[논문 리뷰] Uniform Asymptotics for Nonparametric Quantile Regression with an Application to Testing Monotonicity

Sokbae Lee, Kyungchul Song외 1명|arXiv (Cornell University)|2015. 06. 17.

Statistical Methods and Inference참고 문헌 12인용 수 4

한 줄 요약

이 논문은 다양한 분位수, 평가점, 데이터 생성 분포에 대해 유효한 균일한 바하두르 표현을 국소 다항 분위수 회귀 추정량에 대해 수립한다. 주요 기여는 비점근적 오차율을 제공함으로써 균일한 추론이 가능하게 하는 것으로, 특히 복잡한 복합 귀무가설(예: 단조성 검정) 하에서 비모수적 분위수 회귀에서 단조성을 검정하는 데 매우 유용하다.

ABSTRACT

In this paper, we establish a uniform error rate of a Bahadur representation for local polynomial estimators of quantile regression functions. The error rate is uniform over a range of quantiles, a range of evaluation points in the regressors, and over a wide class of probabilities for observed random variables. Most of the existing results on Bahadur representations for local polynomial quantile regression estimators apply to the fixed data generating process. In the context of testing monotonicity where the null hypothesis is of a complex composite hypothesis, it is particularly relevant to establish Bahadur expansions that hold uniformly over a large class of data generating processes. In addition, we establish the same error rate for bootstrap local polynomial estimators which can be useful for various bootstrap inference. As an illustration, we apply to testing monotonicity of quantile regression and present Monte Carlo experiments based on this example.

연구 동기 및 목표

• 다양한 데이터 생성 분포, 분위수, 평가점에 대해 유효한 국소 다항 분위수 회귀 추정량에 대한 균일한 바하두르 표현을 개발하는 것.
• 특히 단조성과 같은 복잡한 복합 귀무가설 하에서 비모수적 검정에서 점근적 이론의 국한된 점근적 이론의 한계를 해결하는 것.
• 부트스트랩 추정량으로 이론을 확장하여 리샘플링 기반 방법에 대한 균일한 추론을 가능하게 하는 것.
• 비모수적 방법을 사용하여 조건부 분위수 함수의 단조성 검정을 위한 이론적 기초를 제공하는 것.
• 유한 표본 안정성을 확보하기 위해 근간이 되는 확률 측도에 대한 균일성을 확보함으로써, 가설 검정에서 신뢰도 높은 크기와 포함 확률을 확보하는 것.

제안 방법

• 분위수, 회귀자 값, 광범위한 확률 측도의 클래스에 대해 균일한 오차 한계를 갖는 국소 다항 분위수 회귀 추정량에 대한 균일한 바하두르 표현을 유도한다.
• empirical process의 종속성 구조를 다루기 위해 포아송화 기법을 적용하고, 분포의 클래스에 대해 균일한 한계를 도출한다.
• empirical process 이론과 대칭화 추론을 사용하여 함수의 클래스에 의해 인덱싱된 empirical process의 최대값을 제어한다.
• 설계 및 오차 밀도에 대한 엔트로피 및 모멘트 조건을 활용하여 원본 및 부트스트랩 추정량에 대한 균일 수렴 속도를 확립한다.
• LSW(Lahiri, Shao, and Wu) 점근적 선형화 프레임워크를 적용하여 부트스트랩 맥락에서 균일 추론을 위한 조건을 검증한다.
• 모든 매개변수 공간에 걸쳐 부트스트랩과 진짜 조건부 분위수 추정량 간의 차이를 제어하기 위해 재중앙화 및 대칭화 전략을 활용한다.

실험 결과

연구 질문

• RQ1 국소 다항 분위수 회귀에 대한 바하두르 표현은 분위수 인덱스, 회귀자 평가점, 그리고 기저 데이터 생성 분포에 대해 균일하게 유도될 수 있는가?
• RQ2 균일한 점근적 이론은 비모수적 분위수 회귀 함수의 부트스트랩 추정량으로 어떻게 확장될 수 있는가?
• RQ3 기저 확률 측도에 대한 균일성이 조건부 분위수 함수의 단조성 검정에 어떤 영향을 미치는가?
• RQ4 제안된 균일 표현은 점근적 근사와 비교해 비모수적 검정의 유한 표본 성능을 어떻게 향상시키는가?
• RQ5 균일 오차율은 단조성 제약과 같은 불등식 제약 조건이 있는 모델에서 추론을 얼마나 잘 지원하는가?

주요 결과

• 논문은 분위수, 평가점, 광범위한 데이터 생성 분포의 클래스에 대해 균일한 바하두르 표현을 수립하였으며, 오차율은 $ O_P\big(\frac{\rho_{2n}^{3/2} \rho_{\text{log}} \rho_{\text{log}}}{n^{1/4} h^{d/4}}\big) $ 로 표현되며, 이는 모든 경우에 균일하다.
• 동일한 균일 오차율이 부트스트랩 국소 다항 추정량에 대해서도 유도되었으며, 이는 리샘플링 절차에서 유효한 균일 추론을 가능하게 한다.
• 확률 측도의 클래스에 대한 균일성은 크기와 포함 확률의 유한 표본 안정성을 보장하며, 이는 복잡한 복합 귀무가설 검정에 있어 핵심적이다.
• 이론은 조건부 분위수 함수의 단조성 검정을 위한 $ L_p $-유형의 검정 통계량 개발을 지원하며, 균일 점근 이론 하에서 이론적 정당성을 갖는다.
• 결과는 조건부 중앙값의 단조성 검정에 적용되었으며, 몬테카를로 실험을 통해 방법의 유한 표본 성능이 검증되었다.
• 균일 표현 덕분에 진짜 조건부 중앙값 함수가 균일하게 0으로 수렴하는 경우(예: $ x^3/n $)에도 일관된 추론이 가능해지며, 이 경우 점근적 이론은 접촉 집합의 행동을 포착하지 못하지만 균일 표현은 이를 해결할 수 있다.