Forelesning 13. STK november Med glattingsteknikker. leter vi ikke etter en parametrisk for for E

Transkript

1 " & " + Med glattingsteknikker Forelesning 13 STK november 2007 S O Samuelsen 1 Glatting 2 Generaliserte additive modeller GAM)) 3 Mispesifiserte modeller 4 Generaliserte estimeringsligninger GEE) 5 Varianskomponentmodeller leter vi ikke etter en parametrisk for for E På bagrunn av data dataavhengig estimat % Eksempler på glattingteknikker: Glidende gjennomsnitt % mean Kjerneestimatorer Lokale regresjoner er MKE for slike at prøver vi å lage et fleksibelt for E " % % % " Robuste vektede) lokale regresjoner: "Loess" "Splines" kan varieres % % Forelesning 13 p1/31 Forelesning 13 p3/3 Glatting: Ofte vil lineære modeller Eksempel: Simulerer data fra modell E passe dårlig til data Generelt kan vi ha sammenheng + *) N 0 / E for en eller anne funksjon på ulike måter Inklu 2 gradsledd i modellen E Polynomisk regresjon: E Inklusjon av andre funksjoner av Kategorisering av : E Denne situasjonen kan angripes feks " # y Glattingsteknikker Forelesning 13 p2/31 Forelesning 13 p4/3

2 y y y y Simuleringseksempel Bergner glidende gjennomsnitt lokale regresjoner loess "kubiske" splines I dette tilfellet er det vanskelig å si hvilken estimator som fungerer best Glidende gjennomsnitt Lokal regresjon Glatting i R: Kan bruke funksjonen / biblioteket gam biblioteket må lastes ned fra CRAN) > <100:100)/50 > y<+sin*pi)+rnorm201)*05 > librarygam) > gamy sdf=10)) Call: gamformula = y s df = 10)) Loess Splines Degrees of Freedom: 200 total; Residual Residual Deviance: > gamy lospan=017)) Call: gamformula = y lo span = 017)) Forelesning 13 p5/31 Degrees of Freedom: 200 total; Residual Residual Deviance: Forelesning 13 p7/3 Kubiske splines Estimer ved å minimere varierer graden av glatthet Vi straffer altså for stor dobbeltivert "vingling" dvs stor grad av Forbløffende nok har dette en løsning som kubiske splines med "knots" i ene dvs er 3 gradspolynom på dvs mellom ordnede verdier) % % er kontinuerlig 2 ganger iverbar så i ene Forelesning 13 p6/31 Syntaks: gamtilpasningen gjøres ved struktur anal til glm s) angir splinesglatting lo) angir loessglatting robust vektet lokal minste kvadrater) Graden av glatting angis for splines ved å angi et visst antall frihetsgra som svarer til en viss verdi av glattingsparameteren ) For Loess angis graden av glatting ved span som så kan oversettes til frihetsgra Min erfaring er at defaultgrad av glatting fungerer bra for monotone eller entoppede sammenhenger men at det med flertoppede funksjoner trengs nærmere unsøkelse av glattingsgrad Forelesning 13 p8/3

3 + Additive modeller: Flere kovariater Flere funksjoner Modell: + gamrutinen tillater slike modeller ved "backfitting"algoriten: 1 Sentrer ene: 2 Gjør splinestilpasning av 3 Bergen % 4 Gjør splinestilpasning av 5 Fortsett prosedyren for mot mot 6 Gjenta trinnene 2 til 5 inntil konvergens % % N GAM = Generaliserte additive modeller Modell: fra eksponensiell klasse med forventning linkfunksjon GAM er altså en utvidelse av GLMrammen med vilkårlige glatte funksjoner istedetfor lineære effekter GAM tilpasses med Iterativt revektede minste kvadraters algoritmen IRLS) utvidet med backfitting i hver iterasjon Og dette konvergerer ganske trofast Forelesning 13 p9/31 Forelesning 13 p11/3 Eksempel: Lungekapasitet FEV1) etter kjønn al høyde BMI = vekt i kg høyde i m plotgamafev1 kjonn+sal)+shoyde)+sbmi))se=t) partial for kjonn sal) Eks GAM: Biller > glmcbinddodeantdode) Dosefamily=binomial) Degrees of Freedom: 7 Total ie Null); 6 Residual Null Deviance: 2842 Residual Deviance: 1123 AIC: 4143 > gamcbinddodeantdode) sdose)family=binomial) Degrees of Freedom: 7 total; Residual Residual Deviance: kjonn al > glmcbinddodeantdode) Dosefamily=binomiallink=cll)) shoyde) hoyde sbmi) bmi Forelesning 13 p10/31 Degrees of Freedom: 7 Total ie Null); 6 Residual Null Deviance: 2842 Residual Deviance: 3446 AIC: 3364 > gamcbinddodeantdode) sdose)family=binomiallink=cll)) Degrees of Freedom: 7 total; Residual Residual Deviance: Forelesning 13 p12/3

4 Gamplott: Biller Feilspesifiserte modeller Eksempel: Anta er binære med forventning sdose) litlink sdose) clllink E dvs lineær i kovariatene Hva skjer hvis vi estimerer vanlig minste kvadrater? med Estimatene er konsistente konvergerer mot sann verdi når ) Estimatene er asymptotisk normale Dose Dose Feilspesifisert konstant varians le til gale variansestimater Forelesning 13 p13/31 Forelesning 13 p15/3 Eks GAM: Biller sammendrag Med litmodell forbedret 2 gradsledd modellen GAM finner automatisk avviket fra modellen med 1 gradsmodell Med clllink var 2 gradsledd unødvendig Heller ingen forbedring med GAM Feilspesifiserte modeller forts Mer generelt anta at er uavhengige med forventning korrekt spesifisert linkfunksjon men feilspesifisert variansstruktur Var Vi estimerer da ved å løse scorefunksjonen GAM behandles mer inngående i STK4030: Mone dataanalyse H08) Siden forventningsstrukturen er korrekt spesifisert er E E Dessuten siden ene er uavhengige er tilnærmet Forelesning 13 p14/31 N VAR ved sentralgrenseteoremet for ikkeidentiske fordelte variable såsant ikke et lite antall av dominerer ) Forelesning 13 p16/3

5 Feilspesifiserte modeller forts II Spesielt får vi at kovariansmatrisen til gis ved Feilspesifiserte modeller Avhengige data Anta så at VAR Var som avviker fra forventet informasjon respons individ i familie at forventningsstruktur variansstruktur Var er korrekt spesifisert at familier er uavhengige men at det er avhengighet innen familier siden Var imidlertid % Ved vanlig 1 ordens Taylor har vi Restledd altså tilnærmet som en lineærtransformasjon av tilnærmet normalfordelt Forelesning 13 p17/31 En MLanalyse som behandler dataene som uavhengige vil gi når Konsistente asymptotiske normalfordelte estimater Gale variansestimater er små % Forelesning 13 p19/3 Sandwich estimator Men "med" blir så tilnærmet normalfordelt med forventning kovariansmatrise % Spesielt med forventning kovariansmatrise for VAR Estimert kovariansmatrise for VAR % blir med % % % Kovariansmatriser på denne formen kalles ofte Sandwichestimatoren for kovariansmatrisen Sandwichestimatoren betegnes ofte som robust varians fordi den er gyldig når variansstrukturen er feilspesifisert multivariat normalfordelt blir kovariansmatrisen for minste kvadraters estimater Hvis er designmatrisen for familie den totale designmatrisen ene er kjente er det altså lett å estimere kovariansmatrisen Forelesning 13 p18/31 Forelesning 13 p20/3

6 Men det er så mulig å finne en effisient estimator ved å maksimere en matrise)vektet minstekvadraters estimator: Minimer Generalisering til andre eksponensielle familier Merk at for uavhengige univariate responser scoreligningene kan vi skrive eller løs estimeringsligningene % % siden Var Dette uttrykket kan generaliseres til klyngedata familiedata) ved husk at er vektorer) som gir estimator % med kovariansmatrise Forelesning 13 p21/31 matrisen av iverte av er kovariansmatrisen til mhp Forelesning 13 p23/3 Kovariansmatriser Typisk er ikke kovariansmatrisene kjent men avhenger av ukjente parametre Et vanlig valg for kovariansmatrisen er den såkalt ubyttbare echangable) formen GEE = Generaliserte estimeringsligninger Her kan vi vie uttrykke diagonalmatrisen av variansene til mellom ene for gitt klynge er korrelasjonene dvs cor for alle Alternativt kan vi ha vilkårlig unstructured) kovariansmatrise med cor Et ytterligere alternativt er "autoregressiv" kovariansmatrise med cor Forelesning 13 p22/31 Estimering skjer typisk ved at Estimer ved vanlig GLM dvs un urealistisk uavhengighetsantagelse Estimer så kovariansmatriser fra % Løs estimeringsligningene innsatt Iterer til konvergens estimater Denne teknikken kalles ofte Generaliserte estimering ligninger equations) forkortes GEE for % Forelesning 13 p24/3

7 Variansestimering GEE Gitt kovariansmatriser Men i praksis må modellavvik skal GEE gi effisiente estimater ene estimeres Det kan dessuten være Derfor anbefales det gjerne å benytte robust sandwichestimator for kovariansmatrisen til % Eks forts > geefit GEE: GENERALIZED LINEAR MODELS FOR DEPENDENT DATA gee Sfunction version 413 modified 98/01/ ) Model: Link: Lit Variance to Mean Relation: Binomial Correlation Structure: Echangeable Number of observations : 480 Maimum cluster size : 12 Working Correlation[1:41:4] [1] [2] [3] [4] [1] [2] [3] [4] Forelesning 13 p25/31 Forelesning 13 p27/3 Eksempel Faraway): Balanseevne individ klarer å balansere i forsøk Kovariater: Kjønn høyde vekt overflate lys vision) Må laste ned biblioteket gee fra Cran > geefit<geestable Se+Height+Weight+Surface+Visionid=Subject family=binomialcorstr="echangeable"scalefi=true) Beginning Cgee geeformulaq /01/27 running glm to get initial regression estimate Intercept) Semale Height Weight Surfacenorm Visiondome Visionopen Eks forts forts > roundsummarygeefit)coef2) Estimate Naive SE Naive z Robust SE Robust z Intercept) Semale Height Weight Surfacenorm Visiondome Visionopen De naive variansene er her ofte ellers) mindre enn de robuste Forelesning 13 p26/31 Forelesning 13 p28/3

8 Varianskomponenter random effects): En annen tilnærming til klyngedata er varianskomponentmodeller For lineærnormale klyngedata kan vi anta + familievariasjonen gis ved N individvariasjonen ved N som er uavhengige Vi finner da at indivi i samme familie har Cov + Cov at korrelasjonen mellom indivi i familie blir altså som ved en utbyttbar korrelasjonsstruktur Vi ser at modellen kan skrives om til Forelesning 13 p29/31 Varianskomponenter slutt Denne type modeller kalles ofte GLMM eller GLMMi pga blanding mellom fied effects varianskomponenter Mer om denslags feks i STK4070 som antagelig ikke går før V09) Men det er gis et kurs i tidsrekkeanalyse STK4060) V08 som omhandler andre aspekter ved avhengige data Og med er forelesningene i STK3100/STK4100 slutt for dette semesteret Forelesning 13 p31/3 Varianskomponenter forts Vi ser at modellen kan skrives om til varianskomponenten N Dette åpner for en generalisering til + + så er kovariater varianskomponenter er en vektor av uavhengige Dette formen kan utvides til GLMmodeller med lineær prediktor Likelihood gitt er standard GLM Likelihood marginalt ved å integrere ut fordelingen til Kan være numerisk komplekst Bayesianske teknikker som MCMC = Markov Chain Forelesning Monte 13 p30/31