Bayesian Multi-Group Functional Factor Models with Parameter-Expanded Cumulative Shrinkage Priors

Resumo Técnico: Modelos Fatoriais Funcionais Multi-Grupo Bayesianos com Priors de Contração Cumulativa Expandida em Parâmetros

1. Problema e Motivação

Os dados funcionais consistem em trajetórias observadas em um domínio contínuo (como tempo, espaço ou comprimento de onda), modelados naturalmente como objetos de dimensão infinita. Em muitos estudos modernos, esses dados são coletados em múltiplos grupos relacionados (ex.: pacientes com uma condição vs. controles saudáveis).
O desafio central reside na modelagem conjunta de dados funcionais de múltiplos grupos, onde é necessário distinguir entre:

1. Padrões comuns: Variações latentes compartilhadas por todos os grupos.
2. Variações específicas do grupo: Padrões únicos que diferenciam os grupos.

Abordagens existentes, como a Análise de Componentes Principais Funcionais (fPCA) ou modelos fatoriais latentes para um único grupo, não são adequadas para decompor simultaneamente essas estruturas compartilhadas e específicas. Além disso, modelos de fatores latentes para dados não funcionais (multi-estudo) não podem ser aplicados diretamente a dados funcionais densos e ordenados. Há também a necessidade de determinar automaticamente o número de fatores latentes ativos (compartilhados e específicos) sem depender de seleção manual de hiperparâmetros.

2. Metodologia Proposta

Os autores propõem o Modelo Fatorial Funcional Multi-Grupo Bayesiano (BMGFFM). A estrutura do modelo é detalhada abaixo:

• Decomposição Funcional:
  As curvas observadas $y_{is}(t)$ para o sujeito $i$ no grupo $s$ são modeladas como:
  $$y_{is}(t) = \mu_s(t) + \sum_{l=1}^{L} \eta_{ils}\lambda_l(t) + \sum_{k=1}^{K_s} \rho_{iks}\phi_{sk}(t) + \epsilon_{is}(t)$$
  Onde:

  • $\mu_s(t)$: Função média específica do grupo.
  • $\lambda_l(t)$: $L$ componentes latentes compartilhados (comuns a todos os grupos).
  • $\phi_{sk}(t)$: $K_s$ componentes latentes específicos do grupo $s$.
  • $\eta_{ils}$ e $\rho_{iks}$: Pontuações (scores) latentes.
  • Todas as funções suaves são representadas como combinações lineares de uma base comum de funções B-splines cúbicas, permitindo uma representação de baixo posto.

• Priors de Contração Cumulativa Expandida em Parâmetros (Parameter-Expanded CUSP):
  Para promover a parcimônia e selecionar automaticamente o número de fatores ativos ($L$ e $K_s$), o modelo impõe um prior de processo de contração cumulativa (CUSP) expandido em parâmetros sobre as cargas dos fatores (loadings).

  • Expansão de Parâmetros: Utiliza uma reparametrização (inspirada em Scheipl et al., 2012) para melhorar a mistura e convergência do MCMC.
  • Mecanismo de Contração: O prior induz uma contração crescente nas colunas de maior índice da matriz de cargas. Isso permite que fatores redundantes sejam "poda" (pruned) automaticamente, enquanto mantém a flexibilidade nos componentes ativos.
  • Seleção Automática: O número de fatores ativos é inferido a partir da distribuição posterior, eliminando a necessidade de critérios de informação (como AIC/BIC) ou validação cruzada para determinar a dimensionalidade.

• Inferência Posterior e Identificabilidade:

  • A inferência é realizada via um Algoritmo de Gibbs (MCMC).
  • Problema de Identificabilidade: Modelos fatoriais sofrem de invariância a rotações, troca de sinais e permutação de rótulos. No contexto multi-grupo, a decomposição em componentes compartilhados e específicos não é única.
  • Estratégia de Pós-processamento: Os autores adotam uma estratégia de dois passos:
    1. Alinhamento das amostras do MCMC no espaço de parâmetros usando o algoritmo RSP (Rotação, Sinal, Permutação) proposto por Papastamoulis e Ntzoufras (2022).
    2. Identificação de estruturas interpretáveis no espaço de covariância. Em vez de interpretar diretamente as matrizes de cargas, calculam-se os operadores de covariância posterior para os componentes compartilhados e específicos, e realizam-se decomposições espectrais para obter subespaços latentes ortogonais e únicos.

3. Contribuições Principais

1. Novo Framework Multi-Grupo: Extensão de modelos fatoriais latentes para dados funcionais, permitindo a decomposição explícita em estruturas compartilhadas e específicas por grupo.
2. Seleção Automática de Dimensionalidade: Uso de priores CUSP expandidos para determinar automaticamente o número de fatores latentes compartilhados e específicos, superando a sensibilidade à seleção de hiperparâmetros de priores anteriores (como o Multiplicative Gamma Process).
3. Tratamento Robusto de Identificabilidade: Uma abordagem inovadora que resolve problemas de rotatividade e permutação operando no espaço de covariância derivado, garantindo estimativas interpretáveis e únicas.
4. Validação Rigorosa: Estudos de simulação abrangentes e aplicação em dados reais de neurociência.

4. Resultados

• Estudos de Simulação:

  • O modelo foi testado em três cenários: (A) fatores compartilhados e específicos presentes; (B) apenas fatores compartilhados; (C) apenas fatores específicos.
  • Precisão: O BMGFFM recuperou com alta precisão o número verdadeiro de fatores latentes em todos os cenários, superando ou igualando métodos concorrentes (fPCA padrão, BFPCA, SFFM, filt-fPCA).
  • Erro Quadrático Médio (MSE): O modelo apresentou o menor MSE quando a estrutura de dados continha tanto variações compartilhadas quanto específicas (Cenário A). Em cenários puramente homogêneos ou heterogêneos, o desempenho foi comparável ou ligeiramente inferior a métodos especializados nesses casos simples, mas ainda robusto.
  • Coeficiente RV: As matrizes de covariância estimadas mostraram alta similaridade (RV > 0.9) com as verdadeiras, indicando recuperação precisa da estrutura latente.

• Aplicação a Dados Reais (EEG):

  • Dados: Potenciais Relacionados a Eventos (ERPs) de 77 sujeitos alcoólatras e 45 controles saudáveis.
  • Descobertas:
    • O modelo identificou 1 fator compartilhado que capturou componentes clássicos de ERPs (N100 e P200), representando processamento sensorial/perceptual básico comum a ambos os grupos.
    • Identificou 4 fatores específicos para alcoólatras e 5 para controles.
    • Interpretação: Os fatores específicos revelaram padrões distintos. O grupo alcoólatra apresentou flutuações positivas mais pronunciadas e atrasadas (240-347ms), sugerindo respostas neurais alteradas ou atrasadas em comparação com o grupo controle, que mostrou picos mais claros e diferenciados entre 140-250ms.
  • O modelo conseguiu capturar tanto a dinâmica neural comum quanto as assinaturas específicas da condição de alcoolismo.

5. Significância e Conclusão

O trabalho apresenta uma contribuição significativa para a análise de dados funcionais complexos em estudos comparativos. Ao integrar a modelagem de baixo posto via B-splines com priores de contração adaptativa, o BMGFFM oferece uma ferramenta poderosa para:

• Desentranhar complexidade: Separar sinais comuns de ruído ou variações específicas em grupos distintos.
• Interpretabilidade: Fornecer estimativas de fatores que são estatisticamente identificáveis e biologicamente interpretáveis (como visto nos componentes de EEG).
• Aplicabilidade: Ser aplicável em diversas áreas (neurociência, saúde pública, econometria) onde dados longitudinais ou temporais são coletados em múltiplos grupos.

A abordagem demonstra que a modelagem bayesiana hierárquica com priores de seleção de variáveis é superior para lidar com a incerteza na dimensionalidade e na estrutura latente de dados funcionais multi-grupo, superando as limitações de métodos tradicionais de decomposição.