[论文解读] Statistical modelling of summary values leads to accurate Approximate Bayesian Computations

Oliver Ratmann, Anton Camacho+2 more|arXiv (Cornell University)|May 18, 2013

Markov Chains and Monte Carlo Methods参考文献 18被引用 15

一句话总结

本文提出了一种新颖的近似贝叶斯计算（ABC）方法，通过等价性检验和校准对摘要统计量进行统计建模，从而提高精度。该方法利用双侧t检验（TOST）和Z变换自相关检验（TOSZ），确保在模型误设情况下的稳健性，并通过迭代校准容差区域增强后验推断。

ABSTRACT

Approximate Bayesian Computation (ABC) methods rely on asymptotic arguments, implying that parameter inference can be systematically biased even when sufficient statistics are available. We propose to construct the ABC accept/reject step from decision theoretic arguments on a suitable auxiliary space. This framework, referred to as ABC*, fully specifies which test statistics to use, how to combine them, how to set the tolerances and how long to simulate in order to obtain accuracy properties on the auxiliary space. Akin to maximum-likelihood indirect inference, regularity conditions establish when the ABC* approximation to the posterior density is accurate on the original parameter space in terms of the Kullback-Leibler divergence and the maximum a posteriori point estimate. Fundamentally, escaping asymptotic arguments requires knowledge of the distribution of test statistics, which we obtain through modelling the distribution of summary values, data points on a summary level. Synthetic examples and an application to time series data of influenza A (H3N2) infections in the Netherlands illustrate ABC* in action.

研究动机与目标

• 为解决ABC中摘要统计量选择问题，该问题严重影响后验精度。
• 开发一种基于统计等价性检验的系统性框架，用于校准ABC中的容差区域。
• 确保当摘要统计量非完全充分时，ABC推断仍保持稳健且统计功效强大。
• 通过校准的等价性检验，实现对参数与摘要统计量之间链接函数的准确重构。
• 提供一种系统性校准程序，以最大化统计功效并使检验中心位于真实参数值处。

提出的方法

• 在正态性假设下，使用双侧t检验（TOST）检验模拟与观测摘要统计量之间的位置等价性。
• 应用Z变换t检验（TOSZ）检验自相关等价性，利用费舍尔Z变换实现正态近似。
• 采用二分查找算法校准容差边界（τ⁻, τ⁺），使得检验的最大功效中心位于真实参数值处。
• 引入递归校准程序，基于摘要统计量的经验标准差，在每次ABC迭代中更新容差区域。
• 使用局部多项式回归从ABC输出中重构参数与摘要统计量之间的链接函数。
• 通过夏皮罗-弗朗西斯正态性检验和偏自相关性检验验证模型假设，确保稀疏化后无自相关性。

实验结果

研究问题

• RQ1 如何校准ABC中的容差区域，以在确保大小为α控制的同时最大化统计功效？
• RQ2 当摘要统计量不充分时，等价性检验（TOST和TOSZ）是否能提升ABC推断的稳健性与准确性？
• RQ3 在使用校准等价性检验时，从ABC输出中能在多大程度上重构参数与摘要统计量之间的链接函数？
• RQ4 对时间序列摘要统计量进行稀疏化处理，如何影响ABC中独立性与正态性假设的有效性？
• RQ5 对容差边界进行迭代重新校准，对ABC中后验估计精度有何影响？

主要发现

• 当τ⁻ = -τ⁺时，经校准的TOST与TOSZ程序可实现近似大小为α的检验，且功效中心位于真实参数值处。
• 基于二分查找的校准方法成功定位了容差边界，使得检验的最大功效中心位于真实参数值ρ*处，从而确保对偏离的最优检测能力。
• 稀疏化后，摘要统计量通过了正态性检验与独立性检验，表明TOST与TOSZ的假设条件得到满足。
• 从ABC输出中重构的链接函数（L̂₁, L̂₂）与真实链接函数高度一致，等高线与真实参数值对齐。
• 使用校准容差区域的ABC⋆方法得到的后验估计（如R₀ = 3.51 ± 0.02）远比标准ABC方法（3.74 ± 0.39）更接近真实值（3.5），显著提升了精度。
• 在每次ABC迭代中对自由参数进行迭代重新校准，维持了检验的有效性，并提升了后验估计的收敛性与精度。