[논문 리뷰] Statistical modelling of summary values leads to accurate Approximate Bayesian Computations

Oliver Ratmann, Anton Camacho외 2명|arXiv (Cornell University)|2013. 05. 18.

Markov Chains and Monte Carlo Methods참고 문헌 18인용 수 15

한 줄 요약

이 논문은 근사 베이지안 계산(ABC)의 정확도를 향상시키기 위해 요약 통계량을 등가성 검정과 校정을 통해 통계적으로 모델링하는 새로운 접근법을 제안한다. 두 개의 일측 t-검정(TOST)과 Z-변환된 자기상관 검정(TOSZ)을 사용함으로써 모델 오Specification에 대해 강건성을 확보하고, 허용 구간의 반복적 校정을 통해 사후 추론을 향상시킨다.

ABSTRACT

Approximate Bayesian Computation (ABC) methods rely on asymptotic arguments, implying that parameter inference can be systematically biased even when sufficient statistics are available. We propose to construct the ABC accept/reject step from decision theoretic arguments on a suitable auxiliary space. This framework, referred to as ABC*, fully specifies which test statistics to use, how to combine them, how to set the tolerances and how long to simulate in order to obtain accuracy properties on the auxiliary space. Akin to maximum-likelihood indirect inference, regularity conditions establish when the ABC* approximation to the posterior density is accurate on the original parameter space in terms of the Kullback-Leibler divergence and the maximum a posteriori point estimate. Fundamentally, escaping asymptotic arguments requires knowledge of the distribution of test statistics, which we obtain through modelling the distribution of summary values, data points on a summary level. Synthetic examples and an application to time series data of influenza A (H3N2) infections in the Netherlands illustrate ABC* in action.

연구 동기 및 목표

• 요약 통계량 선택 문제를 해결함으로써 ABC의 사후 정확도에 미치는 영향을 최소화한다.
• 통계적 등가성 검정을 활용한 원칙적인 프레임워크를 개발하여 ABC에서 허용 구간을 校정한다.
• 요약 통계량이 완전히 충분하지 않은 경우에도 ABC 추론이 강건하고 강력하게 유지되도록 보장한다.
• 교정된 등가성 검정을 통해 매개변수와 요약 통계량 간의 링크 함수를 정확하게 재구성할 수 있도록 한다.
• 최대 검정력과 진짜 매개변수 값에서의 중심화를 보장하는 체계적인 校정 절차를 제공한다.

제안 방법

• 정규성 가정 하에 시뮬레이션된 요약 통계량과 관측된 요약 통계량 간의 위치 등가성 검정을 위해 두 개의 일측 t-검정(TOST)을 적용한다.
• 피어슨 상관계수의 정규화를 위해 피셔의 Z-변환을 활용하여 자기상관 등가성 검정을 수행하기 위해 Z-변환된 t-검정(TOSZ)을 적용한다.
• 이진 검색 알고리즘을 사용하여 허용 경계(τ⁻, τ⁺)를 校정함으로써 검정의 최대 검정력이 진짜 매개변수 값에서 중심화되도록 한다.
• 요약 통계량의 경험적 표준편차를 기반으로 각 ABC 반복 단계에서 허용 구간을 갱신하는 재귀적 校정 절차를 도입한다.
• ABC 출력 자료로부터 매개변수와 요약 통계량 간의 링크 함수를 국소 다항 회귀를 통해 재구성한다.
• 정규성 검정(샤피로-프란시아 검정)과 부분 자기상관 검정을 통해 모델 가정을 검증하며, 흐림 처리 후 상관관계가 없음을 확인한다.

실험 결과

연구 질문

• RQ1 허용 구간을 어떻게 校정할 수 있을까? 이는 유의수준 α를 유지하면서 검정력 최대화를 보장한다.
• RQ2 요약 통계량이 충분하지 않은 경우에도 등가성 검정(TOST 및 TOSZ)이 ABC 추론의 강건성과 정확도를 향상시킬 수 있는가?
• RQ3 교정된 등가성 검정을 사용하여 ABC 출력 자료로부터 매개변수와 요약 통계량 간의 링크 함수를 어느 정도 재구성할 수 있는가?
• RQ4 시간적 시리즈 요약 통계량의 흐림 처리가 ABC에서 독립성 및 정규성 가정의 타당성에 어떤 영향을 미치는가?
• RQ5 각 ABC 반복 단계에서 자유 매개변수의 반복적 재교정이 ABC에서 사후 추정 정확도에 어떤 영향을 미치는가?

주요 결과

• τ⁻ = -τ⁺일 때, 교정된 TOST 및 TOSZ 절차는 진짜 매개변수 값에서 중심화된 검정력과 약간의 유의수준 α를 만족하는 근사적 검정을 달성한다.
• 이진 검색 기반의 校정은 최대 검정력이 진짜 매개변수 값(ρ*)에서 중심화되도록 허용 경계를 정확히 찾는 데 성공했으며, 이는 편차의 최적 탐지 가능성을 보장한다.
• 흐림 처리 후 요약 통계량은 정규성 및 독립성 검정에 통과하여, TOST 및 TOSZ에 대한 가정이 충족됨을 시사한다.
• ABC 출력 자료로부터 재구성된 링크 함수(L̂₁, L̂₂)는 진짜 링크 함수와 매우 유사했으며, 등고선은 진짜 매개변수 값과 일치했다.
• 교정된 허용 구간을 사용한 ABC⋆는 표준 ABC(3.74 ± 0.39)에 비해 진짜 값(3.5)에 훨씬 가까운 사후 추정치(R₀ = 3.51 ± 0.02)를 제공하여 뚜렷한 향상을 입증했다.
• 각 ABC 반복 단계에서 자유 매개변수를 반복적으로 재교정함으로써 검정의 타당성이 유지되었고, 사후 추정의 수렴성과 정밀도가 향상되었다.