[論文レビュー] GET: Global envelopes in R

Mari Myllymäki, Tomáš Mrkvička|arXiv (Cornell University)|Nov 15, 2019

Statistical Methods and Inference参考文献 71被引用数 15

ひとこと要約

本論文では、関数データおよび多変量データのためのグローバルエナメルをランクベースの非パラメトリック手法で実装するRパッケージGETを紹介する。この手法は、家族ewise誤り率（FWER）および誤発見率（FDR）の下で正確な第一種誤り制御を保証する。この方法により、有意領域の特定を通じて仮説検定結果の視覚的解釈が可能となり、正規性や同一分散性の仮定を必要としない多様な応用分野（適合度検定、関数型ANOVA、信頼区間バンドなど）における頑健な推論が可能になる。

ABSTRACT

This work describes the R package GET that implements global envelopes for a general set of $d$-dimensional vectors $T$ in various applications. A $100(1-α)$% global envelope is a band bounded by two vectors such that the probability that $T$ falls outside this envelope in any of the $d$ points is equal to $α$. The term 'global' means that this probability is controlled simultaneously for all the $d$ elements of the vectors. The global envelopes can be employed for central regions of functional or multivariate data, for graphical Monte Carlo and permutation tests where the test statistic is multivariate or functional, and for global confidence and prediction bands. Intrinsic graphical interpretation property is introduced for global envelopes. The global envelopes included in the GET package have this property, which particularly helps to interpret test results, by providing a graphical interpretation that shows the reasons of rejection of the tested hypothesis. Examples of different uses of global envelopes and their implementation in the GET package are presented, including global envelopes for single and several one- or two-dimensional functions, Monte Carlo goodness-of-fit tests for simple and composite hypotheses, comparison of distributions, functional analysis of variance, functional linear model, and confidence bands in polynomial regression.

研究の動機と目的

• 関数的および多変量データ解析におけるグローバルエナメルのための柔軟で非パラメトリックなフレームワークの開発。
• 定義域全域で不均一分散や非正規性に敏感な従来の検定手法の限界の解消。
• 帰無仮説がどのようにおよびどこで棄却されるかを明確に示す、仮説検定結果の視覚的解釈の提供。
• 適合度検定、分散分析、回帰、分布比較など、幅広い統計的応用の支援。
• 不均一分散のデータ設定において解釈性と検出力の両方を向上させる、内在的視覚的解釈（IGI）を備えたグローバルエナメルの実装。

提案手法

• 関数データの定義域全域における不均一分散に強く、分布に依存しないランクベースのグローバルエナメルの使用。
• 帰無仮説の下でのグローバルエナメルのシミュレーションに凸包法を適用し、モンテカルロ検定における正確な第一種誤り制御を保証。
• 合成仮説のための二段階モンテカルロ検定手順を採用し、FWERおよびFDRの制御を維持。
• ランクベースの集約を用いて複数の関数的検定統計量を統合し、スケールの違いによるバイアスを回避。
• 100(1−α)%グローバルエナメルを、d次元すべてにおいて検定統計量が外側にある確率が正確にαとなるように、二つのベクトルで囲まれたバンドとして構築。
• 内在的視覚的解釈（IGI）を導入し、エナメルが帰無仮説の棄却に寄与する特定の関数的領域を視覚的に示す。

実験結果

リサーチクエスチョン

• RQ1 グローバルエナメルは、多変量および関数的仮説検定の視覚的解釈をどのように改善できるか？
• RQ2 不均一分散や非正規性が存在する状況において、ランクベースのグローバルエナメルは、古典的F統計量やMADベースの検定よりもどのように優れているか？
• RQ3 グローバルエナメルは、合成仮説および複数の仮説検定の状況において、第一種誤り制御を維持しながら効果的に適用可能か？
• RQ4 グローバルエナメルは、1つまたは複数の関数群の中央領域推定および関数型ボックスプロットの支援にどのように寄与するか？
• RQ5 グローバルエナメルは、多項式回帰や関数的線形モデルにおける信頼区間バンドの構築に、どの程度有効に応用可能か？

主な発見

• GETパッケージにおけるグローバルエナメルは、モンテカルロ検定において家族ewise誤り率（FWER）および誤発見率（FDR）の下で正確な第一種誤り制御を達成している。
• 内在的視覚的解釈（IGI）の特性により、帰無仮説が棄却される関数的領域を直接視覚的に特定できる。
• ランクベースのグローバルエナメルは、不均一分散や非正規性に対して頑健であり、データが不均一分散である場合、古典的F最大値やスケーリングなしのMAD検定よりも検出力が優れている。
• この手法により、複数の関数的検定統計量に等しい重みが与えられ、多変量または関数的データの多様な次元を統合するのに適している。
• パッケージは、関数型ANOVA、適合度検定、分布比較、多項式回帰における信頼区間バンドなど、多様な応用分野においてグローバルエナメルを効果的に実装している。
• 凸包に基づくグローバルエナメル構築により、経験的エナメルが理論的エナメルの外部から収束する有限近似として保証され、帰無仮説の下でも有効性が維持される。