[論文レビュー] Change Points in High Dimensional Settings

John A. D. Aston, Claudia Kirch|arXiv (Cornell University)|Sep 5, 2014

Statistical Methods and Inference参考文献 39被引用数 10

ひとこと要約

本稿では、射影に基づく検定を用いた高次元変化点検出手法を開発し、全パネル検定、オラクル検定、ランダム射影を比較する。次元が増加する際の検出可能性を定量化するための「高次元効率性」を導入し、真の変化方向への射影が、特に共分散行列の誤指定下でも検出力の向上に顕著に寄与することを示している。

ABSTRACT

While there is considerable work on change point analysis in univariate time series, more and more data being collected comes from high dimensional multivariate settings. This paper investigates change point detection procedures using projections and develops asymptotic theory for how full panel (multivariate) tests compare with both oracle and random projections. This is done by considering an analogous concept to asymptotic relative efficiency termed high dimensional efficiency. This provides the rate at which the change can get smaller with dimension while still being detectable. The effect of misspecification of the covariance on the power of the tests is investigated, because in many high dimensional situations estimation of the full dependency (covariance) between the multivariate observations in the panel is often either computationally or even theoretically infeasible. It is shown that if information concerning the direction of change is available, then projecting in this direction is always advantageous over the use of a panel statistic, in terms of size and power, particularly when the covariance is misspecified. Even if the change is not known, the projection method achieves a better power as long as the difference between the true change and the direction of the projection is small. The features of the tests are quantified in theory and simulations indicate that these results are indicative of small sample behaviour.

研究の動機と目的

• 全共分散行列の推定が不可能な高次元多変量時系列における変化点検出の課題に対処すること。
• 次元が増加する漸近的状況下で、射影に基づく手法と全パネル検定とのサイズおよび検出力の比較を検討すること。
• 高次元設定下での共分散行列の誤指定が、検定の性能に与える影響を定量化すること。
• 変化方向が既知または推定可能な場合、その方向に射影することで検出力が向上するかを評価すること。
• 次元が増加する際の検出可能性を測る指標としての「高次元効率性」の理論的・実証的基盤を確立すること。

提案手法

• 高次元データを方向ベクトルに射影することで次元を低減する、射影に基づく変化点検定を提案する。
• 3種類の検定を比較：全パネル検定（全変数を用いる）、オラクル射影（真の変化方向を用いる）、ランダム射影。
• 次元pが標本サイズnとともに増加する高次元漸近的状況下での検定統計量の漸近的理論を構築する。
• 「高次元効率性」という指標を導入し、次元が増加する際の変化の検出可能となる速度を定量化する。これは漸近相対効率に類似した概念であり、変化がどれほど小さくなるまで検出可能であるかを示す。
• 共分散行列の誤指定が、検定のサイズおよび検出力に与える影響を分析する。特に、全共分散行列の推定が計算的・理論的に不可能な状況を想定する。
• シミュレーションを用いて理論的結果の妥当性を検証し、提案手法の小標本性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 高次元設定下で、射影に基づく変化点検定の検出力は全パネル検定と比べてどの程度か？
• RQ2 共分散行列の誤指定が、変化点検出手順のサイズおよび検出力に与える影響は何か？
• RQ3 真の変化方向に射影することの優位性が顕著に現れる条件は何か？
• RQ4 真の変化方向と射影方向のなす角度が検定の検出力に与える影響は何か？
• RQ5 次元が増加するに従い、変化がどの程度小さくなるまで検出可能であるか（すなわち、高次元効率性）？

主な発見

• 真の変化方向に射影することは、共分散行列が誤って指定されている場合でも、全パネル統計量を用いる場合よりも一貫して高い検出力を示す。
• 正確な変化方向が分かっていなくても、射影方向が真の変化方向に近い限り、射影手法は全パネル検定を上回る検出力を達成する。
• 本稿で提案された「高次元効率性」の概念は、次元が増加するに従い変化の検出可能性を定量化し、検出可能な変化が射影方向に依存する速度で小さくなることを示している。
• 共分散行列の誤指定は、全パネル検定の検出力に、射影に基づく手法よりも顕著に悪影響を及ぼす。特に、真の変化が低次元部分空間に沿っている場合に顕著である。
• シミュレーションにより、サイズおよび検出力に関する理論的結果が有限標本でも成り立つことが確認され、実際の状況下でも射影アプローチの頑健性が示された。
• オラクル射影法は最高の検出力を達成しており、方向情報が利用可能である場合、その有用性が明確に示された。