[论文解读] Brief Report on Estimating Regularized Gaussian Networks from Continuous and Ordinal Data

Sacha Epskamp|arXiv (Cornell University)|Jun 18, 2016

Mental Health Research Topics参考文献 9被引用 34

一句话总结

该论文评估了GeLasso，一种使用图形LASSO结合扩展贝叶斯信息准则（EBIC）的正则化高斯图形模型，用于从连续和有序数据中估计心理网络。结果表明，GeLasso在不同样本量和数据类型下表现稳健，使用默认设置（γ=0.5，R=0.01）时，敏感性、特异性和边权重估计均表现良好，尤其在大样本量下表现更优。

ABSTRACT

In recent literature, the Gaussian Graphical model (GGM; Lauritzen, 1996),a network of partial correlation coefficients, has been used to capture potential dynamic relationships between observed variables. The GGM can be estimated using regularization in combination with model selection using the extended Bayesian Information Criterion (Foygel and Drton, 2010). I term this methodology GeLasso, and asses its performance using a plausible psychological network structure with both continuous and ordinal datasets.Simulation results indicate that GeLasso works well as an out-of-the-box method to estimate network structures.

研究动机与目标

• 评估GeLasso在从连续和有序数据中估计心理网络结构方面的表现。
• 评估调优参数γ（EBIC超参数）和R（LASSO范围比）对网络估计准确率的影响。
• 验证在现实心理网络情景中，GeLasso使用多系列相关（polychoric correlations）处理有序数据的适用性。
• 为实际心理网络建模中γ和R的使用提供实证建议。
• 证明GeLasso即使在小样本至中等样本量下，也能保持高特异性并准确恢复边权重。

提出的方法

• GeLasso将图形LASSO（glasso）算法与LASSO正则化相结合，从协方差或相关矩阵中估计稀疏偏相关网络。
• 对于有序数据，使用多系列相关（polychoric correlations）估计相关矩阵，替代皮尔逊相关。
• 生成一系列对数刻度的调优参数λ，其中λ_min = R × λ_max，R为控制正则化范围的比值。
• 使用扩展贝叶斯信息准则（EBIC）进行模型选择，通过超参数γ惩罚模型复杂度，选择最优网络。
• 真实网络结构基于BFI人格调查数据集（n=2,800）推导得出，仅当|偏相关| ≥ 0.05时保留边。
• 通过180,000个模拟数据集评估性能，指标包括敏感性、特异性以及真实与估计边权重之间的相关性。

实验结果

研究问题

• RQ1 GeLasso在心理网络模型中从连续和有序数据中恢复真实网络结构的表现如何？
• RQ2 EBIC超参数γ的变化对网络估计准确率和稳定性有何影响？
• RQ3 R值（控制λ范围的比值）的不同取值如何影响小样本至中等样本量下的敏感性和特异性？
• RQ4 在GeLasso中使用多系列相关是否会导致相比皮尔逊相关产生偏差或不稳定的网络估计？
• RQ5 在使用GeLasso进行实际心理网络分析时，γ和R的最优默认设置是什么？

主要发现

• 敏感性随样本量增加而提高，在n ≥ 250时达到高水平（高于0.8），GeLasso在连续和有序数据中均能成功检测真实边。
• 在小样本量（n=50, 100）下，使用多系列相关的有序数据易导致过拟合，形成高度连接的网络，除非γ > 0，但此时常导致空网络。
• 特异性在所有条件下均保持较高水平，仅在R=0.001或R=0.01且为有序数据的小样本量下，出现部分完全连接网络的估计。
• 在样本量≥250时，真实与估计边权重之间的相关性较高（r > 0.8），表明边强度大小被准确恢复。
• qgraph包中的默认设置（γ=0.5，R=0.01）在所有条件下表现良好，γ=0.25虽略提高检测能力，但使用多系列相关时稳定性下降。
• 较高的γ值（如0.5）可提升小样本量下有序数据的稳定性，而γ=0则在低样本量多系列相关设置中虽提高发现率，但存在过拟合风险。