[論文レビュー] Prediction Measures in Beta Regression Models

Patrícia L. Espinheira, Luana Cecília Meireles da Silva+1 more|arXiv (Cornell University)|Jan 20, 2015

Advanced Statistical Methods and Models参考文献 12被引用数 5

ひとこと要約

本稿では、適合度統計量に依存しない予測性能を評価するため、分散が異なるベータ回帰モデルに向けたPRESS統計量および予測係数（$P^2$）を提案する。平均および精度パラメータの両方のフィッシャー・スコア法に基づく新しい残差アプローチを導入し、シミュレーションおよびブラジル・サンパウロにおける天然ガス分配の事例研究を通じて、$P^2$が誤指定や境界値の下でも信頼性の低いモデルを効果的に特定できることを示している。

ABSTRACT

We consider the issue of constructing PRESS statistics and coefficients of prediction for a class of beta regression models. We aim at displaying measures of predictive power of the model regardless goodness-of-fit. Monte Carlo simulation results on the finite sample behavior of such measures are provided.We also present an application that relates to the distribution of natural gas for home usage in São Paulo, Brazil. Faced with the economic risk of to overestimate or to underestimate the distribution of gas was necessary to construct prediction limits using beta regression models (Espinheira et al., 2014). Thus, it arises the aim of this work, the selection of best predictive model to construct best prediction limits.

研究の動機と目的

• 適合度統計量に依存しないベータ回帰モデルの予測性能評価指標を開発すること。
• 精度が共変数に依存する分散変動型ベータ回帰モデルに、PRESSおよび$P^2$係数を拡張すること。
• モンテカルロシミュレーションを用いて、これらの予測指標の有限標本における挙動を評価すること。
• ブラジル・サンパウロにおける天然ガス分配という実世界の問題に、提案された指標を適用すること。
• 高リスクな応用分野における信頼性のある予測区間を構築するためのモデル選択を支援すること。

提案手法

• 分散変動型ベータ回帰における平均（$\beta$）および精度（$\gamma$）パラメータの両方の通常残差を組み合わせた、新しい残差を提案する。この残差は、フィッシャーのスコア法に基づく。
• 各観測値をモデルフィッティング時に除外することで得られる外部残差の二乗和としてPRESS統計量を導出する。
• PRESSに基づく予測用決定係数としての$P^2$係数を導入し、$R^2$に類似した形式だが、予測性能に焦点を当てる。
• フィッシャーのスコア反復アルゴリズムを用いて$\beta$および$\gamma$を推定し、ベータ分布の指数型分布族構造に基づき、スコア関数およびフィッシャー情報行列を導出する。
• モデル誤指定、レバレッジの高い点、境界近傍の応答値の下で、$P^2$および$P^2_{\beta\gamma}$統計量を用いて予測力の評価を行う。
• 欠落共変数や誤った分散仮定を含むさまざまなシナリオにおいて、有限標本性能を評価するためのモンテカルロシミュレーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 分散が異なるベータ回帰モデルの予測能力を評価する際、PRESSおよび$P^2$統計量はどの程度の性能を示すか？
• RQ2 適合度統計量（例：$R^2_{LR}$）が効果を発揮しない状況において、$P^2$はモデルの信頼性の低さを検出できるか？
• RQ3 応答値が0または1に近い場合、正しいモデル仕様のもとでも予測性能はどのように影響を受けるか？
• RQ4 共変数の欠落や誤った分散モデル化が、予測指標に与える影響は何か？
• RQ5 $P^2$と$P^2_{\beta\gamma}$は、予測性能が低いモデルを識別する上で、どのように比較されるか？

主な発見

• $P^2$および$P^2_{\beta\gamma}$係数は類似した性能を示し、特にモデル誤指定や高いレバレッジの下で、予測性能が低いモデルを効果的に特定する。
• 応答値が0または1に近い場合、正しいモデル仕様であっても予測性能は著しく低下する。境界値への感受性が顕著に現れる。
• $R^2_{LR}$統計量も同様の状況で適合度の悪化を検出できるが、$P^2$は適合度の観点を超えた追加の予測的インサイトを提供する。
• モンテカルロシミュレーションの結果、$P^2$は共変数の欠落や誤った分散モデル化に対して頑健であり、従来の適合度基準に比べて予測的モデル選択において優れた性能を示す。
• サンパウロにおける天然ガス分配の実応用から、$P^2$がより良い予測区間をもつモデルの選択を支援することが確認された。これはリスク管理にとって極めて重要である。
• 提案された残差に基づくPRESS統計量は計算的に実行可能であり、ベータ回帰における従来の適合度に基づくモデル評価の信頼できる代替手段を提供する。