[論文レビュー] Multiple-Splitting Projection Test for High-Dimensional Mean Vectors

Wanjun Liu, Xiufan Yu+1 more|arXiv (Cornell University)|Oct 29, 2021

Sparse and Compressive Sensing Techniques参考文献 27被引用数 10

ひとこと要約

本稿では、高次元1標本平均ベクトル検定のための複数分割投影検定（MPT）を提案する。最適な投影方向の推定に一貫性を持つ正則化二次計画法を用い、複数のデータ分割から得られる交換可能なp値を活用することで、パワーを向上させるとともに、第1種誤り率の制御を維持する。この手法は、特に弱いシグナル下で既存の手法を著しく上回る性能を示す。

ABSTRACT

We propose a multiple-splitting projection test (MPT) for one-sample mean vectors in high-dimensional settings. The idea of projection test is to project high-dimensional samples to a 1-dimensional space using an optimal projection direction such that traditional tests can be carried out with projected samples. However, estimation of the optimal projection direction has not been systematically studied in the literature. In this work, we bridge the gap by proposing a consistent estimation via regularized quadratic optimization. To retain type I error rate, we adopt a data-splitting strategy when constructing test statistics. To mitigate the power loss due to data-splitting, we further propose a test via multiple splits to enhance the testing power. We show that the $p$-values resulted from multiple splits are exchangeable. Unlike existing methods which tend to conservatively combine dependent $p$-values, we develop an exact level $α$ test that explicitly utilizes the exchangeability structure to achieve better power. Numerical studies show that the proposed test well retains the type I error rate and is more powerful than state-of-the-art tests.

研究の動機と目的

• 高次元平均検定における最適な投影方向の推定が一貫性を持たないという問題に対処すること。
• 投影検定における単一のデータ分割手法によるパワー損失を軽減すること。
• 複数の分割からのp値の交換可能性を明示的に利用して、検出力の向上を図る手法の開発。
• 高次元漸近的条件下でも第1種誤り率を正確に維持できる理論的根拠に基づいた正確な水準αの検定を提供すること。

提案手法

• 最適な投影方向は非凸な正則化二次計画法により推定され、任意の停留点について一貫性と非漸近的誤差境界を保証する。
• 複数のデータ分割戦略が採用され、標本が繰り返し推定用と検定用のセットに分割され、複数のp値が生成される。
• 帰無仮説下で得られるp値は交換可能であることが示され、この依存構造を尊重する新しい結合法が可能になる。
• p値の交換性を活用することで、先行研究で用いられる保守的な結合法を避けることにより、正確な水準αの検定が開発された。
• 投影方向を $\boldsymbol{\Sigma}^{-1}(\boldsymbol{\mu}_1 - \boldsymbol{\mu}_2)$ に適応することで、2標本設定への拡張がなされた。
• 交換性フレームワークを通じて、第1種誤り率の制御とパワーの向上に関する理論的保証が確立された。

実験結果

リサーチクエスチョン

• RQ1 正則化最適化を用いて、高次元設定下で最適な投影方向の一貫性推定器を構築できるか？
• RQ2 投影検定における単一データ分割の影響によるパワー損失を効果的に軽減できるか？
• RQ3 帰無仮説下で複数のデータ分割からのp値は交換可能か？ そして、この構造を活用してより良い推論が可能か？
• RQ4 交換可能なp値を明示的に利用する正確な水準αの検定を、既存の結合法を上回るように開発できるか？

主な発見

• 提案されたMPTは、すべてのシミュレーション設定および実データ例において、正確な第1種誤り率を維持している。
• MPTは、特にシグナル強度が低い場合（例：δ = 0.18）に、最先端の手法を上回る高い統計的パワーを達成している。この場合、MPTは唯一、帰無仮説を棄却する検定である。
• MPTは、シグナル強度がδ = 0.18にまで低下しても、α = 0.05で帰無仮説を有意に棄却することができた。一方、Median、Average、Z-averageなどの他の検定では失敗した。
• Cauchy結合検定とMPTのみがδ = 0.18で帰無仮説を棄却し、弱いシグナルに対する優れた感受性を示した。
• 理論的分析により、複数の分割からのp値が交換可能であることが確認され、提案された結合法はこの構造を活用することで正確な水準αの制御を達成した。
• 正則化二次計画法推定器について、非漸近的誤差境界が確立され、グローバル最適性を仮定しない一貫性が保証された。