[논문 리뷰] Inference for Change Points in High Dimensional Data

Runmin Wang, Stanislav Volgushev외 1명|arXiv (Cornell University)|2019. 05. 21.

Statistical Methods and Inference인용 수 17

한 줄 요약

이 논문은 고차원 데이터에서 평균 이탈을 탐지하기 위한 새로운, 튜닝이 필요 없는 U통계량 기반 검정을 제안하며, 자기정규화를 통해 순차적 U통계량 과정의 약한 수렴을 달성한다. 이는 다중 변화점과 공분산 구조 변화로 확장되며, 이론적 엄밀성과 야생 이진 분할을 통한 실증적 검증을 통해 검증된다.

ABSTRACT

This article considers change point testing and estimation for high dimensional data. In the case of testing for a mean shift, we propose a new test which is based on U-statistics and utilizes the self-normalization principle. Our test targets dense alternatives in the high dimensional setting and involves no tuning parameters. The weak convergence of a sequential U-statistic based process is shown as an important theoretical contribution. Extensions to testing for multiple unknown change points in the mean, and testing for changes in the covariance matrix are also presented with rigorous asymptotic theory and encouraging simulation results. Additionally, we illustrate how our approach can be used in combination with wild binary segmentation to estimate the number and location of multiple unknown change points.

연구 동기 및 목표

• 밀도 있는 대안 하에서 고차원 데이터의 평균 이탈을 탐지할 수 있는 강건하고 튜닝이 필요 없는 검정을 개발하기 위해.
• 기초 이론적 기여로 순차적 U통계량 과정의 약한 수렴을 확립하기 위해.
• 다중 알려지지 않은 변화점과 공분산 행렬의 변화를 탐지하기 위해 방법을 확장하기 위해.
• 다중 변화점의 수와 위치를 추정하기 위한 실용적 프레임워크를 제공하기 위해, 검정을 야생 이진 분할과 통합하기 위해.

제안 방법

• U통계량을 사용하여 고차원 데이터의 쌍별 의존성을 포착함으로써 강건성과 효율성을 확보한다.
• 고차원 점근적 조건 하에서 검정 통계량을 안정화하기 위해 자기정규화를 적용하여 밴드폭 또는 튜닝 파rameter가 필요 없도록 한다.
• 순차적 U통계량 과정이 약한 수렴을 보임을 보여주어 점근적 분포 기반 추론이 가능하게 한다.
• 유사한 U통계량 기반 검정 통계량을 구성하여 공분산 행렬의 변화를 탐지하기 위해 방법을 확장한다.
• 야생 이진 분할을 통합하여 데이터를 재귀적으로 분할하고 이론적 보장을 갖춘 다중 변화점 위치를 추정한다.
• 모든 변수가 변화하는 것은 아니지만 많은 변수가 평균에서 이탈하는 밀도 있는 대안을 다룰 수 있도록 설계된다.

실험 결과

연구 질문

• RQ1 밀도 있는 대안 하에서도 검정력이 유지되는 고차원 평균 이탈 탐지용 튜닝이 필요 없는 검정을 개발할 수 있는가?
• RQ2 고차원 설정에서 순차적 U통계량 과정의 점근적 분포는 무엇인가?
• RQ3 제안된 검정을 어떻게 고차원 데이터의 공분산 구조 변화 탐지로 확장할 수 있는가?
• RQ4 검정을 야생 이진 분할과 효과적으로 통합하여 다중 변화점을 추정할 수 있는가?
• RQ5 다양한 고차원 설정 하에서의 유한 표본 성질과 실증적 성능은 어떠한가?

주요 결과

• 제안된 U통계량 기반 검정은 순차적 과정의 약한 수렴을 달성하여 추론을 위한 견고한 이론적 기초를 제공한다.
• 검정은 튜닝이 필요 없으며 고차원 데이터에서 밀도 있는 평균 이탈을 효과적으로 탐지할 수 있으며, 시뮬레이션 연구에서 기존 방법보다 뛰어난 성능을 보였다.
• 공분산 행렬의 변화 탐지로의 확장에 성공하였으며, 엄밀한 점근적 이론이 그 타당성을 뒷받침한다.
• 야생 이진 분할과 통합된 접근은 다중 변화점의 수와 위치를 정확히 추정할 수 있었다.
• 시뮬레이션 결과는 다양한 고차원 시나리오에서 강력한 실증적 성능을 보였다. 이는 신호 강도와 차원 수의 다양성에도 적용 가능하다.
• 변수 수가 표본 크기보다 훨씬 클 경우에도 좋은 크기와 검정력 유지