[论文解读] Context-specific independencies for ordinal variables in chain regression models

Federica Nicolussi, C. Manuela|Archivio Istituzionale della Ricerca (Universita Degli Studi Di Milano)|Dec 14, 2017

Sensory Analysis and Statistical Methods参考文献 2被引用 6

一句话总结

本文提出了一种新型分层链图模型（SCG），用于序次变量，将情境特定（CS）条件独立性整合到层次多项式边缘模型（HMMMs）中。通过利用序次数据的基线对数与局部对数，推导出新的马尔可夫性质及回归参数简化方法，从而更高效地建模列联表中的复杂依赖结构，并以意大利企业创新数据为例进行应用。

ABSTRACT

In this work we handle with categorical (ordinal) variables and we focus on the (in)dependence relationship under the marginal, conditional and context-specific perspective. If the first two are well known, the last one concerns independencies holding only in a subspace of the outcome space. We take advantage from the Hierarchical Multinomial Marginal models and provide several original results about the representation of context-specific independencies through these models. By considering the graphical aspect, we take advantage from the chain graphical models. The resultant graphical model is a so-called "stratified" chain graphical model with labelled arcs. New Markov properties are provided. Furthermore, we consider the graphical models under the regression poit of view. Here we provide simplification of the regression parameters due to the context-specific independencies. Finally, an application about the innovation degree of the Italian enterprises is provided.

研究动机与目标

• 为了在标准边缘独立性与条件独立性之外，对序次分类变量中的情境特定（CS）条件独立性进行建模。
• 为了通过序次数据的基线对数与局部对数，将情境特定独立性整合到层次多项式边缘模型（HMMMs）中。
• 为了开发一种新型的IV型分层链图模型（SCG），将情境特定独立性与基于回归的马尔可夫性质相结合。
• 为了通过利用情境特定独立性来简化回归参数化，降低模型复杂度。
• 为了通过意大利中小企业创新状态的真实数据集验证该方法。

提出的方法

• 使用层次多项式边缘模型（HMMMs）通过边缘分布中的交互作用来表示情境特定独立性。
• 应用基线对数与局部对数来建模序次变量，实现尊重序次结构的参数化。
• 提出一种IV型分层链图模型（SCG），通过引入带标签的边来扩展链图，以表示情境特定独立性。
• 推导SCG模型的新马尔可夫性质，将条件独立性与情境特定独立性与图结构联系起来。
• 通过公式（13）–（15）建立HMM参数与回归参数之间的等价关系，实现参数简化。
• 通过理论证明与对意大利企业创新数据的真实世界应用验证模型。

实验结果

研究问题

• RQ1 如何在HMMMs中正式表示并建模序次分类数据中的情境特定独立性？
• RQ2 情境特定独立性对具有序次变量的链图模型的马尔可夫性质有何影响？
• RQ3 当序次数据中存在情境特定独立性时，如何简化回归参数？
• RQ4 基线对数与局部对数在HMMMs框架内对序次变量的情境特定独立性参数化中起什么作用？
• RQ5 所提出的分层链图模型（SCG）在捕捉情境特定依赖关系方面，相较于现有图模型有何改进？

主要发现

• 本文确立了通过HMMMs结合基线对数与局部对数，可有效建模序次变量中的情境特定独立性，拓展了以往仅限于对数线性模型的研究。
• 为分层链图模型（SCG）推导出新的马尔可夫性质，将图结构与情境特定独立性陈述联系起来。
• 通过利用情境特定独立性，模型可显著简化回归参数，减少所需参数数量。
• 理论结果表明，HMM参数可通过公式（13）–（15）用回归参数表示，从而实现高效估计。
• 在意大利中小企业创新数据上的应用表明，该模型能够检测到标准模型所遗漏的情境特定依赖关系。
• SCG模型中使用带标签的边，实现了对依赖关系在不同情境下变化的更细致图示表达。