Bayesian Effect Selection for Additive Quantile Regression with an Application to Air Pollution Thresholds

Résumé technique : Sélection d'effets bayésiens pour la régression quantile additive avec une application aux seuils de pollution atmosphérique

Énoncé du problème
Les limites réglementaires de la pollution atmosphérique sont définies par des dépassements de seuils de concentration, qui correspondent aux quantiles supérieurs des distributions de polluants. Bien que les méthodes statistiques existantes puissent modéliser les relations non linéaires entre les covariables et la pollution atmosphérique, elles échouent souvent à répondre simultanément à trois besoins critiques : (1) sélectionner quelles covariables affectent la réponse, (2) déterminer la forme fonctionnelle de ces effets (linéaire, non linéaire ou les deux), et (3) le faire spécifiquement pour les quantiles conditionnels plutôt que pour la simple moyenne.

Les approches courantes, telles que la représentation par modèles mixtes (MMR) des splines pénalisées, permettent des effets non linéaires flexibles mais ne parviennent pas à fournir une séparation significative entre les composantes linéaires et non linéaires. Ce manque de décomposition orthogonale conduit à une estimation incohérente de ces différentes parties d'effet. De plus, les méthodes traditionnelles de sélection de variables (par exemple, LASSO, COSSO) opèrent souvent dans des contextes de régression linéaire ou de moyenne et ne s'étendent pas naturellement à la décomposition des effets au sein des cadres de régression quantile.

Méthodologie
Les auteurs proposent QDReSS (Quantile Distributional Regression with Effect Selection and Structure), un cadre bayésien pour la régression quantile additive qui intègre la sélection d'effets et la décomposition d'effets.

1. Expansion de base de Demmler-Reinsch (DR) :
   Pour résoudre l'incohérence de la MMR, les auteurs utilisent une expansion de base DR. Cette approche effectue une projection $L^2$ des B-splines cubiques sur l'espace des fonctions linéaires. Les fonctions de base résultantes sont empiriquement orthogonales à la composante linéaire et mutuellement orthogonales. Cela permet une décomposition propre de tout effet additif $f(x)$ en une partie linéaire ($f_{lin}$) et une partie non linéaire ($f_{nonlin}$), garantissant que ces composantes peuvent être estimées de manière cohérente.

2. Inférence bayésienne avec des priors NBPSS :
   Le cadre utilise une distribution de Laplace asymétrique (ALD) comme vraisemblance de travail pour faciliter la régression quantile bayésienne. Pour obtenir la sélection de variables et d'effets, les auteurs placent des priors Normal Beta Prime Spike and Slab (NBPSS) sur les paramètres d'importance associés aux composantes linéaires et non linéaires de chaque covariable.

   • La structure hiérarchique du prior permet une contraction (shrinkage) au niveau du groupe.
   • Elle distingue quatre états pour chaque covariable : aucun effet, effet linéaire uniquement, effet non linéaire uniquement, ou les deux.
   • Les probabilités d'inclusion sont apprises à partir des données via des hyperparamètres, évitant ainsi le besoin de réglages spécifiques au quantile.

3. Estimation a posteriori :
   L'inférence a posteriori est réalisée à l'aide d'un échantillonneur de Gibbs efficace. La structure conjuguée du modèle (facilitée par la représentation en mélange d'échelle de l'ALD et les priors gaussiens) permet d'obtenir des distributions conditionnelles complètes en forme close pour tous les paramètres, y compris les poids latents, les composantes de variance et les indicateurs d'inclusion.

Contributions clés

• Cohérence théorique : L'article fournit une preuve théorique que l'expansion de base DR produit des estimateurs cohérents pour les composantes d'effet linéaire et non linéaire dans la régression quantile additive, une propriété qui n'est pas garantie par les MMR standards.
• Sélection et décomposition intégrées : Contrairement aux méthodes existantes qui sélectionnent des fonctions entières ou opèrent uniquement dans des contextes linéaires, QDReSS sélectionne simultanément les covariables et détermine si leurs effets sont linéaires, non linéaires ou les deux, spécifiquement aux quantiles définis par l'utilisateur.
• Efficacité computationnelle : La nature orthogonale de la base DR simplifie la structure de pénalité (réduisant les pénalités de lissage à des matrices identité), ce qui permet une computation plus rapide par rapport aux approches basées sur la MMR.
• Mise en œuvre pratique : Les auteurs fournissent un flux de travail bayésien complet, incluant une stratégie simplifiée d'élicitation de priors basée sur les propriétés d'échelle de la distribution beta prime, ainsi qu'une implémentation en code ouvert.

Résultats et application
La méthode a été appliquée aux données de pollution atmosphérique quotidienne de Madrid, en Espagne (2016–2019), en modélisant les concentrations de dioxyde d'azote ($NO_2$) aux quantiles $\tau \in \{0.6, 0.8, 0.9\}$.

• Performance prédictive : Dans une étude de validation croisée à 10 plis, QDReSS a systématiquement obtenu une perte de quantile plus faible (meilleure précision prédictive hors échantillon) par rapport à l'approche MMR concurrente pour tous les quantiles testés.
• Résultats de la décomposition d'effets :
  • Ozone ($O_3$) : A présenté un effet négatif non linéaire fort et constant sur le $NO_2$ à travers tous les quantiles, confirmant des interactions chimiques complexes.
  • Trafic : Contrairement aux hypothèses linéaires univariées initiales, le flux de trafic s'est avéré avoir un effet non linéaire significatif sur le $NO_2$, particulièrement aux quantiles élevés (événements de pollution extrême).
  • Variables climatologiques : Les effets de la température, de la vitesse du vent et des précipitations variaient selon le quantile. Par exemple, les précipitations ont montré une force non linéaire croissante aux quantiles plus élevés, tandis que les effets de la vitesse du vent sont passés d'un régime linéaire (aux quantiles inférieurs) à un régime non linéaire (aux quantiles supérieurs).
  • Monoxyde de carbone (CO) : A montré un effet linéaire fort uniquement au quantile inférieur ($\tau=0.6$), devenant négligeable aux seuils plus élevés.

Signification et affirmations
Les auteurs affirment que QDReSS constitue une avancée nécessaire dans la modélisation de la pollution atmosphérique en permettant des décisions fondées sur les données concernant la forme fonctionnelle des effets des covariables à des seuils de pollution spécifiques. L'étude souligne que les événements de pollution extrême (quantiles élevés) sont pilotés différemment par les variables climatologiques et les structures de trafic par rapport aux conditions moyennes.

L'article soutient que ces résultats soulignent la nécessité de modèles statistiques avancés capables de soutenir la prise de décision à court terme. En modélisant avec précision les moteurs non linéaires des dépassements de seuils, les autorités locales peuvent mieux atténuer ou prévenir les violations des limites de concentration de $NO_2$. Les auteurs notent modestement que, bien que cette étude se concentre sur une seule station pour élucider les mécanismes intrinsèques, le cadre est généralisable à d'autres villes et peut être étendu pour inclure des effets spatiaux ou l'estimation simultanée de quantiles pour éviter le croisement de quantiles.