[论文解读] Derivative Principal Component Analysis for Representing the Time Dynamics of Longitudinal and Functional Data

Xiongtao Dai, Hans‐Georg Müller+1 more|arXiv (Cornell University)|Jul 14, 2017

Statistical Methods and Inference参考文献 18被引用 6

一句话总结

本文提出了一种非参数方法——导数主成分分析（DPCA），通过导数过程的Karhunen–Loève展开，直接对平滑纵向和函数型数据的导数进行建模与表示。该方法生成的导数主成分得分（DPCs）在稀疏采样或仅使用少量成分时，相较于标准函数型主成分分析（FPCA），能更准确地反映动态变化，并在统一的稀疏与密集观测方案下实现一致性和最优收敛速率。

ABSTRACT

We propose a nonparametric method to explicitly model and represent the derivatives of smooth underlying trajectories for longitudinal data. This representation is based on a direct Karhunen--Loève expansion of the unobserved derivatives and leads to the notion of derivative principal component analysis, which complements functional principal component analysis, one of the most popular tools of functional data analysis. The proposed derivative principal component scores can be obtained for irregularly spaced and sparsely observed longitudinal data, as typically encountered in biomedical studies, as well as for functional data which are densely measured. Novel consistency results and asymptotic convergence rates for the proposed estimates of the derivative principal component scores and other components of the model are derived under a unified scheme for sparse or dense observations and mild conditions. We compare the proposed representations for derivatives with alternative approaches in simulation settings and also in a wallaby growth curve application. It emerges that representations using the proposed derivative principal component analysis recover the underlying derivatives more accurately compared to principal component analysis-based approaches especially in settings where the functional data are represented with only a very small number of components or are densely sampled. In a second wheat spectra classification example, derivative principal component scores were found to be more predictive for the protein content of wheat than the conventional functional principal component scores.

研究动机与目标

• 开发一种非参数方法，用于建模和表示纵向和函数型数据中平滑潜在轨迹的导数。
• 解决函数型主成分分析（FPCA）在导数估计方面的局限性，因为FPCA的目标是函数表示而非导数。
• 通过直接建模导数过程的Karhunen–Loève展开，为稀疏和密集数据提供统一框架。
• 在温和正则性条件下，推导DPC估计的一致性和渐近收敛速率。
• 通过模拟和真实数据表明，与基于FPCA的方法相比，DPCA在导数恢复和预测性能方面具有更高的准确性。

提出的方法

• 提出对未观测到的导数过程进行直接Karhunen–Loève展开，以建模时间动态。
• 通过最佳线性无偏预测（BLUP）估计导数主成分得分（DPCs），利用跨受试者的 pooled 数据在稀疏条件下提升估计精度。
• 通过导数过程协方差函数的谱分解，估计导数轨迹的特征函数和特征值。
• 采用统一的估计方案，无需对数据重新格式化，即可处理稀疏和密集观测设计。
• 采用非参数平滑方法，从未规则、有噪声的测量数据中估计导数过程协方差函数。
• 在单一框架下，推导DPC及其相关分量在稀疏和密集数据中的理论一致性与收敛速率。

实验结果

研究问题

• RQ1 与基于FPCA的方法相比，对导数过程进行直接Karhunen–Loève表示是否能提升纵向数据中导数估计的准确性？
• RQ2 当数据稀疏或不规则采样时，导数主成分得分（DPCs）在恢复真实潜在导数方面表现如何？
• RQ3 在统一的稀疏与密集观测方案下，DPC估计的一致性和收敛速率如何？
• RQ4 在预测建模任务中，如从光谱数据分类小麦蛋白质含量，DPCA是否优于FPCA？
• RQ5 与替代导数估计技术相比，基于BLUP的DPC估计在测量误差和稀疏性方面的鲁棒性如何？

主要发现

• 与基于FPCA的方法相比，DPCA在函数型数据仅用少量成分表示或密集采样时，能更准确地恢复潜在导数。
• 在真实世界分类示例中，导数主成分得分（DPCs）对小麦蛋白质含量的预测能力优于传统函数型主成分得分。
• 所提出的方法在统一框架下，对稀疏和密集观测均实现了DPC估计的一致性和最优收敛速率。
• 理论结果表明，DPC估计误差以 $ O( ext{max}(a_n, b_n)) $ 的速率收敛，其中 $ a_n $ 和 $ b_n $ 分别控制观测密度和测量噪声。
• 在袋鼠生长曲线应用中，DPCA在低秩设置下优于FPCA，更准确地重构了导数动态。
• 基于BLUP的DPC估计方法能有效跨受试者借用信息，降低对单个轨迹中测量噪声和稀疏性的敏感性。