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

Technische Samenvatting: Bivariate Frank Copula: Puntenschatting en Goodness of Fit met Toepassing op Grondwater

Probleemstelling
Dit werk behandelt twee primaire uitdagingen in de statistische analyse van bivariate data met behulp van de Frank Copula. Ten eerste, hoewel eerdere research (Pham et al., 2025) de superioriteit van de Maximum Likelihood Schatter (MLE) boven momenten-schatters voor de associatieparameter $\theta$ vaststelde, bleef de prestatie van Bayessche schatters onder niet-informatieve priors onontgonnen. Ten tweede, hoewel Genest et al. (2006) Goodness of Fit (GoF) tests voor Frank Copula's introduceerden, waren hun kritieke waarden gebaseerd op beperkte simulaties (1.000 herhalingen) en ontbraken er uitgebreide tabellen voor variërende steekproefgroottes en parameterbereiken. Bovendien identificeerden de auteurs de noodzaak om deze statistische hulpmiddelen toe te passen op real-world omgevingsdata, specifiek grondwaterverontreiniging in de Mekong Delta, waar marginale verdelingen vaak niet-normaal zijn.

Methodologie
Het artikel is verdeeld in twee grote componenten:

1. Bayessche Puntenschatting:
   De auteurs onderzoeken twee Bayes-schatters voor de associatieparameter $\theta$ onder kwadratische foutverlies:

   • Bayes Flat Prior Schatter (BFPE): Afgeleid met behulp van een niet-informatieve gegeneraliseerde flat prior ($\pi_{FP}(\theta) = d > 0$).
   • Bayes Jeffreys Prior Schatter (BJPE): Afgeleid met behulp van de invariante Jeffreys prior ($\pi_{JP}(\theta) = \sqrt{I(\theta)}$), waarbij $I(\theta)$ de Fisher Informatie per Observatie is.

   Deze schatters worden vergeleken met de MLE via een uitgebreide simulatiestudie met $M = 4 \times 10^4$ herhalingen. De studie evalueert Bias en Mean Squared Error (MSE) over steekproefgroottes $n$ variërend van 15 tot 100 en parameterwaarden $\theta$ van 0,1 tot 10. De numerieke integratie vereist voor de Bayes-schatters wordt uitgevoerd met adaptieve kwadratuur in R, met zorgvuldige aandacht voor computationele precisie voor kleine steekproefgroottes.

2. Goodness of Fit (GoF) Testen:
   De auteurs herzien de Cramér–von Mises ($S_n$) en Kolmogorov–Smirnov ($T_n$) teststatistieken voorgesteld door Genest et al. (2006). Ze voeren een uitgebreide simulatiestudie uit met 10.000 herhalingen om uitgebreide tabellen van kritieke waarden voor $S_n$ en $T_n$ te genereren bij de 90e en 95e percentielen. Deze tabellen dekken steekproefgroottes $n \in [25, 1000]$ en associatieparameters $\theta \in [-25, 25]$. De studie analyseert ook de distributie-eigenschappen van deze statistieken, waarbij wordt opgemerkt dat ze geen symmetrie vertonen ten opzichte van $\theta$.

3. Toepassing op Grondwaterdata:
   De methodologie wordt toegepast op een dataset uit de provincie Dong Thap, Vietnam, bestaande uit grondwatermonsters uit twee subregio's (Noord, $n=23$; Zuid, $n=44$). De studie modelleert de associatie tussen Arseen (As) en drie onschadelijke elementen: Chloride (Cl), Redox-niveau (Eh) en pH. De auteurs verifiëren eerst de niet-normaliteit van de marginale verdelingen en testen vervolgens de hypothese dat de bivariate paren een Frank Copula-verdeling volgen, gebruikmakend van de nieuw gegenereerde kritieke waarden en bootstrap p-waarden.

Belangrijkste Resultaten

• Prestatie van Schatters:

  • Kleine Steekproeven ($n \le 25$): De BJPE domineert uniform zowel de BFPE als de MLE wat betreft MSE. De MLE presteert goed maar is in dit bereik licht inferieur aan de BJPE.
  • Matige tot Grote Steekproeven ($n > 25$): De prestatiekloof versmalt aanzienlijk. Voor $n > 25$ vertonen de BJPE, BFPE en MLE bijna identieke prestaties wat betreft zowel Bias als MSE, en worden statistisch equivalent.
  • Computationele Nuance: De auteurs merken op dat voor zeer kleine steekproeven ($n \le 10$) het oplossen van de normale vergelijking via de nleqslv-opdracht in R minder nauwkeurige MLE-resultaten oplevert dan het maximaliseren van de log-likelihood direct via optim.

• Eigenschappen van GoF-tests:

  • Asymmetrie: In tegenstelling tot intuïtie zijn de kritieke waarden voor $S_n$ en $T_n$ niet symmetrisch ten opzichte van $\theta$ (d.w.z. waarden voor $\theta$ en $-\theta$ verschillen). Dit wordt toegeschreven aan het ontbreken van symmetrie in de verdelingsfunctie $K(t, \theta)$.
  • Monotonie: De kritieke waarden voor beide statistieken nemen af naarmate de grootte van $\theta$ toeneemt (wegbewegend van 0).
  • Implementatie: De auteurs stellen een praktische regel voor voor de implementatie van de GoF-test: gebruik de absolute waarde van de geschatte parameter, $|\hat{\theta}|$, om kritieke waarden uit de tabellen te selecteren, of oriënteer de data $(U, 1-V)$ opnieuw als $\hat{\theta}$ negatief is en $|\hat{\theta}| \ge 2,5$.

• Toepassing op Grondwater:

  • De GoF-tests (zowel $S_n$ als $T_n$) en bootstrap p-waarden ondersteunen overweldigend de hypothese dat de bivariate paren (As-Cl, As-Eh, As-pH, Eh-pH) in beide subregio's gemodelleerd kunnen worden door de Frank Copula.
  • De geschatte associatieparameters ($\hat{\theta}$) onthullen distincte dynamieken: As en pH tonen een positieve associatie in het Noorden maar een zwakke associatie in het Zuiden; As en Eh tonen een sterke negatieve associatie in het Zuiden.
  • Parametrische correlatieschattingen afgeleid van de Frank Copula ($\hat{\hat{\rho}}_K, \hat{\hat{\rho}}_S$) sluiten nauw aan bij niet-parametrische schattingen, wat de modelpassing valideert.

Betekenis en Claims
Het artikel claimt drie specifieke bijdragen te leveren:

1. Bayessche Uitbreiding: Het biedt de eerste uitgebreide vergelijking van Bayes-schatters (BFPE en BJPE) met de MLE voor de Frank Copula. Het stelt vast dat de BJPE de voorkeurs-schatter is voor kleine steekproefgroottes ($n \le 25$) vanwege zijn superieure MSE-prestaties.
2. Verfijning van GoF-tests: Het vult en verfijnt het baanbrekende werk van Genest et al. (2006) door kritieke-waardetabellen met hoge precisie te bieden, gebaseerd op 10.000 herhalingen (tegenover 1.000 eerder), en niet-intuïtieve asymmetrie in de distributies van de teststatistieken bloot te leggen.
3. Praktische Toepassing: Het demonstreert de bruikbaarheid van de Frank Copula bij het modelleren van complexe, niet-normale omgevingsdata, specifiek grondwaterdynamiek in Vietnam, en biedt een robuust raamwerk voor het begrijpen van de associatie tussen kankerverwekkende en onschadelijke elementen.

De auteurs handhaven een bescheiden toon, waarbij zij opmerken dat hoewel de GoF-tests de Frank Copula-model ondersteunen, deze toepassing dient als startpunt voor toekomstige studies die niet-lineaire regressie en multivariate uitbreidingen omvatten. Ze benadrukken ook dat de computationele aspecten van de MLE in R zorgvuldige behandeling vereisen voor zeer kleine steekproeven om bias te voorkomen.