[論文レビュー] Log determinant of large correlation matrices under infinite fourth moment

Johannes Heiny, Nestor Parolya|arXiv (Cornell University)|Dec 31, 2021

Random Matrices and Applications被引用数 5

ひとこと要約

本稿は、データのエントリが無限大の4次モーメントを持つが、指数 $\alpha \in (3,4)$ の正規化された尾を持つ、かつ対称である場合に、大規模な標本相関行列の対数行列式に対する中心極限定理（CLT）を確立する。このCLTは、これらの重尾的条件下でも有効であり、高次元かつ重尾的設定における対数行列式統計量の頑健性を示している。対称性および3次絶対モーメントの有限性が保たれていれば成立する。

ABSTRACT

In this paper, we show the central limit theorem for the logarithmic determinant of the sample correlation matrix $\mathbf{R}$ constructed from the $(p imes n)$-dimensional data matrix $\mathbf{X}$ containing independent and identically distributed random entries with mean zero, variance one and infinite fourth moments. Precisely, we show that for $p/n o γ\in (0,1)$ as $n,p o \infty$ the logarithmic law \begin{equation*} \frac{\log \det \mathbf{R} -(p-n+\frac{1}{2})\log(1-p/n)+p-p/n}{\sqrt{-2\log(1-p/n)- 2 p/n}} \overset{d}{ ightarrow} N(0,1)\, \end{equation*} is still valid if the entries of the data matrix $\mathbf{X}$ follow a symmetric distribution with a regularly varying tail of index $α\in (3,4)$. The latter assumptions seem to be crucial, which is justified by the simulations: if the entries of $\mathbf{X}$ have the infinite absolute third moment and/or their distribution is not symmetric, the logarithmic law is not valid anymore. The derived results highlight that the logarithmic determinant of the sample correlation matrix is a very stable and flexible statistic for heavy-tailed big data and open a novel way of analysis of high-dimensional random matrices with self-normalized entries.

研究の動機と目的

• データのエントリが無限大の4次モーメントを持つ場合の、標本相関行列の対数行列式の漸近的分布を調査すること。
• 重尾的かつ分散が無限大であるデータの存在下でも、古典的ギルコ対数法則（log det のCLT）がどの条件下で有効に保たれるかを特定すること。
• 非ガウス型・重尾的分布下での高次元統計量としての対数行列式の頑健性を評価すること。
• 特に、対称性および尾指数が、有限4次モーメント仮定を超えてlog det のCLTが成立するための必要十分条件として、どのようなものかを同定すること。

提案手法

• 平均0、単位分散、指数 $\alpha \in (3,4)$ の正規化された尾を持つi.i.d. データからの標本相関行列 $\mathbf{R}$ に対する $\log \det \mathbf{R}$ の中心極限定理を導出する。
• 対数行列式の確率的表現を用い、$\mathbf{R}$ の標準化に起因する非線形依存性を扱うために、マルティンゲール中心極限定理の手法を適用する。
• 極端値の影響を制御するために、切断と条件付き処理のアプローチを採用し、正規性への収束を保証する。
• $n,p \to \infty$ の下で $p/n \to \gamma \in (0,1)$ のレームで、対数行列式の漸近的挙動を分析し、古典的ギルコ法に一致する正規化形を導出する。
• シミュレーションを通じてCLTの妥当性を検証し、対称性または3次絶対モーメントの有限性が破れると崩壊することを示す。
• 非ガウス性下での二次形式のモーメントバウンドおよびスペクトル解析を含む、ランダム行列理論の高度な道具を用いる。

実験結果

リサーチクエスチョン

• RQ1 データのエントリが無限大の4次モーメントを持つが、対称的かつ指数 $\alpha \in (3,4)$ の正規化された尾を持つ場合に、標本相関行列の対数行列式に対する古典的中心極限定理は有効に保たれるか？
• RQ2 ギルコ対数法則が重尾的領域で有効に保たれるために必要な最小限のモーメントおよび対称性条件は何か？
• RQ3 分散が無限大である場合に、標本相関行列の正規化が、対数行列式の漸近的分布にどのように影響を与えるか？
• RQ4 データ分布が重尾的かつ4次モーメントが無限大である場合に、対数行列式は高次元推論のための安定的かつ柔軟な統計量として残り続けるか？
• RQ5 対称性仮定または3次絶対モーメントの存在が破れると、CLTはどのように変化するか？

主な発見

• 平均0、単位分散、指数 $\alpha \in (3,4)$ の正規化された尾を持つ対称的i.i.d. エントリが、4次モーメントが無限大であっても、古典的ギルコ対数法則が $\log \det \mathbf{R}$ に対して有効に保たれる。
• 極限分布は標準正規分布である： $\frac{\log\det{\mathbf{R}}-(p-n+\frac{1}{2})\log(1-p/n)+p-p/n}{\sqrt{-2\log(1-p/n)-2p/n}} \xrightarrow{d} N(0,1)$ である。$n,p \to \infty$ かつ $p/n \to \gamma \in (0,1)$ の下で成立。
• 3次絶対モーメントが無限大であるか、非対称な場合、シミュレーションによりCLTが崩壊することが確認された。
• 対数行列式は、$\alpha \in (3,4)$ の重尾的かつ対称的・正規化された分布下で頑健かつ安定しており、高次元推論のための信頼できるツールである。
• 本研究は、標準化によって生じる非線形性にもかかわらず、特定の尾および対称性条件の下で、標本相関行列の正規化が対数行列式のCLTを保つことを明らかにした。
• 本研究の結果は、重尾的仮定下での自己正規化エントリを有する高次元ランダム行列の分析に、新たな道を開いた。