[논문 리뷰] Coverage Error Optimal Confidence Intervals.

Sebastián Calónico, Matias D. Cattaneo외 1명|arXiv (Cornell University)|2018. 08. 04.

Statistical Methods and Inference인용 수 5

한 줄 요약

이 논문은 균일 커버리지 오차를 기반으로 한계 구간 추정기의 순위를 매기기 위한 최소최대 프레임워크를 제안한다. 체크 함수를 사용하여 과도 커버리지와 과소 커버리지의 정도를 정량화하며, 국소 다항 회귀에 대한 새로운 균일 유효한 에지워스 전개를 수립하고, 비모수 회귀, 잘못 지정된 선형 모형, 이질분산-자기상관에 강건한 추론에 응용하여 커버리지 정확도를 통합적으로 다룬다.

ABSTRACT

We propose a framework for ranking confidence interval estimators in terms of their uniform coverage accuracy. The key ingredient is the (existence and) quantification of the error in coverage of competing confidence intervals, uniformly over some empirically-relevant class of data generating processes. The framework employs the check function to quantify coverage error loss, which allows researchers to incorporate their preference in terms of over- and under-coverage, where confidence intervals attaining the best-possible uniform coverage error are minimax optimal. We demonstrate the usefulness of our framework with three distinct applications. First, we establish novel uniformly valid Edgeworth expansions for nonparametric local polynomial regression, offering some technical results that may be of independent interest, and use them to characterize the coverage error of and rank confidence interval estimators for the regression function and its derivatives. As a second application we consider inference in least squares linear regression under potential misspecification, ranking interval estimators utilizing uniformly valid expansions already established in the literature. Third, we study heteroskedasticity-autocorrelation robust inference to showcase how our framework can unify existing conclusions. Several other potential applications are mentioned.

연구 동기 및 목표

• 관련 데이터 생성 과정 전반에 걸쳐 균일 커버리지 정확도를 기반으로 신뢰구간 추정기를 평가하고 순위를 매길 수 있는 프레임워크를 개발하는 것.
• 연구자가 과도 커버리지와 과소 커버리지의 선호도를 표현할 수 있도록 허용하는 체크 함수를 사용하여 커버리지 오차를 정량화하는 것.
• 모든 데이터 생성 과정의 클래스에 걸쳐 최소한의 최대 커버리지 오차를 달성하는 최소최대 최적의 신뢰구간 추정기를 특정하는 것.
• 비모수 회귀, 잘못 지정된 선형 회귀, 이질분산-자기상관에 강건한 추론이라는 세 가지 다른 추론 문제에 프레임워크를 적용하는 것.
• 강건한 추론 분야의 기존 결과를 통합하고 확장하여, 구간 추정기 성능에 대한 일관된 기준을 제공하는 것.

제안 방법

• 프레임워크는 데이터 생성 과정의 클래스 전반에 걸쳐 균일하게 커버리지 오차를 측정하기 위해 체크 함수를 손실 함수로 사용한다.
• 최소최대 최적의 신뢰구간은 지정된 클래스 전반에서 가능한 한 최소한의 최대 커버리지 오차를 달성하는 구간으로 정의된다.
• 비모수적 및 모수적 모형에서 추정기의 커버리지 오차를 특성화하기 위해 균일 유효한 에지워스 전개에 의존한다.
• 비모수적 국소 다항 회귀에서는 새로운 균일 유효한 에지워스 전개를 유도하며, 이를 통해 구간 추정기를 순위 매긴다.
• 잘못 지정된 선형 회귀와 이질분산-자기상관에 강건한 추론에 대해 기존에 알려진 전개를 응용하여 추정기를 일관되게 순위 매긴다.
• 체크 함수를 통해 과도 또는 과소 커버리지에 대한 선호도를 표현함으로써 커버리지 정확도의 타겟 맞춤 최적화가 가능하다.

실험 결과

연구 질문

• RQ1 비모수적 국소 다항 회귀에서 어떤 신뢰구간 추정기가 최소최대 균일 커버리지 오차를 달성하는가?
• RQ2 선형 회귀에서 모형이 잘못 지정된 경우 커버리지 오차는 어떻게 정량화하고 최적화할 수 있는가?
• RQ3 제안된 프레임워크는 이질분산-자기상관에 강건한 추론 분야의 기존 결과를 통합하고 명확화할 수 있는가?
• RQ4 균일 유효한 에지워스 전개가 비모수 추정기의 커버리지 오차를 특성화하는 데 어떤 역할을 하는가?
• RQ5 과도 및 과소 커버리지 선호도를 통합할 경우, 신뢰구간 추정기의 순위는 어떻게 변화하는가?

주요 결과

• 논문은 비모수적 국소 다항 회귀에 대해 새로운 균일 유효한 에지워스 전개를 수립하였으며, 이는 이 설정에서 커버리지 오차를 특성화하는 데 필수적이다.
• 프레임워크는 데이터 생성 과정의 클래스 전반에서 가능한 한 최소한의 균일 커버리지 오차를 달성하는 최소최대 최적의 신뢰구간 추정기를 특정한다.
• 잘못 지정된 선형 회귀에서는 기존 문헌에서 이미 확립된 균일 유효한 전개를 사용하여 기존의 구간 추정기를 순위 매긴다.
• 이질분산-자기상관에 강건한 추론의 경우, 프레임워크는 기존 결과를 명확히 하고 연결하는 통합적 시각을 제공한다.
• 체크 함수의 사용은 연구자가 과도 또는 과소 커버리지에 대한 선호도를 탄력적으로 통합할 수 있도록 한다.
• 이 방법은 균일 커버리지 정확도를 기반으로 한 신뢰구간 추정기의 체계적 순위 매기기를 가능하게 하며, 경험적 기준에 대한 원칙적인 대안을 제공한다.