Multivariate Varying-Coefficient BART with Graphical Horseshoe Priors
현대의 다변량 회귀 문제는 회귀 효과가 비선형적이고 이질적이며 결과별로 상이할 뿐만 아니라, 결과 간 잔차 의존성 또한 과학적으로 의미 있는 여러 연관된 결과 변수를 포함한다. 기존의 다변량 베이지안 트리 기반 방법들은 이 문제의 일부만을 다루는 경향이 있다. 일부 방법은 결과 간에 트리 구조의 상당한 공유를 강제하여, 반응 변수가 서로 다른 예측 변수 또는 효과 수정 변수에 의존하는 경우 지나치게 제한적이며, 다른 방법들은 잔차 의존성을 수용하지만 더 단순한 평균 구조를 유지한다. 본 논문은 유연한 결과별 계수 면(coefficient surface)과 희소 잔차 정밀도 행렬을 공동으로 모델링하는 다변량 가변계수 베이지안 가법 회귀 트리(BART) 프레임워크인 multiVCBART를 개발한다. 계수 행렬 $B(x)$의 각 원소는 독립적인 BART 앙상블로 표현되어, 예측 변수 효과가 결과 전반에 걸쳐 수정 변수 $x$에 따라 비선형적으로 변할 수 있도록 하며, 정밀도 행렬 $\Omega$에 대한 그래프 Horseshoe 사전분포는 간결한 잔차 조건부 의존성을 포착한다. 효율적인 계산을 가능하게 하기 위해, 다변량 가우시안 가능도를 일련의 스칼라 의사 반응(pseudo-response) 업데이트로 축소하여 트리 역적합(backfitting)을 그래프 Horseshoe 단계로부터 분리하는 샘플러를 도입한다. 이론적으로, 공동으로 추정된 잔차 의존성을 갖는 다변량 BART 모델에 대한 최초의 사후 수축률(posterior contraction rate)을 확립하고, 내재된 평활성 및 구조적 희소성에 대한 준최소최대(near-minimax) 적응을 증명한다. 실증적으로, multiVCBART는 희소하고 고차원인 데이터셋에서 기존 다변량 트리 모델 및 베이지안 SUR(Seemingly Unrelated Regressions) 경쟁 방법들을 능가한다. 마지막으로, 암에서의 약물 감수성 유전체학(Genomics of Drug Sensitivity in Cancer) 데이터셋의 재분석에서, 제안된 방법은 뚜렷한 바이오마커(biomarker) 신호를 식별하고 일관된 잔차 약리학적 네트워크를 복원한다.