📊 statistics

A Kolmogorov-Smirnov-Type Test for Dependently Double-Truncated Data

Questo articolo propone un test di tipo Kolmogorov-Smirnov per famiglie di distribuzioni parametriche di dati sulla durata della vita a doppia troncatura, utilizzando modelli copula per tenere conto della dipendenza e dimostrandone l'efficacia attraverso simulazioni e un'applicazione alla durata delle imprese tedesche che rifiuta l'ipotesi di un tasso di chiusura omogeneo rispetto all'età.

Autori originali: Anne-Marie Toparkus, Rafael Weissbach

Pubblicato 2026-07-22

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Anne-Marie Toparkus, Rafael Weissbach

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il Mistero del Tempo Perduto

Immaginate di essere un detective che cerca di capire quanto duri di solito un oggetto specifico. Potrebbe essere una lampadina, uno smartphone o persino un'azienda. Nel mondo della statistica, questo si chiama studiare la "durata della vita" (lifespan). Ma c'è un problema: non potete semplicemente aspettare che ogni singolo oggetto muoia per vedere quanto sia vissuto. Dovete osservare un'istantanea temporale.

È qui che entra in gioco la "troncatura". Pensate a una macchina fotografica che scatta foto solo alle persone che si trovano già in una determinata stanza. Se fotografate solo le persone che sono attualmente in una sala d'attesa, perderete tutti quelli che non sono ancora arrivati (troncatura a sinistra) e tutti quelli che se ne sono già andati (troncatura a destra). Nella vita reale, questo accade continuamente. Ad esempio, se studiate le aziende che hanno chiuso nel 2014, vedrete solo quelle che erano già abbastanza vecchie da esistere nel 2014. Vi perderete quelle iniziate nel 2015 e vi perderete quelle chiuse nel 2010.

Di solito, gli statistici assumono che il quando qualcosa sia iniziato non abbia nulla a che fare con quanto durerà. Assumono che un'azienda fondata nel 1990 sia tanto probabile che chiuda rapidamente quanto una fondata nel 2010. Ma nel mondo reale, le cose sono raramente così semplici. L'aspettativa di vita cambia nel tempo, e l'età alla quale si inizia qualcosa potrebbe effettivamente influenzare quanto si sopravviverà. Questo articolo affronta il complicato problema di testare se una durata della vita segua un modello prevedibile quando il tempo di inizio e il tempo di fine sono segretamente connessi, come due ballerini che si muovono sempre in sincronia.

La Danza dei Dati Doppiamente Troncati

Anne-Marie Toparkus e Rafael Weißbach, statistici dell'Università di Rostock, hanno deciso di costruire un nuovo strumento per risolvere questo mistero sulla pista da ballo. Hanno creato un "Test di tipo Kolmogorov-Smirnov", che è un modo elegante per dire che hanno costruito un righello super sensibile per misurare quanto un'ipotesi teorica si adatti alla realtà disordinata dei dati.

Il loro compito principale era testare un'ipotesi specifica: la durata della vita delle imprese segue una "distribuzione esponenziale"? In parole povere, una distribuzione esponenziale suggerisce che il rischio che qualcosa chiuda sia costante. È come un atomo radioattivo: non importa quanto sia vecchio; la probabilità che decada nel prossimo secondo è sempre la stessa. Se questo fosse vero per le imprese, significherebbe che un'azienda di 20 anni ha la stessa probabilità di fallire domani quanto un'azienda di 1 anno.

Tuttavia, gli autori sospettavano che questa non fosse tutta la storia. Sapevano che nel mondo reale l' "età alla troncatura" (quando inizia lo studio) e la "durata della vita" (quanto dura l'impresa) sono spesso dipendenti l'uno dall'altro. Per modellare questa connessione, hanno utilizzato uno strumento matematico chiamato "copula", specificamente la copula Farlie-Gumbel-Morgenstern (FGM). Potete pensare a una copula come a una colla che attacca due curve di probabilità separate, permettendo loro di oscillare in sincronia. La copula FGM è speciale perché può incollarle insieme, sia che si muovano nella stessa direzione sia in direzioni opposte.

L'Esperimento sulle Imprese Tedesche

Per mettere alla prova il loro nuovo righello, gli autori hanno esaminato un enorme dataset: 55.279 imprese tedesche. Queste erano aziende fondate tra il 1990 e il 2013, e lo studio ha osservato quali di esse hanno chiuso le porte tra il 2014 e il 2016. Poiché i dati includevano solo le aziende che erano vive nel 2014 ma che hanno chiuso entro il 2016, i dati erano "doppiamente troncati" — tagliati sia all'inizio che alla fine.

I ricercatori hanno eseguito il loro test due volte. Prima, hanno assunto che la data di inizio e la durata della vita fossero totalmente indipendenti (la versione "facile"). Poi, hanno eseguito nuovamente il test utilizzando la loro copula FGM per tenere conto del fatto che le aziende più vecchie potrebbero comportarsi diversamente rispetto a quelle più nuove.

Il Verdetto: L'Orologio Non è Costante

I risultati sono stati chiari e decisivi. Quando gli autori hanno confrontato i loro dati con la "distribuzione esponenziale" (l'idea che il rischio di chiusura sia costante nel tempo), la statistica del test è stata enorme. Infatti, era così grande da superare di gran lunga i valori critici calcolati tramite simulazioni.

L'articolo rigetta esplicitamente l'ipotesi che la durata della vita delle imprese tedesche segua una distribuzione esponenziale con un tasso di rischio costante. In altre parole, i dati dimostrano che il rischio che un'impresa chiuda non è lo stesso a ogni età. L'"omogeneità dell'età del rischio di chiusura" (l'idea che l'età non conti) era chiaramente errata.

Gli autori hanno anche scoperto che la dipendenza tra la data di inizio e la durata della vita era reale. Hanno calcolato un "tau di Kendall" di circa 0,023, che può sembrare piccolo, ma l'articolo conferma che è statisticamente significativo. Questa dipendenza positiva suggerisce un trend temporale negativo per l'aspettativa di vita: con il passare del tempo, la durata prevista di queste imprese è effettivamente diminuita.

Come l'hanno fatto (La Magia Dietro le Quinte)

Potreste chiedervi come abbiano calcolato tutto questo con tale precisione. Gli autori non hanno tirato a indovinare; hanno costruito un rigoroso motore matematico. Hanno utilizzato un metodo chiamato "metodo delta funzionale" e "argomenti della classe di Donsker". Se questo suona come un gergo incomprensibile, pensatelo come a un modo per gestire il fatto che i loro dati non erano una linea perfetta e fluida, ma un ammasso irregolare e accidentato di 55.000 punti individuali.

Hanno sviluppato un algoritmo (Algoritmo 1) in grado di elaborare i numeri controllando specifici "punti di intersezione" e "proiezioni" su un grafico. Invece di controllare ogni possibile punto nel tempo (il che richiederebbe un tempo infinito), la loro astuta matematica ha dimostrato che dovevano controllare solo un numero finito di punti per trovare la differenza maggiore tra la loro ipotesi e la realtà.

Per capire se i loro risultati fossero effettivamente significativi o solo un caso, dovevano simulare il "valore critico". Poiché non esisteva una formula semplice per questo complesso dato dipendente, hanno eseguito una simulazione al computer 1.000 volte, generando "ponti di Brownian" (un tipo di cammino casuale) per vedere come avrebbero dovuto apparire la statistica del test se l'ipotesi esponenziale fosse stata vera. I dati reali erano così lontani da questo intervallo simulato che il rigetto era innegabile.

La Conclusione

Questo articolo non dice solo "abbiamo trovato un modello". Dice: "Abbiamo dimostrato matematicamente che l'idea semplice di un rischio costante di fallimento aziendale è errata per le imprese tedesche". Gli autori suggeriscono che la ragione di questo rigetto sia probabilmente la natura mutevole dell'ambiente imprenditoriale nel tempo, piuttosto che la semplice distribuzione casuale di quando le aziende sono nate.

Sebbene l'articolo si concentri sulle imprese tedesche, lo strumento che hanno costruito è un nuovo modo potente per gli statistici di testare teorie su qualsiasi tipo di dato relativo alla durata della vita in cui i tempi di inizio e fine siano collegati. È un promemoria del fatto che, nel mondo dei dati, le cose sono raramente indipendenti e, a volte, il modo migliore per comprendere il futuro è ammettere che il passato e il presente stanno danzando insieme.

Sintesi Tecnica: Un test di tipo Kolmogorov-Smirnov per dati con doppia troncazione dipendente

Definizione del Problema
L'articolo affronta la sfida di testare la bontà dell'adattamento (goodness-of-fit) per una famiglia di distribuzioni parametriche di durate di vita ( $X$ ) quando i dati sono soggetti a una doppia troncazione (sia a sinistra che a destra) e dove il meccanismo di troncazione è dipendente dalla durata di vita stessa. Nella tipica analisi della sopravvivenza, si assume spesso l'indipendenza tra la variabile di interesse e il tempo di troncamento. Tuttavia, in contesti demografici ed economici (come la durata di vita delle imprese), la speranza di vita presenta spesso un comportamento non stazionario, creando una dipendenza tra la durata di vita e l'età al momento dell'ingresso nello studio (età di troncamento, $T$ ). La letteratura esistente tratta ampiamente contributi non parametrici per la troncazione indipendente o modelli parametrici specifici, ma mancava un rigoroso test non parametrico per la distribuzione di $X$ sotto doppia troncazione dipendente.

Metodologia
Gli autori propongono un test di tipo Kolmogorov-Smirnov (KS) adattato per l'ambito bivariate della doppia troncazione dipendente.

Quadro del Modello:
- La popolazione è composta da unità nate entro una finestra temporale di lunghezza $G$ .
- La durata di vita $X$ e l'età di troncamento $T$ sono modellate con una distribuzione congiunta $F_\theta(x, t) = C_\vartheta(F^X_\theta(x), F_T(t))$ , dove $C_\vartheta$ è una copula (specificamente la copula Farlie-Gumbel-Morgenstern o FGM nell'esempio principale) che cattura la struttura di dipendenza tramite il parametro $\vartheta$ .
- Le osservazioni sono limitate a un parallelogramma $D = \{(x, t) : 0 < t \le x \le t+s, t \le G\}$ , che rappresenta il periodo di studio $s$ successivo al periodo di nascita.
Costruzione del Test Statistic:
- Il test confronta la distribuzione empirica del campione troncato osservato con la distribuzione condizionale teorica $F^{obs}_\theta$ .
- Lo statistico è definito come:
  $\sqrt{M_n} \frac{1}{\sqrt{\hat{\alpha}_{\hat{\theta}_n}}} \sup_{(x,t) \in S} \left| \hat{P}_{n,D}([0, x] \times [0, t]) - \hat{\alpha}_{\hat{\theta}_n} F^{obs}_{\hat{\theta}_n}(x, t) \right|$
  dove $M_n$ è il numero casuale di unità osservate, $\hat{\theta}_n$ è uno stimatore consistente per i parametri (inclusi il parametro di dipendenza) e $\hat{\alpha}$ è la probabilità di osservazione stimata.
- Computazione: Gli autori derivano un algoritmo (Algoritmo 1) che riduce il calcolo del supremo a un numero finito di operazioni. Il massimo scostamento viene valutato nei punti osservati, nei punti di intersezione dei confini empirico e teorico, nelle proiezioni sui bordi del supporto $D$ e in angoli specifici.
Teoria Asintotica:
- Il documento utilizza gli argomenti della classe di Donsker e il metodo delta funzionale per derivare la distribuzione asintotica dello statistico sotto l'ipotesi nulla ( $H_0$ ).
- Il processo limite è mostrato essere un processo gaussiano $H_{P_{\theta_0}}$ , che è una modifica di un ponte di Brownian (Brownian bridge). Questo processo tiene conto della stima sia dei parametri della distribuzione ( $\theta$ ) che della probabilità di osservazione (che gestisce efficacemente la dimensione casuale del campione $M_n$ ).
- La funzione di covarianza di questo processo limite è derivata esplicitamente, permettendo la simulazione dei valori critici.
Determinazione dei Valori Critici:
- Poiché la distribuzione asintotica dipende dai parametri ignoti, i valori critici sono calcolati tramite simulazione (Algoritmo 2). Ciò comporta la generazione di vettori gaussiani basati sulla matrice di covarianza derivata su una griglia del supporto $D$ .

Contributi Chiave

Test di Troncazione Dipendente: L'articolo fornisce il primo test di bontà dell'adattamento di tipo KS progettato specificamente per dati con doppia troncazione dipendente, andando oltre l'assunzione di indipendenza prevalente nella letteratura precedente.
Implementazione Algoritmica: Offre un algoritmo computazionalmente fattibile per calcolare lo statistico del test identificando un insieme finito di punti in cui avviene il supremo, adattando i precedenti metodi univariati e bivariate indipendenti al supporto a parallelogramma della doppia troncazione.
Derivazione Asintotica: Gli autori derivano rigorosamente la distribuzione limite del test statistico composito (dove i parametri sono stimati), stabilendo la convergenza verso un processo gaussiano specifico e fornendo la necessaria struttura di covarianza per l'inferenza.
Applicazione a Dati Reali: La metodologia è applicata a un ampio dataset di 55.279 durate di vita di imprese tedesche (fondate tra il 1990 e il 2013, chiuse tra il 2014 e il 2016).

Risultati

Simulazione e Applicazione: Gli autori hanno applicato il test ai dati sulle imprese tedesche per verificare se le durate di vita seguano una distribuzione esponenziale.
- Sotto l'assunzione di indipendenza (Copula Prodotto), lo statistico del test era 1,651, e sotto l'assunzione di dipendenza (Copula FGM), era 1,6917.
- I valori critici simulati al livello del 99% erano approssimativamente 0,3558 (indipendenza) e 0,2914 (dipendenza).
- Rifiuto dell'Ipotesi: In entrambi i casi, lo statistico del test ha superato significativamente i valori critici, portando a un netto rifiuto dell'ipotesi di distribuzione esponenziale.
- Interpretazione: Gli autori osservano che, sebbene il rifiuto possa teoricamente derivare dall'assunzione di una distribuzione uniforme per le date di fondazione, la letteratura precedente suggerisce che un processo di Poisson omogeneo per le fondazioni generi un $T$ uniforme. Pertanto, il rifiuto è probabilmente guidato dall'inappropriatezza della distribuzione esponenziale per la durata di vita delle imprese, in particolare dato il trend temporale negativo osservato nella speranza di vita (dipendenza positiva tra l'età all'inizio dello studio e la durata di vita).

Significatività e Rivendicazioni
L'articolo sostiene che il suo contributo primario sia consentire un rigoroso test di bontà dell'adattamento per famiglie parametriche in presenza di doppia troncazione dipendente, uno scenario comune in demografia ed economia ma precedentemente difficile da testare in modo non parametrico.

Modestia Teorica: Gli autori notano che i requisiti teorici sono minimi, aggiungendo principalmente la finitezza della funzione di influenza $\phi_{\theta_0}$ (Assunzione A5) alle assunzioni standard dell'analisi parametrica.
Utilità Pratica: L'applicazione dimostra che ignorare la dipendenza (come fatto in studi precedenti di questo dataset) può portare a conclusioni fuorvianti. Il test rileva con successo che l'assunzione di "hazard di chiusura omogeneo rispetto al tempo" (distribuzione esponenziale) è rifiutata quando la dipendenza è modellata correttamente.
Limitazioni: Gli autori riconoscono che, per campioni piccoli, la potenza e l'effettivo livello del test richiederebbero un ulteriore studio di simulazione. Notano inoltre che l'attuale metodo computazionale (decomposizione di Cholesky) ha una complessità cubica, sebbene esistano alternative più veloci. L'articolo non pretende di risolvere tutti i problemi legati alla troncazione (ad esempio, la censura non è completamente integrata) ma si concentra sul vuoto specifico della doppia troncazione dipendente.