Bayesian Effect Selection for Additive Quantile Regression with an Application to Air Pollution Thresholds

Resumo Técnico: Seleção de Efeitos Bayesiana para Regressão Quantílica Aditiva com uma Aplicação a Limiares de Poluição do Ar

Enunciado do Problema
Os limites regulatórios de poluição do ar são definidos por excessos de limiares de concentração, que correspondem aos quantis superiores das distribuições de poluentes. Embora métodos estatísticos existentes possam modelar relações não lineares entre covariáveis e a poluição do ar, eles frequentemente falham em abordar simultaneamente três necessidades críticas: (1) selecionar quais covariáveis afetam a resposta, (2) determinar a forma funcional desses efeitos (linear, não linear ou ambos), e (3) fazer isso especificamente para quantis condicionais em vez de apenas para a média.

Abordagens comuns, como a Representação de Modelo Misto (MMR) de splines penalizadas, permitem efeitos não lineares flexíveis, mas falham em fornecer uma separação significativa entre os componentes lineares e não lineares. Essa falta de decomposição ortogonal leva a uma estimativa inconsistente dessas partes distintas do efeito. Além disso, métodos tradicionais de seleção de variáveis (por exemplo, LASSO, COSSO) frequentemente operam em contextos de regressão linear ou de média e não se estendem naturalmente para a decomposição de efeitos dentro de estruturas de regressão quantílica.

Metodologia
Os autores propõem o QDReSS (Quantile Distributional Regression with Effect Selection and Structure), um framework Bayesiano para regressão quantílica aditiva que integra a seleção de efeitos com a decomposição de efeitos.

1. Expansão de Base de Demmler-Reinsch (DR):
   Para resolver a inconsistência da MMR, os autores empregam uma expansão de base DR. Esta abordagem realiza uma projeção $L^2$ de B-splines cúbicas sobre o espaço de funções lineares. As funções de base resultantes são empiricamente ortogonais ao componente linear e mutuamente ortogonais. Isso permite uma decomposição limpa de qualquer efeito aditivo $f(x)$ em uma parte linear ($f_{lin}$) e uma parte não linear ($f_{nonlin}$), garantindo que esses componentes possam ser estimados de forma consistente.

2. Inferência Bayesiana com Priors NBPSS:
   O framework utiliza uma Distribuição Laplace Assimétrica (ALD) como uma verossimilhança de trabalho para facilitar a regressão quantílica Bayesiana. Para alcançar a seleção de variáveis e de efeitos, os autores aplicam priors Normal Beta Prime Spike and Slab (NBPSS) nos parâmetros de importância associados aos componentes lineares e não lineares de cada covariável.

   • A estrutura de prior hierárquica permite o encolhimento (shrinkage) em nível de grupo.
   • Ela distingue quatro estados para cada covariável: nenhum efeito, efeito apenas linear, efeito apenas não linear, ou ambos.
   • As probabilidades de inclusão são aprendidas a partir dos dados via hiperparâmetros, evitando a necessidade de ajuste específico para cada quantil.

3. Estimativa Posterior:
   A inferência posterior é conduzida por meio de um amostrador de Gibbs eficiente. A estrutura conjugada do modelo (facilitada pela representação de mistura de escala da ALD e pelos priors Gaussianos) permite distribuições condicionais completas em forma fechada para todos os parâmetros, incluindo os pesos latentes, componentes de variância e indicadores de inclusão.

Principais Contribuições

• Consistência Teórica: O artigo fornece uma prova teórica de que a expansão de base DR produz estimadores consistentes tanto para os componentes de efeito linear quanto para os não lineares em regressão quantílica aditiva, uma propriedade não garantida pelas MMRs padrão.
• Seleção e Decomposição Integradas: Diferente de métodos existentes que selecionam funções inteiras ou operam apenas em cenários lineares, o QDReSS seleciona simultaneamente as covariáveis e determina se seus efeitos são lineares, não lineares ou ambos, especificamente em quantis definidos pelo usuário.
• Eficiência Computacional: A natureza ortogonal da base DR simplifica a estrutura de penalidade (reduzindo as penalidades de rugosidade a matrizes identidade), resultando em uma computação mais rápida em comparação com abordagens baseadas em MMR.
• Implementação Prática: Os autores fornecem um fluxo de trabalho Bayesiano completo, incluindo uma estratégia simplificada de elicitação de prior baseada nas propriedades de escala da distribuição beta prime, e uma implementação de código aberto.

Resultos e Aplicação
O método foi aplicado a dados diários de poluição do ar de Madri, Espanha (2016–2019), modelando concentrações de Dióxido de Nitrogênio ($NO_2$) nos quantis $\tau \in \{0.6, 0.8, 0.9\}$.

• Desempenho Preditivo: Em um estudo de validação cruzada de 10 dobras, o QDReSS alcançou consistentemente uma perda de quantil menor (melhor precisão preditiva fora da amostra) em comparação com a abordagem MMR concorrente em todos os quantis testados.
• Descobertas da Decomposição de Efeitos:
  • Ozônio ($O_3$): Exibiu um efeito negativo não linear forte e consistente sobre o $NO_2$ em todos os quantis, confirmando interações químicas complexas.
  • Tráfego: Contrariando as suposições lineares univariadas iniciais, o fluxo de tráfego foi encontrado como tendo um efeito não linear significativo no $NO_2$, particularmente nos quantis mais altos (eventos de poluição extrema).
  • Variáveis Climatológicas: Os efeitos da temperatura, velocidade do vento e precipitação variaram conforme o quantil. Por exemplo, a precipitação mostrou um aumento na força não linear em quantis mais altos, enquanto os efeitos da velocidade do vento mudaram de lineares (em quantis baixos) para não lineares (em quantis altos).
  • Monóxido de Carbono (CO): Mostrou um efeito linear forte apenas no quantil inferior ($\tau=0.6$), tornando-se negligenciável em limiares mais elevados.

Significância e Alegações
Os autores afirmam que o QDReSS oferece um avanço necessário na modelagem da poluição do ar ao permitir decisões baseadas em dados sobre a forma funcional dos efeitos das covariáveis em limiares específicos de poluição. O estudo destaca que eventos extremos de poluição (quantis altos) são impulsionados de forma diferente por variáveis climatológicas e estruturas de tráfego em comparação com condições médias.

O artigo argumenta que essas descobertas reforçam a necessidade de modelos estatísticos avançados que suportem a tomada de decisão de curto prazo. Ao modelar com precisão os impulsionadores não lineares dos excessos de limiares, as autoridades locais podem mitigar ou prevenir melhor as violações dos limites de concentração de $NO_2$. Os autores observam modestamente que, embora o estudo foque em uma única estação para elucidar mecanismos intrínsecos, o framework é generalizável para outras cidades e pode ser estendido para incluir efeitos espaciais ou estimativa simultânea de quantis para evitar o cruzamento de quantis.