ニューラル一般化混合効果モデル
arXiv stat.ML / 2026/4/14
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、自然パラメータの線形予測子の代わりにニューラルネットワークを用いることで、一般化線形混合効果モデル（GLMM）の柔軟な代替となるニューラル一般化混合効果モデル（NGMM）を提案する。
- 通常はランダム効果に関する周辺化が非可解であるにもかかわらず、近似周辺尤度を最大化する、効率的で微分可能な最適化手順を導入する。
- 著者らは近似誤差を解析し、それがユーザーが選ぶパラメータによって制御されるガウスの裾（tail）に関する減衰率で低下することを示す。
- 合成データおよび複数の実データに対する実験により、共変量と応答の関係が非線形である場合、NGMMはGLMMや従来手法を上回り得ることが示される。
- 本研究はさらに、大規模な学生の習熟度データセットを用いて、NGMMをより複雑な潜在変数モデリングへ拡張できることも示している。
