[논문 리뷰] Vine copula based inference of multivariate event time data

Nicole Barthel, Candida Geerdens외 3명|arXiv (Cornell University)|2016. 03. 04.

Statistical Methods and Bayesian Inference참고 문헌 22인용 수 2

한 줄 요약

이 논문은 우측으로 케일링된 사건 시간 데이터를 다변량 모델링하기 위해 복합적인 의존성 구조를 갖는 비너 커플라를 추정하기 위한 이단계 추정 방법을 제안한다. 먼저 극값 분포를 모델링하고, 이후 수치적 통합을 통해 케일링을 다루는 우도 최대화 기반으로 의존성을 포착한다. 이 방법은 유한 표본에서 뛰어난 성능을 보이며, 고차원 생존 데이터에서 민감하고 데이터 기반의 비너 커플라 구조 선택을 가능하게 한다.

ABSTRACT

In many studies multivariate event time data are generated from clusters having a possibly complex association pattern. Flexible models are needed to capture this dependence. Vine copulas serve this purpose. Inference methods for vine copulas are available
 for complete data. Event time data, however, are often subject to right-censoring. As a consequence, the existing inferential tools, e.g. likelihood estimation, need to be adapted. A two-stage estimation approach is proposed. First, the marginal distributions are modeled.
 Second, the dependence structure modeled by a vine copula is estimated via likelihood maximization. Due to the right-censoring single and double integrals show up in the copula likelihood expression such that numerical integration is needed for its evaluation. For the dependence modeling a sequential estimation approach that facilitates the computational challenges of the likelihood optimization is provided. A three-dimensional
 simulation study provides evidence for the good finite sample performance of the proposed method. Using four-dimensional mastitis data, it is shown how an appropriate vine copula model can be selected for data at hand.

연구 동기 및 목표

• 우측으로 케일링된 다변량 사건 시간 데이터에서 복잡한 의존성 구조를 모델링하는 데 도전하는 것.
• 완전한 데이터 가정이 케일링으로 인해 성립하지 않을 때 비너 커플라에 대한 계산 가능하고 실용적인 추론 프레임워크를 개발하는 것.
• 우측으로 케일링된 데이터에 비너 커플라 기법을 적응시켜 생존 분석에서 민감하고 고차원적인 의존성 모델링을 가능하게 하는 것.
• 우측으로 케일링된 다변량 생존 모델의 우도 최적화에서 계산 부담을 줄이는 순차적 추정 접근법을 제공하는 것.
• 실제 4차원 유방염 데이터에 대한 모델 선택 및 적용을 통해 이 방법의 실용적 유용성을 입증하는 것.

제안 방법

• 의존성 모델링 이전에 사건 시간의 극값 분포를 파라메트릭 또는 비모수적 방법으로 별도로 모델링하는 것.
• 레귤러 비너를 사용하여 복잡한 의존성 패턴을 유연하게 모델링할 수 있도록 다변량 의존성 구조를 표현하는 비너 커플라를 구성하는 것.
• 우측으로 케일링으로 인해 단일 및 이重 적분이 포함되는 케일링된 데이터의 우도 함수를 유도하며, 평가를 위해 수치적 통합이 필요하다.
• 이단계 추정 절차를 구현: 먼저 극값 파라미터를 추정하고, 이후 통합된 우도를 사용하여 최대우도법으로 커플라 파라미터를 추정하는 것.
• 고차원 우도 함수 최적화를 단순화하기 위해 순차적 추정 접근법을 사용하여 계산 효율성을 향상시키는 것.
• 관측된 데이터에 대한 적합도를 기반으로 AIC 또는 BIC와 같은 기준을 사용하여 가장 적절한 비너 커플라 구조를 식별하는 모델 선택 기준을 적용하는 것.

실험 결과

연구 질문

• RQ1 관측치가 우측으로 케일링된 상황에서 비너 커플라는 어떻게 다변량 사건 시간 데이터를 모델링하는 데 적응시킬 수 있는가?
• RQ2 케일링된 생존 데이터가 존재하는 상황에서 비너 커플라에 대한 효율적이고 정확한 추론을 가능하게 하는 추정 전략은 무엇인가?
• RQ3 제안된 이단계 방법은 다른 접근법과 비교해 유한 표본에서 어떻게 성능을 보이는가?
• RQ4 순차적 추정 접근법은 케일링된 비너 커플라 모델의 우도 최적화에서 계산 복잡성을 효과적으로 줄일 수 있는가?
• RQ5 실제 다변량 생존 데이터에 대해 적절한 비너 커플라 구조를 신뢰성 있게 선택하는 데 필요한 기준과 절차는 무엇인가?

주요 결과

• 제안된 이단계 추정 방법은 3차원 시뮬레이션 연구에서 양호한 유한 표본 성능을 보이며, 제한된 데이터 조건에서도 강건성을 입증한다.
• 우측으로 케일링 하에서 우도 평가를 위해 수치적 통합이 필수적이며, 이 방법은 발생하는 단일 및 이중 적분을 효과적으로 처리한다.
• 순차적 추정 접근법은 고차원 우도 함수 최적화와 관련된 계산 과제를 성공적으로 완화한다.
• 모델 선택이 효과적으로 가능하며, 이는 4차원 유방염 데이터에 대한 성공적인 적용을 통해 입증되었다. 이 과정에서 적절한 비너 커플라 구조가 식별되었다.
• 이 방법은 생존 분석에서 민감하고 고차원적인 의존성 모델링을 지원하며, 의존성 패턴이 복잡할 경우 단순한 파라메트릭 모델보다 뛰어난 성능을 보인다.