확률 민감도 분석 샘플로부터 완벽한 정보의 부분 기대 가치를 추정하기

완벽한 정보의 부분 기대 가치(EVPI)는 의사 결정 모델에서 불확실한 매개변수의 값을 학습함으로써 기대되는 이점을 정량화합니다. 부분 EVPI는 관심 있는 매개변수를 외부 루프에서 샘플링한 다음, 이를 조건으로 나머지 매개변수를 내부 루프에서 샘플링하는 2단계 몬테카를로 절차를 통해 일반적으로 추정됩니다. 이는 계산적으로 부담이 크며, 입력 매개변수 간의 상관관계로 인해 조건부 분포를 샘플링하기 어려울 수 있습니다. 우리는 확률적 민감도 분석 샘플(즉, 매개변수의 결합 분포에서 추출된 샘플 집합)만을 요구하는 부분 EVPI 추정을 위한 새로운 비모수 회귀 기반 방법을 설명합니다. 이 방법은 복잡성에 관계없이 모든 모델에 적용 가능하며 입력 매개변수 분포의 모든 사양에 사용할 수 있습니다. 우리는 일반화 가법 모델과 가우시안 프로세스라는 두 가지 비모수 회귀 모델링 접근 방식을 통해 이 방법의 구현을 설명합니다. 두 가지 사례 연구에서 이 회귀 방법이 2단계 몬테카를로 방법보다 우수한 효율성을 발휘함을 보여줍니다. 이 방법을 구현하기 위한 R 코드를 제공할 수 있습니다.