[논문 리뷰] Log determinant of large correlation matrices under infinite fourth moment

Johannes Heiny, Nestor Parolya|arXiv (Cornell University)|2021. 12. 31.

Random Matrices and Applications인용 수 5

한 줄 요약

이 논문은 데이터 요소의 네 번째 모멘트가 무한대이지만 첨자 $\alpha \in (3,4)$를 갖는 정규화된 꼬리와 대칭성을 가지는 경우, 큰 표본 상관계수 행렬의 로그 행렬식에 대한 중심극한정리(CLT)를 수립한다. 이러한 무거운 꼬리 조건 하에서도 CLT는 유지되며, 이는 고차원, 무거운 꼬리 설정에서 로그 행렬식 통계량의 강건성을 보여주며, 대칭성과 유한한 세 번째 절대모멘트 조건이 유지될 경우에 한하여 성립한다.

ABSTRACT

In this paper, we show the central limit theorem for the logarithmic determinant of the sample correlation matrix $\mathbf{R}$ constructed from the $(p imes n)$-dimensional data matrix $\mathbf{X}$ containing independent and identically distributed random entries with mean zero, variance one and infinite fourth moments. Precisely, we show that for $p/n o γ\in (0,1)$ as $n,p o \infty$ the logarithmic law \begin{equation*} \frac{\log \det \mathbf{R} -(p-n+\frac{1}{2})\log(1-p/n)+p-p/n}{\sqrt{-2\log(1-p/n)- 2 p/n}} \overset{d}{ ightarrow} N(0,1)\, \end{equation*} is still valid if the entries of the data matrix $\mathbf{X}$ follow a symmetric distribution with a regularly varying tail of index $α\in (3,4)$. The latter assumptions seem to be crucial, which is justified by the simulations: if the entries of $\mathbf{X}$ have the infinite absolute third moment and/or their distribution is not symmetric, the logarithmic law is not valid anymore. The derived results highlight that the logarithmic determinant of the sample correlation matrix is a very stable and flexible statistic for heavy-tailed big data and open a novel way of analysis of high-dimensional random matrices with self-normalized entries.

연구 동기 및 목표

• 데이터 요소의 네 번째 모멘트가 무한대일 때 표본 상관계수 행렬의 로그 행렬식의 점근적 분포를 조사하는 것.
• 무거운 꼬리, 분산이 무한대인 데이터가 존재하는 상황에서 고전적인 지르코 로그 법칙(CLT for log det)이 유지되는 조건을 규명하는 것.
• 비정규, 고차원 무거운 꼬리 분포 하에서 로그 행렬식이 고차원 통계량으로서의 강건성을 평가하는 것.
• CLT가 유한한 네 번째 모멘트 가정을 초월하여 성립하기 위한 필요 및 충분조건—특히 대칭성과 꼬리 첨자—를 특정하는 것.

제안 방법

• 평균이 0, 분산이 1이며 첨자가 $\alpha \in (3,4)$인 정규화된 꼬리 분포를 갖는 i.i.d. 데이터로부터 유도된 표본 상관계수 행렬 $\mathbf{R}$에 대해 $\log \det \mathbf{R}$의 중심극한정리를 유도한다.
• 로그 행렬식의 확률적 표현을 사용하고, 표준화에 의해 유도되는 비선형적 의존성에 대응하기 위해 마틴갈 중심극한정리 기법을 적용한다.
• 극단적인 값의 영향을 통제하기 위해 절단과 조건화 접근법을 활용하여 정규성 수렴을 보장한다.
• 표본 크기 $n,p \to \infty$ 일 때 $p/n \to \gamma \in (0,1)$ 인 설정에서 로그 행렬식의 점근적 행동을 분석하며, 고전적 지르코 법칙과 일치하는 정규화된 형태를 확보한다.
• 모의 실험을 통해 대칭성 또는 유한한 세 번째 절대모멘트 조건이 위반될 경우 CLT가 붕괴됨을 확인한다.
• 비정규성 하에서 이차형식의 모멘트 경계와 스펙트럼 분석을 포함한 랜덤 행렬 이론의 고급 도구를 활용한다.

실험 결과

연구 질문

• RQ1 데이터 요소의 네 번째 모멘트가 무한대이지만 대칭이며 첨자가 $\alpha \in (3,4)$인 정규화된 꼬리를 갖는 경우, 고전적인 표본 상관계수 행렬의 로그 행렬식에 대한 중심극한정리가 유지되는가?
• RQ2 지르코 로그 법칙이 무거운 꼬리 영역에서 유지되기 위해 필요한 최소한의 모멘트 및 대칭 조건은 무엇인가?
• RQ3 분산이 무한대인 조건에서 표본 상관계수 행렬의 정규화가 로그 행렬식의 점근적 분포에 어떤 영향을 미치는가?
• RQ4 데이터 분포가 무거운 꼬리이자 네 번째 모멘트가 무한대일 경우, 로그 행렬식이 고차원 추론을 위한 안정적이고 민감한 통계량으로 유지될 수 있는가?
• RQ5 대칭성 가정 또는 세 번째 절대모멘트 존재성이 위반될 경우 CLT는 어떻게 변하는가?

주요 결과

• 네 번째 모멘트가 무한대이지만 대칭성과 첨자가 $\alpha \in (3,4)$인 정규화된 꼬리 분포를 갖는 i.i.d. 데이터 요소를 가정할 경우, 고전적 지르코 로그 법칙은 여전히 성립한다.
• 한계 분포는 표준 정규분포이다: $\frac{\log\det{\mathbf{R}}-(p-n+\frac{1}{2})\log(1-p/n)+p-p/n}{\sqrt{-2\log(1-p/n)-2p/n}} \xrightarrow{d} N(0,1)$, $n,p \to \infty$ 이면서 $p/n \to \gamma \in (0,1)$ 일 때.
• 세 번째 절대모멘트가 무한대이거나 대칭성이 없을 경우, 모의 실험을 통해 CLT가 붕괴됨을 확인하였다.
• 로그 행렬식은 $\alpha \in (3,4)$인 무거운 꼬리, 대칭, 정규화된 꼬리 분포 하에서 강건하고 안정적이며, 고차원 추론에 신뢰할 수 있는 도구가 된다.
• 본 연구는 표본 상관계수 행렬의 정규화가 비선형성을 유도하지만 특정 꼬리 및 대칭 조건 하에서는 로그 행렬식의 CLT를 유지함을 드러내었다.
• 이러한 결과는 고차원 무작위 행렬 이론에서 자기정규화된 항을 갖는 무거운 꼬리 조건 하에서의 분석을 위한 새로운 길을 열어준다.