 반응 변수의 단조 증가 변환에 대해 불변인 모델에 의존하지 않는 스크리닝 절차를 개발한다.
• 무거운 꼬리 분포, 이상치 및 예측 변수 간의 강한 상관관계에 대해 강건성을 확보한다.
• 약한 정규 조건 하에서 확보된 이론적 보증—확실한 스크리닝 및 순위 일致성—을 수립한다.
• 시뮬레이션 및 실제 생존 데이터 분석에서 기존의 비모수적 및 모형 기반 스크리닝 방법보다 뛰어난 성능을 보여준다.

제안 방법

• 예측 변수 $X_k$와 반응 변수 $Y$ 간의 상관관계를 측정하기 위해, 각각의 누적분포함수의 기대값 곱에 기반한 인구수준 스크리닝 지수를 제안한다: $\omega_k = \mathbb{E}[F_k(X_k)F(Y)] - \mathbb{E}[F_k(X_k)]\mathbb{E}[F(Y)]$.
• 케이서닝된 반응값을 역확률가중법을 사용해 보간하여, 케이서닝된 데이터에서 순위 기반 상관계수 추정이 가능하도록 한다.
• 모든 단조 증가 변환에 대해 불변인 특성을 가지므로, 스피어만 순위 상관계수를 단일 스크리닝의 기초로 사용한다.
• 두 단계 절차를 적용한다: (1) 예측 변수를 그들의 추정된 $\omega_k$ 값에 따라 순위를 매겨 상위 특징을 선별하고, (2) 최종 모델 피팅을 위해 펜라이즈드 회귀(예: SCAD, MCP, Lasso)와 조합한다.
• 관측된 데이터로부터 인구수준 지수 $\omega_k$를 추정하기 위해 경험우도와 경험누적분포함수를 사용한다.
• 약한 정규 조건 하에서 이론적 성질을 확립하여, 제안된 방법이 확실한 스크리닝 및 순위 일치성을 보임을 증명한다.

실험 결과

연구 질문

• RQ1 모델에 의존하지 않는 스크리닝 방법이 고차원 케이서닝 데이터에서 높은 케이서닝 비율 하에서도 높은 선택 정확도를 유지할 수 있는가?
• RQ2 이상치, 무거운 꼬리 분포 및 종속적인 예측 변수가 존재하는 상황에서 제안된 SRCS_cen 방법은 기존의 비모수적 스크리닝 절차보다 어떻게 성능을 발휘하는가?
• RQ3 반응 변수 및 예측 변수의 단조 증가 변환에 대해 스크리닝 성능가 얼마나 강건한가?
• RQ4 케이서닝된 데이터에 대한 보간 기반 접근법이 스크리닝 지수의 순위 일치성 및 확실한 스크리닝 성질을 유지하는가?
• RQ5 SRCS_cen을 펜라이즈드 회귀와 통합함으로써 고차원 예측 변수를 가진 생존 분석에서 예측 정확도는 어떻게 향상되는가?

주요 결과

• 실제 데이터 분석에서 제안된 SRCS_cen 방법은 모든 케이서닝 스크리닝 방법 중에서 500번의 평균 제곱예측오차(ASPE)의 중앙값이 가장 작아, 뛰어난 예측 성능을 보였다.
• 망글 세포 림프오마 데이터셋에서 SRCS_cen이 선별한 상위 20개 예측 변수 중 30개가 다른 방법들(CQScen(0.5) 및 RCS_cen)과 공통으로 확인되었으며, 기존 접근법과 가장 높은 일치도를 보였다.
• 유전자 28990(세포 분열 주기 2)는 SRCS_cen에서 1위로 순위 매겨졌고, 이는 Huang와 Ma(2010) 및 Wu와 Yin(2015)의 이전 연구에서 생존 위험과 관련이 있음을 확인한 바 있어 생물학적 관련성을 확인한다.
• 기존의 완전한 반응값을 가정하는 스크리닝 방법이 실패하거나 심각하게 성능이 저하되는 고케이서닝 비율 상황에서도 이 방법은 강력한 성능을 유지했다.
• 시뮬레이션 연구를 통해 SRCS_cen이 기존의 비모수적 스크리닝 절차보다 선택 정확도에서 뛰어나며, 특히 꼬리가 두꺼운 분포와 이상치가 존재할 경우에 유의미하게 뛰어난 성능을 보였다.
• 이론적 분석을 통해 약한 정규 조건 하에서 SRCS_cen이 확실한 스크리닝 및 순위 일치성을 확보함을 입증하여 통계적 신뢰성을 입증했다.