[논문 리뷰] Rank-based approach for estimating correlations in mixed ordinal data

Xiaoyun Quan, James G. Booth외 1명|arXiv (Cornell University)|2018. 09. 17.

Statistical Methods and Inference참고 문헌 2인용 수 5

한 줄 요약

이 논문은 잠재 가우시안 코풀라 모델을 사용하여 순서형 및 연속형 데이터의 상관관계를 추정하기 위한 랭크 기반 반모수적 방법을 제안한다. 켄달의 타우-아와 잠재 상관계수 간의 관계를 연결하는 새로운 다리 함수를 유도함으로써, 모수적 변환 함수를 모델링하지 않고도 일致된 추정이 가능하게 하며, 이론적 농도 및 시뮬레이션과 실제 유전체 및 설문 조사 데이터에서의 뛰어난 성능을 보인다.

ABSTRACT

High-dimensional mixed data as a combination of both continuous and ordinal variables are widely seen in many research areas such as genomic studies and survey data analysis. Estimating the underlying correlation among mixed data is hence crucial for further inferring dependence structure. We propose a semiparametric latent Gaussian copula model for this problem. We start with estimating the association among ternary-continuous mixed data via a rank-based approach and generalize the methodology to p-level-ordinal and continuous mixed data. Concentration rate of the estimator is also provided and proved. At last, we demonstrate the performance of the proposed estimator by extensive simulations and two case studies of real data examples of algorithmic risk score evaluation and cancer patients survival data.

연구 동기 및 목표

• 순서형 및 연속형 변수를 포함하는 혼합된 고차원 데이터에서 상관관계를 추정하는 데 도전하는 데 목적이 있다.
• 기존의 이진 및 연속형 데이터에 국한된 잠재 가우시안 코풀라 모델을 다수의 순서형 및 연속형 혼합 데이터로 확장하는 데 목적이 있다.
• 모수적 변환 함수를 모델링하지 않는 랭크 기반 추정 프레임워크를 개발하는 데 목적이 있다.
• 정규 조건 하에서 제안된 추정기의 이론적 농도 수렴 속도를 확립하는 데 목적이 있다.
• 알고리즘 정의성 및 암 생존 분석 분야의 실제 응용 사례를 통해 방법의 실용성을 입증하는 데 목적이 있다.

제안 방법

• 순서형 변수가 잠재 연속 변수의 이산화로부터 유래된다고 가정하는 반모수적 잠재 가우시안 코풀라 모델을 제안한다.
• 혼합된 순서형-연속형 쌍에 대해 관측된 켄달의 타우-아 상관계수를 잠재 상관계수 행렬로 매핑하는 새로운 다리 함수를 유도한다.
• 모수적 변환 함수를 추정하지 않고도 잠재 상관계수 행렬을 직접 추정하기 위해 랭크 기반 추정을 사용한다.
• 다층 순서형 및 연속형 혼합 데이터로의 일반화를 위해 다리 함수 프레임워크를 반복적으로 적용함으로써 삼단계-연속형 데이터에서 p단계 순서형 및 연속형 혼합 데이터로의 확장을 달성한다.
• 고차원 점점 증가하는 설정 하에서 추정기의 이론적 농도 경계를 확립한다.
• 혼합된 데이터 유형을 위한 그래픽 모델을 구축하기 위해 방법을 적용함으로써 조건부 독립성 구조 학습이 가능하게 한다.

실험 결과

연구 질문

• RQ1 순서형 및 연속형 변수 간의 상관관계를 모수적 변환 함수를 가정하지 않고 일致적으로 추정할 수 있는 방법은 무엇인가?
• RQ2 혼합된 순서형-연속형 데이터에서 관측된 랭크 기반 상관계수(예: 켄달의 타우-아)와 잠재 상관계수 행렬 간을 연결하는 적절한 다리 함수는 무엇인가?
• RQ3 랭크 기반 추정기는 혼합된 데이터 유형을 가진 고차원 설정에서 최적의 농도 수렴 속도를 달성할 수 있는가?
• RQ4 알고리즘 정의성 및 의료 생존 분석과 같은 실제 응용 분야에서 제안된 방법의 성능은 어떠한가?
• RQ5 결합된 관측치가 추정 정확도에 미치는 영향은 무엇이며, 이는 프레임워크 내에서 어떻게 적절히 보정될 수 있는가?

주요 결과

• 제안된 랭크 기반 추정기는 고차원 점점 증가하는 설정 하에서 최적의 농도 수렴 속도를 달성하며, 진짜 잠재 상관계수 행렬로의 수렴에 대해 이론적 보장을 제공한다.
• 이 방법은 기존의 이진-연속형 모델의 한계를 극복하여 잠재 가우시안 코풀라 모델을 다수의 순서형 및 연속형 데이터로 성공적으로 확장한다.
• 시뮬레이션 결과는 순서형 수준과 상관계수 구조의 다양한 구성에서도 추정기의 편향이 낮고 정밀도가 높음을 보여준다.
• 알고리즘 정의성 사례 연구에서, 이 방법은 COMPAS 위험 점수에 중대한 조건부 의존성을 드러내어 모델 편향에 대한 우려를 뒷받침한다.
• 전립선 암 데이터셋에서, 이 방법은 임상 및 유전체 변수 간에 의미 있는 그래픽적 구조를 식별하여 실용적 유용성을 입증한다.
• 순서형-연속형 쌍을 위한 새로운 다리 함수 유도는 수학적으로 복잡하지만, 변환 함수 추정을 피하기 위해 필수적이다.