[논문 리뷰] Two tests for sequential detection of a change-point in a nonlinear model

Gabriela Ciuperca|arXiv (Cornell University)|2012. 06. 13.

Advanced Statistical Process Monitoring참고 문헌 27인용 수 17

한 줄 요약

이 논문은 비선형 회귀 모델에서 변화점(change-points)를 검출하기 위한 두 가지 순차적 검정 방법을 제안한다. 가중치가 부여된 최소제곱 잔차의 CUSUM를 사용하고, 부트스트랩 기반 임계값을 적용한다. 귀무가설 하에서 점점 연속적인 분포를 수립하고, 대립가설 하에서 무한으로 수렴함을 증명하여 유의미한 실시간 검출이 가능하며, 제1종 오류율을 통제할 수 있다. 실습 시뮬레이션을 통해 실용적인 비선형 모델에서 검정의 검정력(power)이 거의 1에 가까워지고, 크기(size)는 명목 수준보다 훨씬 낮게 나타나 검증되었다.

ABSTRACT

In this paper, two tests, based on CUSUM of the residuals and least squares estimation, are studied to detect in real time a change-point in a nonlinear model. A first test statistic is proposed by extension of a method already used in the literature but for the linear models. It is tested the null hypothesis, at each sequential observation, that there is no change in the model against a change presence. The asymptotic distribution of the test statistic under the null hypothesis is given and its convergence in probability to infinity is proved when a change occurs. These results will allow to build an asymptotic critical region. Next, in order to decrease the type I error probability, a bootstrapped critical value is proposed and a modified test is studied in a similar way. Simulation results, using Monte-Carlo technique, for nonlinear models which have numerous applications, investigate the properties of the two statistic tests.

연구 동기 및 목표

• 비선형 매개변수 모델에서 실시간 순차적 변화점 검출 방법을 개발하기 위해.
• 선형 모델에서의 가중치가 부여된 CUSUM 및 최소제곱 추정 기법을 비선형 모델로 확장하기 위해.
• 부트스트랩 보정 임계값을 통해 제1종 오류 확률을 감소시키기 위해.
• 귀무가설과 대립가설 하에서 검정 통계량의 점점 연속적 성질을 수립하기 위해.
• 실제 응용이 가능한 비선형 모델에 대해 몬테카를로 시뮬레이션을 통해 성능을 검증하기 위해.

제안 방법

• 비선형 모델 매개변수의 최소제곱 추정에서 유도된 잔차의 가중치가 부여된 CUSUM를 바탕으로 검정 통계량을 구성한다.
• 변화가 없음을 전제로 하는 귀무가설 하에서 검정 통계량의 점점 연속적 분포를 유도한다.
• 변화점이 존재할 경우 대립가설 하에서 검정 통계량이 확률적으로 무한으로 수렴함을 증명한다.
• 제1종 오류를 줄이기 위해 부트스트랩 기반 수정을 통해 임계값을 보정한다.
• 조건부 부트스트랩 재표본을 사용하여 귀무가설 하에서 검정 통계량의 표본 분포를 추정한다.
• 테일러 전개와 마틴갈 유사 추론 기법을 적용하여 검정 통계량의 점점 연속적 행동을 증명한다.

실험 결과

연구 질문

• RQ1 가중치가 부여된 잔차의 CUSUM는 비선형 모델에서 순차적 변화점 검출에 어떻게 적응시킬 수 있는가?
• RQ2 변화가 없음을 전제로 하는 귀무가설 하에서 검정 통계량의 점점 연속적 분포는 무엇인가?
• RQ3 실제로 변화점이 존재할 경우 검정 통계량은 어떻게 행동하는가?
• RQ4 비선형 모델에서 점점 연속 임계값에 비해 부트스트랩 보정이 제1종 오류를 효과적으로 줄일 수 있는가?
• RQ5 실제 비선형 모델에 대해 제안된 검정의 경험적 크기와 검정력 측면에서의 경험적 성능는 어떠한가?

주요 결과

• 대립가설 하에서 검정 통계량이 확률적으로 무한으로 수렴함을 확인하여 변화점 탐지 능력을 입증한다.
• 귀무가설 하에서 검정 통계량의 점점 연속적 분포를 유도하였고, 이가 확률적으로 유계임을 입증한다.
• 부트스트랩 기반 임계값은 점점 연속 임계값에 비해 제1종 오류를 크게 감소시킴을 확인한다.
• 시뮬레이션 결과, 여러 비선형 모델에서 두 검정 방법 모두 경험적 검정력이 거의 1에 가까운 것으로 나타났다.
• 경험적 크기는 명목 수준보다 훨씬 낮게 나타나 보수적인 추론을 의미한다.
• 다른 검정 통계량을 사용함에도 불구하고, 두 방법 모두 변화점 위치 추정에서 유사한 정밀도를 보였다.