Discrete-time, discrete-state multistate Markov models from the perspective of algebraic statistics

Technische Samenvatting: Discrete-time, Discrete-state Multistate Markovmodellen vanuit het Perspectief van de Algebraïsche Statistiek

Probleemstelling
Het artikel behandelt de algebraïsche structuur die ten grondslag ligt aan discrete-time, discrete-state multistate Markovmodellen, een klasse modellen die breed wordt gebruikt in de event history analysis om processen te beschrijven die evolueren door sequenties van toestanden. Hoewel de probabilistische factorisatie van pad-kansen goed begrepen is, zijn de polynoomrelaties (algebraïsche beperkingen) tussen gezamenlijke pad-kansen niet systematisch onderzocht binnen het kader van de algebraïsche statistiek. In het bijzonder streven de auteurs ernaar een brug te slaan tussen event history analysis en algebraïsche statistiek door deze modellen te karakteriseren via monomiale parametrisaties en door hun geassocieerde vanishing ideals te bestuderen. Er wordt een cruciaal onderscheid gemaakt tussen niet-homogene modellen (waarbij transitie-kansen variëren met de tijd) en homogene modellen (waarbij transitie-kansen tijd-invariant zijn), evenals modellen met structurele beperkingen zoals verboden transities of absorberende toestanden.

Methodologie
De auteurs maken gebruik van de instrumenten van de algebraïsche statistiek, met een specifieke focus op:

1. Monomiale Parametrisatie: Zij formaliseren de gezamenlijke kans van een eindig pad als een monoom in termen van initiële distributieparameters ($\pi$) en transitie-kansen ($a$). Dit definieert een afbeelding $\phi$ van de parameterruimte naar de kans-simplex.
2. Implicitatie en Vanishing Ideals: Het centrale algebraïsche object van studie is de kernel van de pullback-afbeelding $\phi^*$, aangeduid als het vanishing ideal $I$. Dit ideaal bestaat uit alle polynoomrelaties die verdwijnen op de gezamenlijke pad-kansen die door het model worden geïmpliceerd.
3. Torische Idealen en Hiërarchische Modellen: De auteurs analyseren of deze modellen overeenkomen met decomposable hiërarchische modellen (wiens vanishing ideals torisch zijn en gegenereerd worden door binomialen). Zij maken gebruik van resultaten uit de theorie van simpliciale complexen en decomposable grafische modellen.
4. Maximum Likelihood Estimation (MLE): Het artikel vergelijkt klassieke statistische MLE-formules met algebraïsche benaderingen (het oplossen van likelihood-vergelijkingen via Lagrange-multiplicatoren of het analyseren van het likelihood-ideaal) om te bepalen of de algebraïsche formulering computationele voordelen biedt of structurele verschillen onthult (bijv. strikte inclusie van het model binnen zijn Zariski-sluiting).
5. Computationele Verificatie: Voorbeelden worden geverifieerd met behulp van Macaulay2 en R, inclusclusief praktische toepassingen op Shakespeareaanse tekstdata om de theoretische bevindingen te illustreren.

Belangrijkste Bijdragen en Resultaten

• Niet-homogene Modellen:

  • De auteurs bewijzen dat niet-homogene $k$-de orde multistate Markovmodellen, wanneer statistische beperkingen (niet-negativiteit en som-is-één) worden genegeerd, decomposable hiërarchische modellen zijn.
  • Consequentelijk zijn hun vanishing ideals torische idealen, gegenereerd door expliciete families van binomialen. Deze generatoren komen overeen met voorwaardelijke onafhankelijkheidsverklaringen tussen blokken van variabelen (Propositie 4.5).
  • Modellen met verboden transities (bijv. illness-death modellen) worden getoond als coördinaat-sneden van het algemene model. Hun vanishing ideals worden verkregen door lineaire vergelijkingen ($p_{path} = 0$) toe te voegen aan het algemene ideaal (Corollary 4.7).
  • Cruciaal is dat in de niet-homogene setting het statistische model $M$ exact gelijk is aan de intersectie van de algebraïsche variëteit $V$ en de kans-simplex $\Delta$ (Propositie 4.9).
  • De klassieke statistische formule voor MLE komt overeen met de algebraïsche MLE voor decomposable hiërarchische modellen, wat een unieke, gesloten rationele estimator oplevert.

• Homogene Modellen:

  • Tijd-homogeniteit legt extra algebraïsche beperkingen op omdat transitie-parameters geïdentificeerd worden over verschillende tijdstappen. Dit veroorzaakt dat homogene modellen over het algemeen buiten de klasse van decomposable hiërarchische modellen vallen.
  • Het vanishing ideal voor homogene modellen is strikt groter dan dat van hun niet-homogene tegenhangers. De auteurs leiden een algemene familie van binomiale relaties af die worden geïnduceerd door tijd-homogeniteit (Propositie 5.2), analoog aan odds-ratio relaties.
  • Echter, computationele voorbeelden (bijv. Voorbeeld 1 en Voorbeeld 5) demonstreren dat deze afgeleide binomialen niet in het algemeen het volledige vanishing ideal genereren; hogere-graads polynomen zijn vereist.
  • Een significant resultaat is dat voor homogene modellen het statistische model $M$ strikt geïncludeerd is in de intersectie $V \cap \Delta$ (Propositie 6.2). Dit betekent dat de algebraïsche variëteit punten bevat die weliswaar aan de polynoombeperkingen voldoen, maar niet overeenkomen met geldige kansverdelingen onder de homogene Markov-aanname.
  • Consequentelijk kan het algebraïsch oplossen van het MLE-probleem (via het likelihood-ideaal) aanzienlijk complexer zijn dan het gebruik van klassieke statistische methoden, die directe closed-form estimators opleveren door transitie-tellingen over de tijd op te tellen.

• Applicaties:

  • De theorie wordt toegepast op een illness-death model en een reversibel illness-death model.
  • Een toepassing op reële data betreft het modelleren van Engelse woorden uit de werken van Shakespeare als Markov-paden. De auteurs berekenen MLE's voor zowel homogene als niet-homogene eerste-orde modellen, evenals een tweede-orde homogeen model (waarbij toestanden worden samengevoegd tot klinkers, medeklinkers en spatie). Zij demonstreren discrepanties tussen empirische pad-frequenties en de passende model-kansen, waarbij zij specifiek benadrukken hoe homogene modellen er niet in slagen om positie-specifieke bigram-frequenties (zoals "th" aan het begin van woorden) te vatten, terwijl niet-homogene modellen dat wel doen.

Significantie en Claims
Het artikel claimt de eerste systematische algebraïsch-statistische studie van discrete-time multistate Markovmodellen te zijn. De primaire significantie ligt in:

1. Verenigend Kader: Het vertaalt modelleringsaannames (verboden transities, absorberende toestanden, tijd-homogeniteit) naar precieze algebraïsche beperkingen (coördinaat-sneden, aanvullende binomiale relaties).
2. Structureel Inzicht: Het verheldert dat terwijl niet-homogene modellen netjes passen binnen de goed begrepen klasse van decomposable hiërarchische modellen, homogene modellen complexere algebraïsche gedragingen vertonen, wat leidt tot een kloof tussen het statistische model en zijn Zariski-sluiting.
3. Methodologische Waarschuwing: Het benadrukt dat voor homogene modellen klassieke statistische methoden vaak superieur zijn in eenvoud en directheid vergeleken met algebraïsche benaderingen, die kunnen leiden tot het oplossen van complexe systemen met meerdere oplossingen of hogere-graads polynomen.
4. Toekomstige Richtingen: De auteurs identificeren open problemen, waaronder de algebraïsche behandeling van rechts-gecensureerde data, de volledige generatie van vanishing ideals voor homogene modellen, en de uitbreiding van deze resultaten naar mengsels van Markovmodellen en gekleurde grafische modellen.

De auteurs hanteren een bescheiden toon met betrekking tot het nut van algebraïsche methoden voor inferentie, waarbij zij opmerken dat hoewel algebraïsche perspectieven diep structureel begrip bieden, klassieke statistische methoden vaak de eenvoudigere route blijven voor parameter-estimatie, met name in het homogene geval.