[論文レビュー] Simultaneous Inference of Covariances

Xiao Han, Wei Biao Wu|arXiv (Cornell University)|Sep 2, 2011

Statistical Methods and Bayesian Inference被引用数 3

ひとこと要約

本稿は、データ要因にやや弱い自己相関を許容する条件下で、高次元サンプル分散共分散行列における最大偏差の漸近的Gumbel分布を確立し、従来のi.i.d.仮定を一般化している。高次元設定における共分散構造に関する同時推論の理論的基盤を提供し、帯行列性、定常性、および単位共分散行列の検定を可能にする。

ABSTRACT

We consider asymptotic distributions of maximum deviations of sample covariance matrices, a fundamental problem in high-dimensional inference of covariances. Under mild dependence conditions on the entries of the data matrices, we establish the Gumbel convergence of the maximum deviations. Our result substantially generalizes earlier ones where the entries are assumed to be independent and identically distributed, and it provides a theoretical foundation for high-dimensional simultaneous inference of covariances.

研究の動機と目的

• i.i.d.仮定を超える高次元共分散行列の同時推論の理論的枠組みを構築すること。
• データ要因間の弱い自己相関を許容することで、従来の最大偏差に関する結果を一般化すること。
• 一般の自己相関下で、最大偏差 $ M_n = \max_{i<j} |\hat{\sigma}_{ij} - \sigma_{ij}| $ の厳密な漸近的分布理論を確立すること。
• 帯行列性、定常性、または単位共分散行列の検定といった、共分散構造に関する実用的推論を支援すること。
• 弱い自己相関下でも極値理論の適用範囲を高次元共分散推定に拡張すること。

提案手法

• サンプル共分散要因とその母集団値との間の最大偏差 $ M_n $ の漸近的分布を導出する。
• データベクトル $ (X_{11}, \dots, X_{1m}) $ に対する弱い自己相関条件を導入し、$ \gamma(n, b_n) $ および $ r_{n,i,j} $ を用いたモーメントおよび自己相関強度の制約を設ける。
• 自己正規化された $ M_n $ を用いることで、やや弱い自己相関下でもGumbel分布への収束を達成する。
• 高次元共分散偏差におけるレアイベントを分析するために、モーメント法を用いたポアソン近似を採用する。
• 弱い自己相関下での尾部挙動を制御するために、ガウス近似結果（Zaĭtsev, 1987）を応用する。
• データ要因がi.i.d.でない場合でも、$ M_n $ の極限分布がGumbel分布に収束する条件を確立する。

実験結果

リサーチクエスチョン

• RQ1 高次元データ要因にどのような自己相関条件が成立する場合に、サンプル共分散の最大偏差がGumbel分布に収束するか。
• RQ2 最大共分散偏差の理論枠組みをi.i.d.要因から弱い自己相関過程へ拡張することは可能か。
• RQ3 モーメントおよび自己相関強度の条件が、極値的サンプル共分散偏差の漸近的挙動にどのように影響するか。
• RQ4 この極限定理は、帯行列性や定常性といった高次元共分散構造の検定にどのような意味を持つのか。
• RQ5 Gumbel極限分布は弱い自己相関に対してロバストか。収束の必要十分条件は何か。

主な発見

• やや弱い自己相関下で、最大偏差 $ M_n = \max_{i<j} |\hat{\sigma}_{ij} - \sigma_{ij}| $ が分布収束してGumbel分布に収束することが示された。
• Jiang (2004) や Cai and Jiang (2011) の結果を一般化し、i.i.d.または $ s_n $-自己相関のケースに限らず、弱い自己相関を許容する。
• Gumbel収束の十分条件として $ \gamma(n, b_n) = o(1) $ および $ \gamma(n, b_n) \log b_n = o(1) $ が示され、関数 $ G_n(t) $ を用いた同等な表現が得られた。
• 線形および非線形過程が技術的条件を満たす例を通じて、極限分布が弱い自己相関に対してロバストであることが実証された。
• 理論は、$ H_0: \Sigma_n = I_m $、帯行列性、定常性の検定といった共分散構造の実用的検定を、$ M_n $ の極値挙動に基づいて支援する。
• ポアソン近似法が $ Q_{n,d} \to \lambda^d / d! $ で妥当であることが確認され、大偏差の個数がポアソン極限に収束することが裏付けられた。