구간 검열 데이터의 비모수 최소제곱 추정법

초록

본 논문은 관측 시점이 여러 개인 구간 검열 모델에서 비모수 최대우도추정량(MLE)의 극한분포가 아직 알려지지 않은 상황을 다룬다. 저자는 분리된 경우와 비분리된 경우에 대한 기존 이론을 검토하고, 새로운 비모수 등위 최소제곱(Least Squares) 추정량의 일관성과 극한분포에 대한 스케치를 제시한다. 또한 반복적인 볼록 최소극선(iterative convex minorant) 알고리즘을 이용한 시뮬레이션을 통해 MLE와 최소제곱 추정량의 성능을 비교하고, 단일 단계로 계산 가능한 단순 최소제곱 추정량이 정보 활용 측면에서 열등함을 확인한다.

상세 분석

이 논문은 구간 검열(case 2) 상황, 즉 각 미관측 변수 X_i에 대해 두 개 이상의 관측 시점(U_i, V_i)이 존재하는 모델을 중심으로 연구한다. 현재까지는 관측 시점 간격이 고정된 양의 ε보다 큰 ‘분리된(separated)’ 경우에만 MLE의 극한분포가 알려져 있으며, 관측 간격이 arbitrarily small 할 수 있는 ‘비분리(non‑separated)’ 경우에는 아직 확정된 결과가 없다. 저자는 이러한 공백을 메우기 위해 두 가지 비모수 최소제곱 추정량을 제안한다. 첫 번째는 (1.6)식에 기반한 전형적인 등위 회귀(isotonic regression) 형태로, F(U_i), F(V_i) 사이의 차이를 직접 고려한다. 두 번째는 (1.7)식에 기반한 단순 형태로, F(V_i)−F(U_i) 대신 F(V_i)−Δ_i0−Δ_i1 형태를 최소화한다. 두 추정량 모두 단조성 제약을 만족하도록 설계되었으며, Lagrange multiplier를 도입해 0과 1 사이의 경계 조건을 강제한다.

논문은 Lemma 2를 통해 최소제곱 추정량의 최적조건을 Fenchel 이중성(Fenchel duality) 관점에서 제시하고, 이를 기반으로 iterative convex minorant 알고리즘을 구현한다. 알고리즘은 초기 등위 회귀 해를 구한 뒤, 경계 위반(값이 0 미만 또는 1 초과) 부분을 즉시 0 혹은 1로 고정하고 Lagrange multiplier를 재계산하는 과정을 반복한다. 수렴 속도가 매우 빠르며, interior‑point 방법과도 동일한 결과를 얻는다.

극한분포에 대한 Theorem 1은 관측 시점 (U,V)의 조인트 밀도 h(u,v)가 연속적이고 양의 하한을 가지며, X와 독립이라는 가정 하에, a_t와 b_t를 정의하고 σ_t = (a_t f_0(t)/b_t)^{2/3} 로 표준화한 뒤 n^{1/3}( \hat F_n(t)−F_0(t) )/σ_t 가 argmin_{s} {W(s)+s^2} (W는 양방향 표준 브라운 운동) 로 수렴함을 제시한다. 이는 현재 상태 모델에서의 MLE와 동일한 형태의 수렴률 n^{-1/3}을 보이며, 최소제곱 추정량이 √n‑일관적인 부드러운 함수형(functional) 추정에도 적용 가능함을 시사한다.

시뮬레이션 결과는 두 가지 모델(트렁케이트 지수분포와 균등분포)에서 n=1,000 및 n=10,000에 대해 수행되었다. Figure 1‑3에서 볼 수 있듯이, 비분리 경우에도 MLE와 최소제곱 추정량 모두 n^{2/3}배한 분산이 이론적 한계에 근접하지만, 표본 크기가 1,000 수준에서는 아직 명확한 수렴 양상을 관찰하기 어렵다. 특히 단순 최소제곱 추정량(1.7)은 정보 활용도가 낮아 분산이 크게 나타났으며, 복잡한 최소제곱 추정량(1.6)이 전반적으로 더 우수한 성능을 보였다.

마지막으로 논문은 아직 증명되지 않은 ‘off‑diagonal terms’ (5.9), (5.10)의 o_p(n^{-2/3}) 속성을 다루며, 유사 문제에서 O_p(n^{-5/6}) 수준으로 제어된 사례(