[논문 리뷰] An efficient and robust test for a change-point in correlation

Herold Dehling, Daniel Vogel외 2명|arXiv (Cornell University)|2012. 03. 22.

Statistical Methods and Inference인용 수 6

한 줄 요약

이 논문은 종속적인 확률과정을 위한 새로운 U-통계량 불변성 원리를 활용하여 이元시간시계열에서 상관관계의 변화점에 대한 비모수적 검정을 제안한다. 이 방법은 무거운 尾를 가진 분포에서도 강건성을 확보하며, 단일 변화점 가정 하에서 변화점 위치의 일致된 추정을 제공한다.

ABSTRACT

For a bivariate time series $((X_i,Y_i))_{i=1,...,n}$ we want to detect whether the correlation between $X_i$ and $Y_i$ stays constant for all $i = 1,...,n$. We propose a nonparametric change-point test statistic based on Kendall's tau and derive its asymptotic distribution under the null hypothesis of no change by means a new U-statistic invariance principle for dependent processes. The asymptotic distribution depends on the long run variance of Kendall's tau, for which we propose an estimator and show its consistency. Furthermore, assuming a single change-point, we show that the location of the change-point is consistently estimated. Kendall's tau possesses a high efficiency at the normal distribution, as compared to the normal maximum likelihood estimator, Pearson's moment correlation coefficient. Contrary to Pearson's correlation coefficient, it has excellent robustness properties and shows no loss in efficiency at heavy-tailed distributions. We assume the data $((X_i,Y_i))_{i=1,...,n}$ to be stationary and P-near epoch dependent on an absolutely regular process. The P-near epoch dependence condition constitutes a generalization of the usually considered $L_p$-near epoch dependence, $p \ge 1$, that does not require the existence of any moments. It is therefore very well suited for our objective to efficiently detect changes in correlation for arbitrarily heavy-tailed data.

연구 동기 및 목표

• 모멘트 조건을 가정하지 않고 두 시간시계열 간 상관관계 변화를 탐지할 수 있는 검정을 개발한다.
• 伝통적인 상관계수 방법이 실패하는 경우에도 무거운 尾 분포에 대해 강건성을 확보한다.
• 변화가 없는 귀무가설 하에서 검정통계량의 점근적 분포이론을 수립한다.
• 단일 변화점의 위치를 일관되게 추정하는 추정기법을 제안한다.
• P-근접시계열 종속성 과정으로의 프레임워크 일반화를 통해 유한한 모멘트가 필요 없는 약한 종속성 구조에 적용 가능하도록 한다.

제안 방법

• 정규분포 하에서 높은 효율성과 중성분포 하에서의 강건성을 고려해 상관계수 측정으로 켄달의 타우를 사용한다.
• 종속적이고 정상적인 과정을 위해 특화된 새로운 U-통계량 불변성 원리를 적용하여 검정통계량의 점근적 분포를 도출한다.
• 귀무가설 하에서 점근적 분포를 유도하며, 이는 켄달의 타우의 장기분산에 의존한다.
• 실제 적용을 가능하게 하기 위해 켄달의 타우의 장기분산에 대한 일관된 추정기법을 제안한다.
• 유한한 모멘트가 필요 없는 P-근접시계열 종속성 조건을 기반으로 운영된다.
• 단일 변화점 모델 하에서 변화점 위치 추정기의 일관성을 확립한다.

실험 결과

연구 질문

• RQ1 무거운 尾 분포에서 임의로 무거운 분포를 가진 경우에도 유효한 상관계수 변화에 대한 비모수적 검정을 개발할 수 있는가?
• RQ2 약한 종속성 조건 하에서 켄달의 타우 기반 검정통계량의 점근적 분포는 어떻게 도출할 수 있는가?
• RQ3 이 검정 프레임워크를 통해 단일 변화점의 위치가 일관되게 추정될 수 있는가?
• RQ4 켄달의 타우의 장기분산은 점근적 분포와 추론에 어떤 역할을 하는가?
• RQ5 P-근접시계열 종속성 조건은 기존의 모멘트 기반 가정을 초월하여 방법의 적용 가능성을 어떻게 확장하는가?

주요 결과

• 켄달의 타우 기반으로 제안된 검정통계량은 변화가 없는 귀무가설 하에서 잘 정의된 점근적 분포를 가지며, 새로운 U-통계량 불변성 원리를 통해 도출된다.
• 켄달의 타우의 장기분산은 일관되게 추정되며, 이는 모멘트 조건이 필요 없이 타당한 추론을 가능하게 한다.
• 정규분포 하에서는 높은 효율성을 유지하고, 중성분포 하에서는 뛰어난 강건성을 보인다.
• 가정된 모델 하에서 상관계수의 단일 변화점 위치는 일관되게 추정된다.
• P-근접시계열 종속성 조건은 방법을 유한한 모멘트가 필요 없는 약한 종속성 과정의 광범위한 클래스에 적용 가능하게 한다.
• 검정은 강건하고 효율적이며, 무거운 尾 설정에서는 페어슨 상관계수를 능가하고 정규분포 하에서도 높은 검정력을 유지한다.