[論文レビュー] Ranking Inferences Based on the Top Choice of Multiway Comparisons

Jianqing Fan, Zhipeng Lou+2 more|arXiv (Cornell University)|Nov 22, 2022

Economic and Environmental Valuation被引用数 5

ひとこと要約

本稿は、多項比較（M-way）から得られる唯一の上位選択肢のみを用いた順位推定のための新しい統計枠組みを提案する。これはBradley-Terry-Luceモデルの拡張であり、尤度推定による好みスコアの最適収束速度を確立し、MLEの漸近正規性を導出し、Gaussian乗数ブートストラップに基づく推論手法を提案することで、スコア差および順位の同時信頼区間を構築する。この手法により、スパースなサンプリング状態下でも有効な不確実性の定量的評価が可能となる。

ABSTRACT

This paper considers ranking inference of $n$ items based on the observed data on the top choice among $M$ randomly selected items at each trial. This is a useful modification of the Plackett-Luce model for $M$-way ranking with only the top choice observed and is an extension of the celebrated Bradley-Terry-Luce model that corresponds to $M=2$. Under a uniform sampling scheme in which any $M$ distinguished items are selected for comparisons with probability $p$ and the selected $M$ items are compared $L$ times with multinomial outcomes, we establish the statistical rates of convergence for underlying $n$ preference scores using both $\ell_2$-norm and $\ell_\infty$-norm, with the minimum sampling complexity. In addition, we establish the asymptotic normality of the maximum likelihood estimator that allows us to construct confidence intervals for the underlying scores. Furthermore, we propose a novel inference framework for ranking items through a sophisticated maximum pairwise difference statistic whose distribution is estimated via a valid Gaussian multiplier bootstrap. The estimated distribution is then used to construct simultaneous confidence intervals for the differences in the preference scores and the ranks of individual items. They also enable us to address various inference questions on the ranks of these items. Extensive simulation studies lend further support to our theoretical results. A real data application illustrates the usefulness of the proposed methods convincingly.

研究の動機と目的

• 上位選択肢のみが観測される順位推定において、不確実性の定量的評価が不足している問題に対処すること。
• 上位選択肢が観測される状況におけるBradley-Terry-Luceモデルの拡張を行い、対比較モデルを一般化すること。
• 最もスパースな一様サンプリング状態下での好みスコア推定における最適統計的収束速度を確立すること。
• 順位に関する厳密な推論枠組みを構築し、スコア差および順位位置の信頼区間を提供すること。
• MLEの漸近的分布に対する理論的根拠と、不確実性の定量的評価に有効なブートストラップ手順の提示。

提案手法

• 各M項目比較集合から上位選択肢のみが観測されるように、修正されたPlackett-Luceモデルを好みスコアに適用する。
• 一様サンプリング確率$ p $と各比較に対して$ L $回の繰り返しを想定し、尤度推定（MLE）により潜在的な好みスコアを推定する。
• 最もスパースなサンプリング状態$ p \gtrsim \log n / n $下でのMLEの$ \ell_2 $-および$ \ell_\infty $-ノルム収束速度を最適化して導出する。
• MLEの漸近正規性を確立し、個々のスコアに関する推論を可能にする。
• 最大対比較差統計量に基づく新規な推論枠組みを提案し、その分布をGaussian乗数ブートストラップで推定する。
• ブートストラップで推定された分布を用いて、スコア差および順位の同時信頼区間を構築し、上位K位の配置に関する仮説検定を可能にする。

実験結果

リサーチクエスチョン

• RQ1 上位選択肢のみが観測される多項比較において、好みスコアを推定する際の最適統計的収束速度は何か？
• RQ2 上位選択肢多項比較モデルにおけるMLEの漸近的分布は何か？また、これは有効な不確実性の定量的評価に用いられるか？
• RQ3 このモデル下で、好みスコア差および順位の同時信頼区間をどのように構築できるか？
• RQ4 提案された推論枠組みは、ボンフェローニ補正などの既存手法よりも狭い信頼区間を生成できるか？
• RQ5 この設定で最適な推定と推論を達成するために必要な最小のサンプリング複雑度は何か？

主な発見

• MLEは、最もスパースな一様サンプリング状態$ p \gtrsim \log n / n $下でも、理論的下界に一致する最適な$ \ell_2 $-および$ \ell_\infty $-ノルム収束速度を達成する。
• 同じサンプリング状態下でMLEは漸近的に正規分布に従い、個々の好みスコアに関する有効な推論が可能になる。
• 提案されたGaussian乗数ブートストラップ法は、最大対比較差統計量の分布を有効に近似でき、スコア差の同時信頼区間の構築を可能にする。
• 提案された枠組みにより構築された順位の同時信頼区間は、高確率的ボンフェローニ補正で得られるものよりも明確に狭いことが保証される。
• シミュレーション研究により、$ M $が増加（例：$ M=2 $から$ M=3 $に）するか、サンプリング確率$ p $が上昇することで、有効サンプルサイズが上昇し、信頼区間が著しく狭くなることが確認された。
• 実データを用いた実験的結果は、本手法が順位推定における信頼性の高い狭い信頼区間を構築する実用的有用性を示している。