[論文レビュー] A method for Bayesian regression modelling of composition data

Sean van der Merwe|arXiv (Cornell University)|Jan 9, 2018

Geochemistry and Geologic Mapping参考文献 2被引用数 11

ひとこと要約

本稿では、シミュレーションベースの推論を活用してモデルの正確性と検出力の向上を図る、組成的データ（合計が1に等しい割合のベクトル）に対する新しいベイズ回帰手法を提案する。この手法により、説明変数と組成的結果変数の関係を安定して推定でき、階層的データにおけるランダム効果の統合が可能となり、特に分散が大きい状況下でも既存手法を上回る性能を示す。

ABSTRACT

Many scientific and industrial processes produce data that is best analysed as vectors of relative values, often called compositions or proportions. The Dirichlet distribution is a natural distribution to use for composition or proportion data. It has the advantage of a low number of parameters, making it the parsimonious choice in many cases. In this paper we consider the case where the outcome of a process is Dirichlet, dependent on one or more explanatory variables in a regression setting. We explore some existing approaches to this problem, and then introduce a new simulation approach to fitting such models, based on the Bayesian framework. We illustrate the advantages of the new approach through simulated examples and an application in sport science. These advantages include: increased accuracy of fit, increased power for inference, and the ability to introduce random effects without additional complexity in the analysis.

研究の動機と目的

• 生態学、遺伝学、社会科学、産業プロセスなど、多くの分野で見られる合計が1に等しい割合のベクトル（組成的データ）に対する頑健な回帰モデリングのニーズに対応する。
• 従来の手法に見られる推論力の低さやランダム効果の統合が困難な問題を克服する。特にディリクレ回帰モデルにおける限界を解消する。
• 多変量割合データのモデル適合性、統計的検出力、解釈可能性を向上させる、シミュレーションベースのベイズフレームワークを構築する。
• モデルの解析的複雑さを増すことなく、階層的またはクラスタ構造を持つデータに対してランダム効果を効果的に統合できる。
• シミュレーションとスポーツ科学分野の実応用を通じて、本手法の優位性を実証する。特に、バスケットボールにおける選手の動きのパターン分析に焦点を当てる。

提案手法

• 応答変数がディリクレ分布に従うベイズ回帰モデルを定式化し、説明変数と分布のパラメータの間に対数線形リンク関数を適用する。
• マルコフ連鎖モンテカルロ（MCMC）シミュレーションを用いて、モデルパラメータの事後分布を推定し、不確実性の完全な定量化を可能にする。
• ディリクレ分布の集中パラメータ（精度）を共変量の関数としてモデル化することで、分散の非定常性を柔軟に扱えるようにする。
• 被験者（例：スポーツ科学における選手）のためのランダム効果を、被験者固有のパラメータに階層的事前分布を割り当てることで統合し、多段階モデリングを可能にする。
• 高次元またはスパースな組成的データにおいて、MCMCサンプリングの識別性と安定性を確保する再パラメータ化戦略を実装する。
• 本手法をMaier（2014）の頻度主義的手法と比較し、バイアス、信頼性、p値の正確性を指標として、シミュレーションスタディおよび実データを用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 シミュレーションベースのベイズ的手法は、従来の頻度主義的手法と比較して、ディリクレ回帰の正確性と統計的検出力を向上させることができるか？
• RQ2 本手法は、分散が大きい組成的データに対しても、信頼性の高い推論と信頼区間推定を維持できるか、その範囲はどの程度か？
• RQ3 モデルの複雑さや計算負荷を増すことなく、ディリクレ回帰にランダム効果を効果的に統合できるか？
• RQ4 固定効果とランダム効果を併せ持つデータ構造において、本手法は真の関係をどれほど正確に検出できるか？
• RQ5 本手法は、アスリートの動きのパターンのような複雑でアンバランスで階層的なデータを含む実世界の応用において、既存手法を上回る性能を示せるか？

主な発見

• 新規ベイズ手法は推論力が著しく向上した。シミュレーションでは、3つの関係（2つが負の関係、1つが正の関係）すべてが有意であると正しく同定され、中央値p値はそれぞれ第1次元で0.4%、第2次元で1%、第3次元で0.1%であった。一方、Maier手法は最初の2つの次元で有意性を検出できなかった。
• 本手法はパラメータ推定においてより高い精度を達成し、平均誤差が18.81（Maier手法の19.19）であり、95%信用区間の平均幅も0.54（Maier手法の0.52）と狭く、区間のカバレッジと正確性が向上していることが示された。
• スポーツ科学応用において、本手法はポジションごとの動きの割合の差について妥当で解釈可能な推定値と適切な不確実性区間を提供した。一方、単純なモデルは多変量の依存性や選手レベルの変動を適切に扱えなかった。
• 本手法は、ネットバスケットボール研究において個々の選手に対するランダム効果を効果的に統合でき、1人あたりの試合観測数が異なるアンバランスなデータでも、モデルの安定性を損なわずに処理できた。
• シミュレーション結果から、本手法は高いカバレッジ（86%）と低い誤差を維持しており、特に分散が大きい状況下でもMaier手法（カバレッジ85%、バイアスが高め）を上回った。
• ベイズフレームワークにより、全次元の事後推論（p値の算出を含む）が可能となった。一方、Maier手法は第1次元のp値を算出できず、解釈性に制限があった。