[논문 리뷰] Frequency Domain Statistical Inference for High-Dimensional Time Series

Jonas Krampe, Efstathios Paparoditis|arXiv (Cornell University)|2022. 06. 05.

Neural dynamics and brain function인용 수 4

한 줄 요약

이 논문은 고차원 시계열에서 주파수 도메인 통계적 추론 절차를 개발하며, 특히 일致된 추정과 교호성(coherence) 및 특히 부분교호성(partial coherence)에 대한 검정에 초점을 맞춘다. 이는 제어된 점근적 분포를 갖는 비편향 추정량(debiased estimator)을 도입하여 주파수 간 최대 교호성/부분교호성에 대한 가설 검정과 대규모 다중 검정에서 일致된 거짓 발견률(FDR) 제어를 가능하게 하며, 시뮬레이션과 뇌 기능 연결성 모델링을 위한 뇌파(EEG) 데이터를 통한 검증을 통해 검증된다.

ABSTRACT

Analyzing time series in the frequency domain enables the development of powerful tools for investigating the second-order characteristics of multivariate processes. Parameters like the spectral density matrix and its inverse, the coherence or the partial coherence, encode comprehensively the complex linear relations between the component processes of the multivariate system. In this paper, we develop inference procedures for such parameters in a high-dimensional, time series setup. Towards this goal, we first focus on the derivation of consistent estimators of the coherence and, more importantly, of the partial coherence which possess manageable limiting distributions that are suitable for testing purposes. Statistical tests of the hypothesis that the maximum over frequencies of the coherence, respectively, of the partial coherence, do not exceed a prespecified threshold value are developed. Our approach allows for testing hypotheses for individual coherences and/or partial coherences as well as for multiple testing of large sets of such parameters. In the latter case, a consistent procedure to control the false discovery rate is developed. The finite sample performance of the inference procedures introduced is investigated by means of simulations and applications to the construction of graphical interaction models for brain connectivity based on EEG data are presented.

연구 동기 및 목표

• 고차원 시계열에서 표준 방법이 차원성으로 인해 실패하는 주파수 스펙트럼 매개변수에 대한 통계적 추론 문제에 대응한다.
• 고차원 점근적 조건 하에서 시간적 의존성 과정의 그래프 모델에 핵심적인 부분교호성에 대한 일치된 추정량을 개발한다.
• 주파수 간 최대 교호성 또는 부분교호성에 대한 유효한 가설 검정을 구축하여 선형 의존성 구조에 대한 글로벌 추론을 가능하게 한다.
• 대규모 다중 검정에서 교호성/부분교호성 매개변수에 대한 일치된 거짓 발견률(FDR) 제어 절차를 제공한다.
• 뇌 기능 연결망과 같은 복잡한 시스템에 대한 실제 적용을 가능하게 하기 위해, 뇌파(EEG) 데이터를 활용한 강건하고 확장 가능한 추론 도구를 제공한다.

제안 방법

• 스펙트럼 밀도 행렬 추정량의 편향을 보정하기 위해 주파수 도메인에서 부분교호성의 비편향 추정량을 제안한다.
• 고차원 점근적 조건 하에서 비편향 부분교호성 추정량의 점근적 분포를 도출하여 추론의 타당성을 확보한다.
• 일련의 주파수에 걸쳐 비편향 부분교호성의 절대값 최대값을 바탕으로 한 검정 통계량을 구성하며, 데이터 기반 임계값을 설정한다.
• 의존성 구조와 차원성을 고려하여 수정된 카이제곱 근사법을 사용하여 임계값을 결정한다.
• 거짓 양성의 기대 수를 추정하여 다중 검정 상황에서 거짓 발견률(FDR)을 제어하기 위한 단계적 절차를 구현한다.
• 추정 정확도 향상을 위해 각 시간 시리즈 쌍에 대해 개별 커널과 프리화이트닝을 사용한 대역폭 선택 기법을 적용한다.

실험 결과

연구 질문

• RQ1 고차원 시계열 설정에서 부분교호성의 일致된 추정량과 점근 정규 분포를 갖는 추정량을 구성할 수 있는가?
• RQ2 고차원 시스템에서 주파수 간 최대 교호성 또는 부분교호성에 대한 유효한 가설 검정을 어떻게 개발할 수 있는가?
• RQ3 실제 고차원 상황에서 제안된 추론 절차의 유한표본 성능은 어떠한가?
• RQ4 대규모 다중 검정에서 교호성 및 부분교호성 매개변수에 대한 일치된 FDR 제어 절차를 개발할 수 있는가?
• RQ5 제안된 방법은 EEG 데이터를 활용한 뇌 기능 연결망에서 진정한 선형 의존성을 얼마나 잘 탐지하는가?

주요 결과

• 제안된 부분교호성의 비편향 추정량은 일致된 점근적 분포를 확보하여 고차원 설정에서도 유효한 점근적 추론을 가능하게 한다.
• 주파수 간 최대 부분교호성에 기반한 검정은 명목 수준에 가까운 경험적 크기와 높은 검정력(power)을 유지하며, 표본 크기가 증가할수록 특히 뚜렷하다.
• δ = 0.2일 때, 모든 시뮬레이션 상황에서 경험적 FDR은 일致되게 0%를 기록하여, 검정 통계량의 구조로 인해 보수적이지만 유효한 FDR 제어임을 시사한다.
• 제안된 검정 절차의 검정력은 보수적인 FDR 제어 조건 하에서도 정규화 기반 대안보다 항상 뛰어나다.
• EEG 데이터 응용에서, 방법은 의미 있는 뇌 기능 연결 패턴을 성공적으로 식별하여 신경과학 분야에서 실용적 유용성을 입증한다.
• VAR(1), VMA(5), 고차원 희박 구조 등 다양한 데이터 생성 과정에서 방법은 강건하게 유지되며, 다양한 표본 크기에서 뛰어난 성능을 보인다.