[논문 리뷰] Center-Outward Distribution Functions, Quantiles, Ranks, and Signs in $\mathbb{R}^d$

Eustasio del Barrio, Juan A. Cuesta‐Albertos외 2명|arXiv (Cornell University)|2018. 06. 04.

Advanced Statistical Methods and Models참고 문헌 87인용 수 8

한 줄 요약

이 논문은 고차원에서의 자연스러운 순서가 존재하지 않는 문제를 해결하기 위해 최적 운반 이론을 활용한 새로운 중심에서 외곽으로 향하는 다변량 분포 및 분위수 함수 접근법을 제안한다. 이는 모멘트 가정 없이 경험적 중심에서 외곽 분포 함수에 대한 Glivenko-Cantelli 결과를 확립하여 엄격히 분포무관인 순위와 부호를 도출하며, 이는 유한표본에서의 반모수적 효율성을 가능하게 한다.

ABSTRACT

Univariate concepts as quantile and distribution functions involving ranks and signs, do not canonically extend to $\mathbb{R}^d, d\geq 2$. Palliating that has generated an abundant literature. Chapter 1 shows that, unlike the many definitions that have been proposed so far, the measure transportation-based ones introduced in Chernozhukov et al. (2017) enjoy all the properties that make univariate quantiles and ranks successful tools for semiparametric statistical inference. We therefore propose a new center-outward definition of multivariate distribution and quantile functions, along with their empirical counterparts, for which we obtain a Glivenko-Cantelli result. Our approach is geometric and, contrary to the Monge-Kantorovich one in Chernozhukov et al. (2017), does not require any moment assumptions. The resulting ranks and signs are strictly distribution-free, and maximal invariant under the action of a data-driven class of (order-preserving) transformations generating the family of absolutely continuous distributions; that property is the theoretical foundation of the semiparametric efficiency preservation property of ranks. The corresponding quantiles are equivariant under the same transformations. The empirical proposed distribution functions are defined at observed values only. A continuous extension to the entire $\mathbb{R}^d$, yielding continuous empirical quantile contours while preserving the monotonicity and Glivenko-Cantelli features is desirable. Such extension requires solving a nontrivial problem of smooth interpolation under cyclical monotonicity constraints. A complete solution of that problem is given in Chapter 2; we show that the resulting distribution and quantile functions are Lipschitz, and provide a sharp lower bound for the Lipschitz constants. A numerical study of empirical center-outward quantile contours and their consistency is conducted.

연구 동기 및 목표

• d ≥ 2인 $\mathbb{R}^d$에서 자연스러운 순서가 존재하지 않기 때문에 오랫동안 해결되지 않은 다변량 분포 및 분위수 함수의 통계적으로 의미 있는 정의 문제를 해결하기 위해.
• 반모수적 추론에 필수적인 성질—특히 분포무작위성과 부속성—유지를 보장하면서 단변량 순위와 부호의 다변량 확장을 개발하기 위해.
• 모멘트 조건 없이 경험적 중심에서 외곽 분포 함수에 대한 Glivenko-Cantelli 결과를 확립하기 위해.
• 모노톤성과 일致성을 유지하면서 $\mathbb{R}^d$ 전체에 걸쳐 경험적 중심에서 외곽 분포 함수의 연속적이고 매끄러운 확장을 제공하기 위해.
• 깊이 기반 방법이 포착하지 못하는 복잡한 특성(예: 분리된 지지집합)을 부호 곡선을 통해 탐지할 수 있는지 검증하기 위해.

제안 방법

• 최적 운반 이론, 특히 McCann의 이동 보간법을 활용하여 $\mathbb{R}^d$에서 중심에서 외곽으로 향하는 분포 및 분위수 함수를 정의한다.
• 경험 측도를 단위 구에 균일 분포로 최적 운반함으로써 경험적 중심에서 외곽 분포 함수를 구성한다.
• 역 운반 사상에 의한 경험 측도의 투영으로 순위와 부호를 정의함으로써 분포무작위 성격을 보장한다.
• 모노톤성과 Glivenko-Cantelli 성질을 유지하면서도 $\mathbb{R}^d$ 전체에 걸쳐 경험적 중심에서 외곽 함수의 연속적 확장을 매끄러운 보간을 통해 도입한다.
• 운반 사상의 순환 단조성 조건을 활용하여 중심에서 외곽 구조의 타당성을 보장하고, 유한표본에서의 부속성 성질을 유도한다.
• 삼각형, 정사각형, 분리된 지지집합에서의 균일 분포를 활용한 수치 시뮬레이션을 통해 방법의 성능을 검증한다.

실험 결과

연구 질문

• RQ1 d ≥ 2인 $\mathbb{R}^d$에서 단변량 개념을 일반화하면서도 분포무작위성과 부속성 등의 추론 성질을 유지하는 다변량 분포 함수를 정의할 수 있는가?
• RQ2 다변량 분위수와 순위는 어떻게 구성할 수 있는가? 이는 d=1일 때 단변량 결과와 일치하면서도 여전히 분포무작위성을 유지해야 한다.
• RQ3 모노톤성과 일치성을 유지하면서도 $\mathbb{R}^d$ 전체에 걸쳐 경험적 중심에서 외곽 분포 함수의 연속적이고 매끄러운 확장을 구성할 수 있는가?
• RQ4 중심에서 외곽 부호 곡선은 깊이 기반 방법이 놓치는 구조적 특성(예: 분리된 지지집합)을 어느 정도 탐지할 수 있는가?
• RQ5 제안된 방법은 모멘트 가정 없이도 유한표본에서 반모수적 효율성의 형태를 달성하는가?

주요 결과

• 제안된 중심에서 외곽 분포 및 분위수 함수는 엄격히 분포무작위이며, 사실상 최대 부속성 조건을 만족하여, 유한표본에서의 반모수적 효율성에 대한 Basu 조건을 충족한다.
• 모멘트 가정 없이도 경험적 중심에서 외곽 분포 함수에 대한 Glivenko-Cantelli 결과가 확립되었으며, 이는 이전의 Chernozhukov 등(2017)의 연구와는 달리 보다 일반적인 조건에서 성립한다.
• 경험적 중심에서 외곽 분위수 윤곽선과 부호 곡선은 분리된 지지집합의 구조를 성공적으로 탐지한다. 특히 두 개의 반구에서의 시뮬레이션을 통해 깊이 기반 방법이 실패하는 경우에 유용함을 입증하였다.
• 이 방법은 중심 근처에서는 원형에서 시작하여 경계 근처에서는 지지집합의 형태에 따라 변형되는 매끄럽고 중첩된 분위수 윤곽선을 생성하며, 이는 기하학적 특성을 잘 반영한다.
• 수치적 연구를 통해 이 방법은 비볼록 또는 분리된 지지집합을 가진 경우에도 안정적이고 정보적인 다변량 데이터 표현을 제공함을 확인하였다.
• 기존 연구에서 제안된 $\alpha$-하우프 보간법은 분리된 윤곽선을 생성함을 입증하여, 제안된 연속적 확장 대비 그 한계를 드러냈다.