[논문 리뷰] Nonparametric Multiple-Output Center-Outward Quantile Regression

Eustasio del Barrio, Alberto González-Sanz외 1명|arXiv (Cornell University)|2022. 04. 25.

Statistical Methods and Inference인용 수 8

한 줄 요약

이 논문은 최적 운반 이론을 기반으로 한 중심에서 외측으로 향하는 분위수를 사용하여 다중 출력 비모수적 분위수 회귀 방법을 제안한다. 이는 조건부 분위수 영역과 윤곽을 확률 내용을 제어하면서 일致성 있게 추정할 수 있도록 한다. 이 방법은 점차적으로 포함되는 해석 가능한 경험적 튜브를 구성하며, 표본 크기가 증가함에 따라 펌페우-하우스도르프 위상에서 그들의 모집단 대응체로 수렴한다. 기존의 깊이 기반 방법의 한계를 극복한다.

ABSTRACT

Based on the novel concept of multivariate center-outward quantiles introduced recently in Chernozhukov et al. (2017) and Hallin et al. (2021), we are considering the problem of nonparametric multiple-output quantile regression. Our approach defines nested conditional center-outward quantile regression contours and regions with given conditional probability content irrespective of the underlying distribution; their graphs constitute nested center-outward quantile regression tubes. Empirical counterparts of these concepts are constructed, yielding interpretable empirical regions and contours which are shown to consistently reconstruct their population versions in the Pompeiu-Hausdorff topology. Our method is entirely non-parametric and performs well in simulations including heteroskedasticity and nonlinear trends; its power as a data-analytic tool is illustrated on some real datasets.

연구 동기 및 목표

• 확률 내용을 제어하는 일관된 분포 무관 개념의 다변량 분위수의 缺失을 해결하고, 기존의 깊이 기반 및 방향 분위수 방법에서의 핵심적 결함을 보완한다.
• 기본적인 단변량 분위수의 특성인, 기저 분포에 관계없이 고정된 조건부 확률 내용을 유지하는 완전히 비모수적 다중 출력 분위수 회귀 프레임워크를 개발한다.
• 최적 운반을 통한 중심에서 외측으로 향하는 순서를 활용하여, 조건부 다변량 반응 변수에 대한 이해할 수 있고 중첩된 분위수 영역과 윤곽을 제공한다.
• 표본 추정치의 통계적 일관성을 펌페우-하우스도르프 위상에서 보장하여, 모집단 수준의 분위수 구조를 신뢰성 있게 재구성할 수 있도록 한다.
• 이차형 또는 반모수적 모델에 대한 강건하고 중립적인 대안을 제공하며, 이는 이방성 또는 비선형 종속성 구조가 존재하는 상황에서 특히 유용하다.

제안 방법

• 단위 구면 위의 균일 분포에서 조건부 반응 변수 분포로의 최적 운반 사상에 의해 정의된 중심에서 외측으로 향하는 분위수를 활용한다.
• 사전에 정해진 확률 내용(예: τ = 0.2, 0.4, 0.8)을 가진 중첩된 조건부 분위수 영역과 윤곽을 정의하며, 이는 기저 분포의 형태와 무관하다.
• 데이터로부터 경험적 중심에서 외측으로 향하는 분위수의 경험적 대체치를 구성하며, 반연속 최적 운반을 사용하여 경험 측도를 단위 구면으로 매핑한다.
• 표본 크기가 증가함에 따라 경험적 분위수 영역과 윤곽이 그들의 모집단 형태로 수렴함을 보장하기 위해 펌페우-하우스도르프 거리를 사용한다.
• 실제 데이터 세트와 시뮬레이션에 적용하여, 모형 형태를 가정하지 않고 이방성과 비선형 추세 하에서도 강건함을 입증한다.
• 기존의 많은 최적 운반 추정치와 달리, 유한한 지지 또는 유계 밀도와 같은 제약 조건을 요구하지 않으며, 중심에서 외측 분위수의 내재 기하학적 성질에 의존함으로써 이러한 제약을 피한다.

실험 결과

연구 질문

• RQ1 임의의 분포에 대해 고정된 조건부 확률 내용을 유지하는 완전히 비모수적 다변량 분위수 회귀 프레임워크를 개발할 수 있는가?
• RQ2 최적 운반에 기반한 중심에서 외측으로 향하는 분위수는 다중 출력과 공변량을 가진 조건부 회귀 설정에 어떻게 적응할 수 있는가?
• RQ3 표본 크기가 증가함에 따라 경험적 중심에서 외측으로 향하는 분위수 영역과 윤곽이 펌페우-하우스도르프 위상에서 그들의 모집단 대응체를 일관되게 추정할 수 있는가?
• RQ4 이 방법은 실제 데이터에서 확률 내용 제어 및 해석 가능성 측면에서 깊이 기반 또는 방향 분위수 접근보다 뛰어나게 성능을 발휘할 수 있는가?
• RQ5 이방성과 비선형 종속성 하에서 이 방법의 유한 표본 성능 및 강건성 특성은 어떠한가?

주요 결과

• 제안된 방법은 기저 분포에 관계없이 정확히 제어된 확률 내용(예: 20%, 40%, 80%)을 가진 조건부 분위수 영역과 윤곽을 구성하며, 단변량 분위수의 기본 성질을 충족한다.
• 표본 크기가 증가함에 따라 경험적 중심에서 외측으로 향하는 분위수 영역과 윤곽이 거의 확실히 펌페우-하우스도르프 위상에서 그들의 모집단 대응체로 수렴한다.
• 이 방법은 시뮬레이션에서도 뛰어난 성능을 보이며, 이방성과 비선형 추세 하에서도 기존의 깊이 기반 또는 방향 분위수 접근보다 뛰어나다.
• 이 방법은 완전히 비모수적이며, 강력한 모형 가정이나 기저 분포의 제한된 지지 조건이 필요하지 않다.
• ANSUR 2 데이터셋에 대한 실제 데이터 응용은 다변량 분위수 영역의 해석 가능한 의미 있는 투영(예: 신장에 대한 발길이 길이와 경골 높이의 회귀)을 보여준다.
• 전체 반연속 최적 운반의 계산 비가용성을 피하기 위해 조건부 운반 사상에 집중함으로써, 중간 차원에서도 계산 가능성을 유지한다.