Core Concepts
Shapley 곡선은 조건부 기대 함수와 공변량 분포에 의해 결정되는 실제 변수 중요도를 측정하는 방법이다.
Abstract
이 논문은 Shapley 값의 통계적 이해를 제한적인 비모수(또는 smoothing) 관점에서 보완한다.
모집단 수준의 Shapley 곡선을 도입하여 실제 변수 중요도를 측정한다.
두 가지 주요 추정 전략에 대해 최소 최대 수렴 속도와 점근적 정규성을 도출한다.
유한 표본 추론을 위해 Shapley 곡선 추정의 저차 항을 포착하는 새로운 wild bootstrap 절차를 제안한다.
수치 연구를 통해 이론적 발견을 확인하고, 차량 가격 결정 요인을 분석하는 실증 적용을 수행한다.
Stats
표본 크기가 증가함에 따라 두 추정량 모두 MISE가 감소한다.
구성 기반 접근법(component-based)이 통합 기반 접근법(integration-based)보다 대부분 MISE가 작다.
통합 기반 접근법의 편향이 누적되어 더 큰 MISE를 초래한다.
세 번째 변수의 Shapley 곡선에서는 통합 기반 접근법이 더 나은 성능을 보인다.