[論文レビュー] Measures of Linear Correlation for Multiple Variables

Jianji Wang, Nanning Zheng|arXiv (Cornell University)|Jan 20, 2014

Random Matrices and Applications参考文献 3被引用数 3

ひとこと要約

本稿では、多次元線形相関と無相関を測定するために、新たな2つの係数—多次元線形相関係数（LCC）と線形無相関係数（LIC）—を導入する。この手法はピアソンの相関係数を複数変数に一般化し、簡潔な分解を可能にするとともに、行列式の多次元線形従属性に関する新しい幾何的解釈を提供する。

ABSTRACT

Multivariate linear correlation analysis plays an important role in various fields such as statistics, economics, and big data analytics. However, there was no compact formulation to define and measure multivariate linear correlation. In this paper, we propose a pair of coupling coefficients, the multivariate linear correlation coefficient (LCC) and linear incorrelation coefficient (LIC), to measure the strength of multivariate linear correlation and linear irrelevance. Pearson's correlation coefficient is a special case of the proposed multivariate LCC for two variables. Based on the proposed multivariate LIC, a compact formula of LIC for linear decomposition is also presented in this paper. The experiment results show that the proposed multivariate LCC is an effective measure for multivariate linear correlation, and a new explanation of determinant is also made from the view of multivariate linear correlation.

研究の動機と目的

• 統計的およびデータ解析の応用分野において、多次元線形相関を測定するための簡潔で原理的である形式が不足している問題に対処すること。
• 複数変数間の線形従属性を対称的かつ解釈可能な指標として定義し、2変数相関を高次元に拡張すること。
• 多次元線形構造の分解を可能にする、線形無相関（LIC）という補完的指標を定義すること。
• 共分散行列の行列式を多次元線形相関の観点から再解釈する新しい幾何的解釈を提供すること。

提案手法

• 共分散構造に基づき、ピアソンの相関係数を複数変数に一般化した多次元線形相関係数（LCC）を提案する。
• 線形無相関を測定する双対的指標として線形無相関係数（LIC）を導入し、多次元線形関係の分解を可能にする。
• LICの簡潔な解析的公式を導出し、多次元データ構造の線形分解を容易にする。
• 多次元正規分布の仮定を用いて、LCCおよびLICの理論的性質を導出する。
• 実データに係数を適用し、多次元線形従属性を測定する有効性を検証する。
• 提案されたフレームワークを通じて、共分散行列の行列式を多次元線形相関強度の指標として再解釈する。

実験結果

リサーチクエスチョン

• RQ1 2変数相関を超えて、多次元線形相関を形式的かつ簡潔に測定する方法は何か？
• RQ2 提案されたLCCとピアソンのrのような既存の相関測度との間の数学的関係は何か？
• RQ3 多次元線形構造の分解を可能にする、線形無相関（LIC）という双対的指標を定義できるか？
• RQ4 提案されたフレームワークは、共分散行列の行列式を多次元相関の観点からどのように再解釈するか？
• RQ5 多次元線形従属性を捉えるためにLCCの有効性を裏付ける実証的証拠は何か？

主な発見

• 提案された多次元LCCは、ピアソンの相関係数を複数変数に一般化し、一貫性があり対称的な線形従属性の測度を提供する。
• 線形無相関係数（LIC）は、多次元線形構造の簡潔な分解を可能にし、データ分解のための新たな解析的ツールを提供する。
• 共分散行列の行列式は、提案されたフレームワークを通じて、多次元線形相関強度の指標として再解釈される。
• 実験結果から、多次元LCCが多次元データにおける線形関係の強さを効果的に捉えていることが確認された。
• 理論的枠組みにより、多次元線形相関と共分散行列の幾何的性質との明確な関連が確立された。