Robust inference in inflated beta regression

Sintesi Tecnica: Inferenza Robusta nella Regressione Beta Inflata

Enunciato del Problema
Il modello di regressione beta inflata è uno strumento standard per l'analisi di proporzioni continue che includono valori di confine (zeri o uni), come tassi di infezione o allocazioni di bilancio. Sebbene ampiamente adottato, l'inferenza standard si basa sulla Massima Verosimiglianza (MLE). Come stabilito nella letteratura sia per la regressione binaria (il componente discreto) che per la regressione beta (il componente continuo), la MLE è altamente sensibile ai valori anomali. Gli outlier possono distorcere gravemente le stime dei parametri e portare a conclusioni fuorvianti. Gli stimatori robusti esistenti per la regressione beta standard (ad es. MDPDE e SMLE) o per dati binari spesso non sono ben definiti per tutti i valori dei parametri, in particolare quando si tratta di densità beta illimitate, oppure non affrontano la complessità strutturale specifica del modello inflato, che combina un componente di miscela discreto con un componente beta continuo.

Metodologia
Gli autori propongono un quadro per l'inferenza robusta nei modelli di regressione beta inflata a zero o uno, estendendo le tecniche di stima robusta simultaneamente alle parti discreta e continua del modello.

1. Struttura del Modello: La variabile di risposta $Y$ segue una distribuzione beta inflata a zero o uno, una miscela di una variabile degenere in $c \in \{0, 1\}$ e di una variabile distribuita beta su $(0, 1)$. I parametri del modello sono collegati alle covariate tramite funzioni di collegamento per la probabilità del confine ($\vartheta$), la media condizionata ($\mu$) e la precisione ($\phi$).
2. Stimatori Robusti: Il documento introduce due stimatori specifici, M-LSE e M-LME, che risolvono un sistema di equazioni di stima $U(y; \upsilon) = 0$. Questi stimatori trattano i componenti discreto e continuo separatamente ma all'interno di un quadro unificato:
   • Parte Discreta: Gli autori impiegano lo Stimatore della Divergenza di Potenza Minima della Densità (MDPDE) per il componente binario (modellando la probabilità di osservare uno zero o un uno). Questo approccio riduce il peso delle osservazioni con grandi discrepanze tra le probabilità osservate e quelle previste.
   • Parte Continua: Per affrontare il problema delle densità beta illimitate, dove gli stimatori robusti standard (SMLE e MDPDE) potrebbero non essere ben definiti, gli autori utilizzano la trasformazione logit della variabile di risposta ($Y^* = \log(Y/(1-Y))$).
     • M-LSE: Combina l'MDPDE per la parte discreta con lo Stimatore di Massima Verosimiglianza Surrogato Logit (LSMLE) per la parte continua.
     • M-LME: Combina l'MDPDE per la parte discreta con lo Stimatore della Divergenza di Potenza Minima della Densità Logit (LMDPDE) per la parte continua.
   • Lavorando sulla scala logit, gli stimatori assicurano che la classe di densità sia chiusa rispetto alle trasformazioni di potenza, garantendo che gli stimatori siano ben definiti per tutti i valori dei parametri.
3. Taratura Guidata dai Dati: Un contributo metodologico chiave è l'adattamento di un algoritmo guidato dai dati (originariamente proposto per la regressione beta) per selezionare la costante di taratura $\alpha$ per entrambi i componenti. L'algoritmo cerca il più piccolo $\alpha$ (più vicino alla MLE) che mantenga la stabilità nelle stime, garantendo piena efficienza in assenza di contaminazione mentre fornisce robustezza quando sono presenti outlier.
4. Inferenza: Gli autori derivano la normalità asintotica degli stimatori proposti e sviluppano test robusti di tipo Wald per il test delle ipotesi. Forniscono inoltre un metodo per calcolare gli errori standard che tiene conto della natura congiunta dell'inferenza, anche se le stime puntuali sono calcolate separatamente.

Contributi Chiave

• Estensione ai Modelli Inflati: Questo lavoro è il primo a proporre metodi di inferenza robusta specificamente per i modelli di regressione beta inflata a zero o uno, affrontando le sfide uniche poste dalla miscela di componenti discreti e continui.
• Stimatori Ben Definiti: Utilizzando la trasformazione logit e le costruzioni specifiche di LSMLE e LMDPDE, gli stimatori proposti superano i limiti dei precedenti metodi robusti (MDPDE/SMLE) che non erano ben definiti per densità beta illimitate.
• Quadro Unificato: Il documento fornisce un quadro inferenziale completo, inclusa la stima puntuale, le matrici di varianza-covarianza asintotiche e test robusti di tipo Wald, implementato in un pacchetto R.
• Taratura Adattiva: L'applicazione di un algoritmo guidato dai dati per selezionare le costanti di taratura per entrambe le parti discreta e continua permette al metodo di tornare automaticamente alla MLE quando i dati sono puliti, bilanciando efficienza e robustezza.

Risultati Empirici
Gli autori hanno valutato le prestazioni di M-LSE e M-LME attraverso studi di simulazione e un'applicazione su dati reali:

• Simulazioni: In scenari con il 5% di contaminazione nella parte discreta, nella parte continua o in entrambe, la MLE standard ha mostrato un forte bias e un alto Errore Quadratico Medio Radice (RMSE). Al contrario, gli stimatori robusti hanno mantenuto un basso bias e RMSE, performando in modo simile alla MLE nei dati non contaminati (dove l'algoritmo ha selezionato $\alpha \approx 0$) e superando significativamente la MLE negli scenari contaminati (con rapporti TMSE fino a 34 volte inferiori rispetto alla MLE).
• Test delle Ipotesi: I test robusti di tipo Wald hanno mantenuto tassi di rifiuto empirici vicini al livello nominale del 5% sotto contaminazione, mentre i test Wald standard hanno sofferto di errori di Tipo I gonfiati (tassi di rifiuto vicini al 100%) o potenza nulla.
• Applicazione su Dati Reali: Il metodo è stato applicato ai tassi di letalità dei casi di COVID-19 in 200 città brasiliane. I dati contenevano un outlier prominente (una città con un solo caso e un decesso). I risultati della MLE sono stati fortemente influenzati da questa osservazione, modificando la significatività e l'entità degli effetti delle covariate (ad es. IDU). Gli stimatori robusti (M-LSE) hanno ridotto il peso dell'outlier, producendo risultati coerenti con un'analisi in cui l'outlier è stato rimosso manualmente, dimostrando la capacità del metodo di fornire un'inferenza affidabile senza la cancellazione arbitraria dei dati.

Significato
Il documento afferma che, sebbene esistano modelli flessibili per gestire gli outlier, spesso introducono complessità non necessaria e mancano di interpretabilità. L'approccio proposto mantiene l'interpretabilità e la struttura del modello beta inflato standard, sostituendo il processo di stima con un'alternativa robusta. Gli autori sottolineano che il loro lavoro colma una lacuna critica nella letteratura fornendo i primi metodi di inferenza robusta per modelli inflati di dati continui limitati. I risultati delle simulazioni e l'applicazione nel mondo reale dimostrano che gli stimatori proposti mitigano efficacemente l'influenza degli outlier, prevenendo conclusioni fuorvianti che derivano frequentemente dall'inferenza di massima verosimiglianza standard in presenza di dati contaminati.