Bivariate Frank Copula: Some More Results on Point Estimation of the Association Parameter from a Bayesian Perspective and Revisiting the Goodness of Fit Tests with an Application to Model Groundwater Data from Dong Thap, Vietnam

기술적 요약: 이변량 프랭크 코풀라: 점 추정 및 적합도 검정과 지하수 적용

문제 제기
본 연구는 프랭크 코풀라를 사용한 이변량 데이터의 통계 분석에서 두 가지 주요 과제를 다룬다. 첫째, 이전 연구 (Pham et al., 2025) 는 연관성 모수 $\theta$에 대해 방법론적 모멘트 추정량보다 최대우도추정량 (MLE) 의 우월성을 입증했으나, 비정보적 사전분포 하에서의 베이지안 추정량의 성능은 아직 탐구되지 않았다. 둘째, Genest 등 (2006) 은 프랭크 코풀라에 대한 적합도 (GoF) 검정을 도입했으나, 그 임계값은 제한된 시뮬레이션 (1,000 회 반복) 에 기반했으며 다양한 표본 크기와 모수 범위에 대한 포괄적인 표를 제공하지 못했다. 또한, 저자들은 마진 분포가 종종 비정규적인 메콩 삼각주 지역의 지하수 오염과 같은 실제 환경 데이터에 이러한 통계 도구를 적용할 필요성을 확인했다.

방법론
본 논문은 두 가지 주요 구성 요소로 나뉜다:

1. 베이지안 점 추정:
   저자들은 제곱오차 손실 하에서 연관성 모수 $\theta$에 대한 두 가지 베이지안 추정량을 조사한다:

   • 베이지안 평탄 사전 추정량 (BFPE): 비정보적 일반화 평탄 사전분포 ($\pi_{FP}(\theta) = d > 0$) 를 사용하여 유도됨.
   • 베이지안 제프리 사전 추정량 (BJPE): 불변 제프리 사전분포 ($\pi_{JP}(\theta) = \sqrt{I(\theta)}$) 를 사용하여 유도됨. 여기서 $I(\theta)$는 관측당 피셔 정보량이다.

   이러한 추정량들은 $M = 4 \times 10^4$회 반복을 포함하는 포괄적인 시뮬레이션 연구를 통해 MLE 와 비교된다. 연구는 표본 크기 $n$을 15 에서 100 까지, 모수 값 $\theta$를 0.1 에서 10 까지 변화시키며 편향 (Bias) 과 평균제곱오차 (MSE) 를 평가한다. 베이지안 추정량에 필요한 수치적 적분은 R 의 적응형 구적법을 사용하여 수행되며, 작은 표본 크기에 대한 계산 정밀도에 각별히 주의를 기울였다.

2. 적합도 (GoF) 검정:
   저자들은 Genest 등 (2006) 이 제안한 Cramér–von Mises ($S_n$) 및 Kolmogorov–Smirnov ($T_n$) 검정통계량을 재검토한다. 90 백분위수와 95 백분위수에서 $S_n$ 및 $T_n$에 대한 확장된 임계값 표를 생성하기 위해 10,000 회 반복을 포함하는 광범위한 시뮬레이션 연구를 수행한다. 이러한 표는 표본 크기 $n \in [25, 1000]$과 연관성 모수 $\theta \in [-25, 25]$를 포괄한다. 연구는 또한 $\theta$에 대한 대칭성이 결여되어 있음을 지적하며 이러한 통계량의 분포적 특성을 분석한다.

3. 지하수 데이터 적용:
   방법론은 베트남 동탑성의 두 하위 지역 (북부, $n=23$; 남부, $n=44$) 에서 채취한 지하수 샘플로 구성된 데이터셋에 적용된다. 연구는 비소 (As) 와 세 가지 무해한 원소 (염화물 (Cl), 산화환원전위 (Eh), pH) 간의 연관성을 모델링한다. 저자들은 먼저 마진 분포의 비정규성을 검증한 후, 새로 생성된 임계값과 부트스트랩 p-값을 사용하여 이변량 쌍이 프랭크 코풀라 분포를 따른다는 가설을 검정한다.

주요 결과

• 추정량 성능:

  • 작은 표본 ($n \le 25$): BJPE 는 MSE 측면에서 BFPE 와 MLE 를 모두 일관되게 우세하게 수행한다. MLE 는 잘 수행되지만 이 범위에서 BJPE 보다 약간 열등하다.
  • 중간에서 큰 표본 ($n > 25$): 성능 격차는 크게 좁혀진다. $n > 25$인 경우, BJPE, BFPE, MLE 는 편향과 MSE 모두에서 거의 동일한 성능을 보이며 통계적으로 동등해진다.
  • 계산적 뉘앙스: 저자들은 매우 작은 표본 ($n \le 10$) 의 경우, R 의 nleqslv 명령어를 통해 정규방정식을 푸는 것이 optim을 통해 로그우도를 직접 최대화하는 것보다 덜 정확한 MLE 결과를 산출한다고 지적한다.

• GoF 검정 특성:

  • 비대칭성: 직관에 반하여 $S_n$ 및 $T_n$의 임계값은 $\theta$에 대해 대칭적이지 않다 (즉, $\theta$와 $-\theta$에 대한 값이 다름). 이는 분포함수 $K(t, \theta)$의 대칭성 부재에 기인한다.
  • 단조성: 두 통계량 모두에 대한 임계값은 $\theta$의 크기가 증가함에 따라 (0 에서 멀어질수록) 감소한다.
  • 구현: 저자들은 GoF 검정을 구현하기 위한 실용적인 규칙을 제안한다: 추정된 모수의 절댓값 $|\hat{\theta}|$을 사용하여 표에서 임계값을 선택하거나, $\hat{\theta}$가 음수이고 $|\hat{\theta}| \ge 2.5$인 경우 데이터를 $(U, 1-V)$로 재배열한다.

• 지하수 적용:

  • GoF 검정 (둘 다 $S_n$ 및 $T_n$) 과 부트스트랩 p-값은 두 하위 지역에서 이변량 쌍 (As-Cl, As-Eh, As-pH, Eh-pH) 을 프랭크 코풀라로 모델링할 수 있다는 가설을 압도적으로 지지한다.
  • 추정된 연관성 모수 ($\hat{\theta}$) 는 뚜렷한 역학을 보여준다: As 와 pH 는 북부에서는 양의 연관성을 보이지만 남부에서는 약한 연관성을 보인다; As 와 Eh 는 남부에서 강한 음의 연관성을 보인다.
  • 프랭크 코풀라에서 유도된 모수적 상관관계 추정치 ($\hat{\hat{\rho}}_K, \hat{\hat{\rho}}_S$) 는 비모수적 추정치와 밀접하게 일치하여 모델 적합도를 검증한다.

의의 및 주장
본 논문은 세 가지 구체적인 기여를 주장한다:

1. 베이지안 확장: 프랭크 코풀라에 대한 베이지안 추정량 (BFPE 및 BJPE) 과 MLE 의 첫 번째 포괄적인 비교를 제공한다. BJPE 가 작은 표본 크기 ($n \le 25$) 에서 우수한 MSE 성능으로 인해 선호되는 추정량임을 입증한다.
2. GoF 검정 정제: Genest 등 (2006) 의 선구적인 연구를 보완하고 정제하여, 1,000 회가 아닌 10,000 회 반복에 기반한 고정밀 임계값 표를 제공하며, 검정통계량 분포의 직관에 반하는 비대칭성을 규명한다.
3. 실용적 적용: 프랭크 코풀라의 복잡하고 비정규적인 환경 데이터, 특히 베트남의 지하수 역학 모델링에서의 유용성을 입증하여 발암성 원소와 무해한 원소 간의 연관성을 이해하기 위한 견고한 프레임워크를 제공한다.

저자들은 GoF 검정이 프랭크 코풀라 모델을 지지하지만, 이 적용은 비선형 회귀 및 다변량 확장을 포함하는 향후 연구의 시작점으로 간주된다는 점을 겸손한 어조로 명시한다. 또한 R 에서의 MLE 계산적 측면은 편향을 피하기 위해 매우 작은 표본에 대해 신중하게 처리해야 함을 강조한다.