BAMIFun: Bayesian Multiple Imputation for Functional Data

Resumo Técnico do BAMIFun: Imputação Múltipla Bayesiana para Dados Funcionais

Declaração do Problema
Conjuntos de dados funcionais modernos são frequentemente caracterizados por observações esparsas e irregulares, onde as trajetórias não são totalmente observadas ao longo de um contínuo (por exemplo, tempo ou espaço). Embora a Análise de Componentes Principais Funcionais (FPCA) seja uma ferramenta padrão para reconstruir curvas incompletas, abordagens existentes — especificamente o framework "PACE" (Análise de Componentes Principais através de Expectativa Condicional) — tipicamente dependem de imputação única. Isso trata as trajetórias reconstruídas como verdades conhecidas, falhando em quantificar a incerteza inerente ao processo de imputação. Consequentemente, inferências estatísticas a jusante (por exemplo, coeficientes de regressão) frequentemente sofrem com intervalos de confiança excessivamente otimistas e taxas de cobertura pobres, particularmente sob ausência severa. Além disso, métodos existentes de imputação múltipla para dados funcionais frequentemente exigem resultados escalares auxiliares ou covariáveis, e nenhum atualmente aborda os desafios específicos de dados funcionais multidirecionais (dados tensoriais onde um modo é um contínuo) sem impor restrições de suavidade.

Metodologia
Os autores propõem o BAMIFun, um framework de imputação múltipla bayesiana projetado para dados funcionais de nível único e multidirecionais. A metodologia é construída sobre três componentes principais:

1. Framework de Modelagem:

   • Dados de Nível Único: O método emprega um modelo bayesiano de baixo posto onde a matriz de dados funcionais $X$ é aproximada como $X \approx VU^T + E$. Crucialmente, as autofunções $U$ são representadas via bases de splines penalizadas ($U^T = B\Theta$). Um termo de penalidade na segunda derivada das autofunções é incorporado à verossimilhança logarítmica, o que é equivalente a colocar uma priori normal multivariada sobre os coeficientes de spline $B$. Isso impõe suavidade da trajetória enquanto quantifica conjuntamente a incerteza nas autofunções e nos escores.
   • Dados Multidirecionais: O framework estende-se a dados tensoriais ($N \times J \times K$) usando um modelo de Decomposição em Valores Singulares Tensorial Funcional (FTSVD). Este modelo decompõe o tensor em uma soma de componentes de posto um envolvendo vetores de sujeitos, vetores de características/visitas e curvas funcionais suaves. Diferentemente da FPCA multinível (MFPCA) que usa efeitos mistos aditivos, a FTSVD utiliza uma fatoração do tipo CP multiplicativa adequada para estruturas tensoriais coerentes.

2. Algoritmo de Inferência:

   • Os autores derivam um amostrador de Gibbs eficiente para computação posterior. O algoritmo amostra iterativamente os escores de componentes principais ($V$), coeficientes de spline ($B$), variância do erro ($\sigma^2$) e parâmetros de suavização ($\sigma^2_B$) a partir de suas distribuições condicionais completas.
   • Valores ausentes são imputados através de amostragem da distribuição preditiva posterior (Gaussiana com média igual à trajetória reconstruída e variância igual à variância do erro) em cada iteração.
   • Um procedimento de validação cruzada é proposto para selecionar o número de componentes principais ($R$) e o parâmetro de suavização, embora os autores notem que estimar o parâmetro de suavização dentro do framework bayesiano produz desempenho comparável com menor custo computacional.

3. Inferência a Jusante:

   • O framework gera $S$ conjuntos de dados completados. Para análises a jusante (por exemplo, Regressão Escalar-sobre-Função), estimativas pontuais são agrupadas e a variância é calculada usando as regras de Rubin, que combinam variâncias dentro da imputação e entre imputações para produzir intervalos de confiança válidos que contabilizam a incerteza da imputação.

Principais Contribuições

• Framework Inovador: O BAMIFun é apresentado como o primeiro procedimento de imputação múltipla especificamente projetado para dados funcionais multidirecionais que incorpora restrições de suavidade via splines penalizadas.
• Quantificação de Incerteza: Diferentemente de métodos de FPCA de imputação única, o BAMIFun modela explicitamente a incerteza de imputação, levando a inferências estatísticas válidas em análises a jusante.
• Eficiência Algorítmica: O desenvolvimento de um amostrador de Gibbs que integra splines penalizadas dentro de uma decomposição tensorial de baixo posto permite o tratamento de grades esparsas e irregulares sem exigir dados escalares auxiliares.
• Disponibilidade de Software: Os autores fornecem uma implementação de código aberto em https://github.com/ZirenJiang/BAMIFun.

Resultados
O artigo avalia o BAMIFun através de extensos estudos de simulação e dois estudos de caso do mundo real:

• Simulações de Nível Único: Comparado à abordagem PACE e ao algoritmo baseado em tensores BAMITA (que carece de restrições de suavidade), o BAMIFun alcançou precisão de imputação comparável ao PACE. No entanto, o BAMIFun demonstrou taxas de cobertura substancialmente melhoradas (próximas ao nível nominal de 95%) para intervalos de confiança, enquanto o PACE exibiu subcobertura significativa. O BAMIFun também superou o BAMITA em precisão devido à imposição de suavidade.
• Simulações Multidirecionais: Em configurações com estruturas de baixo posto, o BAMIFun superou a abordagem frequentista MFPCA (PACE) tanto em precisão quanto em cobertura. Em configurações sem baixo posto, o BAMIFun mostrou erro quadrático médio (MSE) ligeiramente superior ao do PACE, mas manteve taxas de cobertura robustas e próximas do nominal, destacando sua confiabilidade em diversas estruturas de dados.
• Estudos de Caso:
  • NHANES (Atividade Física): Sob ausência severa (até 97,5%), o BAMIFun manteve cobertura próxima de 92–94%, enquanto o método PACE baseado em FPCA caiu para tão baixo quanto 53–71%.
  • Microbioma Intestinal de Lactentes: Em um conjunto de dados com 91,1% de ausência, o BAMIFun superou consistentemente o BAMITA tanto em MSE quanto em cobertura, lidando com sucesso a estrutura multidirecional complexa onde métodos padrão de MFPCA eram inaplicáveis.

Significado e Alegações
Os autores afirmam que o BAMIFun aborda lacunas metodológicas críticas na análise de dados funcionais esparsos. Ao ir além da imputação única, o método previne as inferências "excessivamente otimistas" que afligem as abordagens atuais baseadas em FPCA. O artigo enfatiza que, embora a precisão de imputação (MSE) seja frequentemente comparável a métodos frequentistas existentes, a vantagem primária reside na validade da inferência a jusante. A capacidade de lidar com dados funcionais multidirecionais sem variáveis auxiliares e de fornecer quantificação adequada de incerteza torna o BAMIFun uma ferramenta robusta para aplicações modernas envolvendo dispositivos vestíveis, genômica e neuroimagem, onde os dados são inerentemente esparsos e de alta dimensão. Os autores notam modestamente que o desempenho depende da escolha da base de splines e sugerem que trabalhos futuros poderiam explorar parametrizações alternativas, como aquelas na variedade de Stiefel.