[論文レビュー] Robust Multivariate Nonparametric Tests via Projection-Pursuit

Ilmun Kim, Sivaraman Balakrishnan+1 more|arXiv (Cornell University)|Mar 2, 2018

Sparse and Compressive Sensing Techniques被引用数 9

ひとこと要約

本稿では、投影追跡を用いてCramér-von Mises統計量を一般化し、頑健性、チューニングフリー性、一貫性、最小最大最適性、高次元効率性を達成する多次元2標本検定を提案する。角距離をユークリッド距離の頑健な代替手段として導入し、再生核ヒルベルト空間理論と接続する。

ABSTRACT

In this work, we generalize the Cram\'er-von Mises statistic via projection pursuit to obtain robust tests for the multivariate two-sample problem. The proposed tests are consistent against all fixed alternatives, robust to heavy-tailed data and minimax rate optimal. Our test statistics are completely free of tuning parameters and are computationally efficient even in high dimensions. When the dimension tends to infinity, the proposed test is shown to have identical power to that of the existing high-dimensional mean tests under certain location models. As a by-product of our approach, we introduce a new metric called the angular distance which can be thought of as a robust alternative to the Euclidean distance. Using the angular distance, we connect the proposed to the reproducing kernel Hilbert space approach. In addition to the Cram\'er-von Mises statistic, we show that the projection pursuit technique can be used to define robust, multivariate tests in many other problems.

研究の動機と目的

• チューニングパラメータが不要な頑健で一貫性のある多次元2標本検定の開発。
• 重い尾を持つ分布や高次元データ下での従来の検定の限界の解消。
• 投影追跡を用いてCramér-von Mises統計量を一般化し、頑健性と効率性の向上。
• ユークリッド距離の代替としての角距離の導入。
• 理論的基盤を提供する再生核ヒルベルト空間フレームワークへの接続。

提案手法

• 投影追跡を用いてCramér-von Mises統計量を一般化し、多次元設定における頑健性と一貫性を向上。
• ユークリッド距離の代わりに、角距離を頑健なメトリクスとして採用。
• テスト統計量を最大化する低次元の投影を特定するための投影追跡を用い、すべての代替仮説に対して感度を確保。
• チューニングパラメータが完全に不要なテスト統計量を導出することで、計算効率を向上。
• 提案手法と再生核ヒルベルト空間アプローチとの理論的関係を確立。
• Cramér-von Mises統計量に限らず、他の多次元検定問題に対してもフレームワークを応用。

実験結果

リサーチクエスチョン

• RQ1 投影追跡を用いて、一貫性のあるパワーを持つチューニングフリーの多次元2標本検定を構築可能か？
• RQ2 従来の手法と比較して、重い尾を持つ分布下での本手法の性能は？
• RQ3 次元が標本サイズとともに増加する際のテストの漸近的挙動は？
• RQ4 角距離は多次元ノンパラメトリック検定におけるユークリッド距離の有効な頑健な代替手段となるか？
• RQ5 本手法と再生核ヒルベルト空間理論との関連は？

主な発見

• 提案された検定は、すべての固定代替仮説に対して一貫性を示し、分布の差の信頼性のある検出を保証する。
• 重い尾を持つデータに対しても頑健であり、軽い尾の仮定からの逸脱に対しても有効性を維持する。
• テスト統計量は最小最大レート最適であり、特定の代替仮説下で最良の収束レートを達成する。
• 次元が標本サイズとともに増加する高次元設定では、位置モデル下で既存の高次元平均検定と同等のパワーを達成する。
• 角距離の導入により、多次元解析における安定性が向上する、ユークリッド距離の頑健な代替手段が得られる。
• 本手法は再生核ヒルベルト空間フレームワークと理論的に接続され、その方法論的基盤が強化される。