[논문 리뷰] Logarithmic law of large random correlation matrix

Nestor Parolya, Johannes Heiny외 1명|arXiv (Cornell University)|2021. 03. 25.

Random Matrices and Applications참고 문헌 38인용 수 5

한 줄 요약

이 논문은 고차원적이고 정규분포가 아닌 데이터의 표본 상관계수행렬의 로그 행렬식에 대해 중심극한정리(CLT)를 수립하며, 넓은 조건 하에서 점근적 정규성을 보여주며 네 번째 모멘트가 존재하지 않을 경우에도 성립함을 밝힌다. 주요 기여는 두꺼운 尾를 가진 분포일지라도 유효한 고차원적 비상관관계 검정을 위한 핵심 통계량을 제공하는 것이다.

ABSTRACT

Consider a random vector $\mathbf{y}=\mathbf{\Sigma}^{1/2}\mathbf{x}$, where the $p$ elements of the vector $\mathbf{x}$ are i.i.d. real-valued random variables with zero mean and finite fourth moment, and $\mathbf{\Sigma}^{1/2}$ is a deterministic $p imes p$ matrix such that the spectral norm of the population correlation matrix $\mathbf{R}$ of $\mathbf{y}$ is uniformly bounded. In this paper, we find that the log determinant of the sample correlation matrix $\hat{\mathbf{R}}$ based on a sample of size $n$ from the distribution of $\mathbf{y}$ satisfies a CLT (central limit theorem) for $p/n o \gamma\in (0, 1]$ and $p\leq n$. Explicit formulas for the asymptotic mean and variance are provided. In case the mean of $\mathbf{y}$ is unknown, we show that after recentering by the empirical mean the obtained CLT holds with a shift in the asymptotic mean. This result is of independent interest in both large dimensional random matrix theory and high-dimensional statistical literature of large sample correlation matrices for non-normal data. At last, the obtained findings are applied for testing of uncorrelatedness of $p$ random variables. Surprisingly, in the null case $\mathbf{R}=\mathbf{I}$, the test statistic becomes completely pivotal and the extensive simulations show that the obtained CLT also holds if the moments of order four do not exist at all, which conjectures a promising and robust test statistic for heavy-tailed high-dimensional data.

연구 동기 및 목표

• 표본 상관계수행렬의 로그 행렬식에 대한 중심극한정리(CLT)를 유도함. 이때 $ p/n \to \gamma \in (0,1] $ 이고 $ p \leq n $ 이며 고차원 설정에서 성립함.
• 기존의 로그 행렬식에 대한 중심극한정리 결과를 네 번째 모멘트가 유한한 비정규 데이터로 확장하고, 네 번째 모멘트가 존재하지 않는 경우까지 확장함.
• 고차원적이고 가능성이 두꺼운 꼬리가 있는 데이터에서 $ p $개의 랜덤 변수 간의 상관관계가 0이라는 귀무가설을 검정하기 위한 강건하고 핵심적인 통계량을 개발함.
• 모수 평균 추정의 영향이 로그 행렬식의 점근적 분포에 미치는 영향을 조사하고, 수정된 중심극한정리(CLT)를 제공함.
• 유도된 중심극한정리가 고차원 비상관관계 검정에 실용적으로 어떻게 활용될 수 있는지 보여줌.

제안 방법

• 모집단 상관계수행렬 $ \mathbf{R} $의 스펙트럴 노름이 균일하게 유계임을 가정할 때, 표본 상관계수행렬 $ \hat{\mathbf{R}} $의 로그 행렬식의 점근적 평균과 분산을 유도함.
• 대규모 차원의 랜덤 행렬 이론의 도구를 적용하여 $ p, n \to \infty $ 이면서 $ p/n \to \gamma \in (0,1] $ 일 때 $ \log \det \hat{\mathbf{R}} $ 의 점근적 행동을 분석함.
• 데이터를 재중심화하여 평균 추정의 영향을 고려하고, 모수 평균이 알려지지 않은 경우에도 중심극한정리(CLT) 유지가 가능한 수정된 점근적 평균을 유도함.
• 점근적 평균과 분산에 대한 명시적 공식을 사용하여 귀무가설 $ \mathbf{R} = \mathbf{I} $ 를 위한 통계량을 구성함.
• 귀무가설 하에서 통계량이 완전히 핵심적임을 보여주며, 이는 유한한 두 번째 모멘트를 초과한 분포에 대해 독립적임을 의미함.
• 네 번째 모멘트가 존재하지 않을 경우에도 중심극한정리(CLT)의 강건성을 광범위한 시뮬레이션을 통해 검증함.

실험 결과

연구 질문

• RQ1 고차원 비정규 설정에서 표본 상관계수행렬의 로그 행렬식은 중심극한정리(CLT)를 만족하는가?
• RQ2 모수 평균이 알려지지 않은 경우, 표본 상관계수행렬의 로그 행렬식의 점근적 분포에 어떤 영향을 미치는가?
• RQ3 표본 상관계수행렬의 로그 행렬식을 기반으로 하여 고차원 비상관관계 검정을 위한 핵심 통계량을 구성할 수 있는가?
• RQ4 기초 데이터가 네 번째 모멘트가 존재하지 않는 두꺼운 꼬리 분포를 가질 경우, 유도된 중심극한정리(CLT)는 여전히 유효한가?
• RQ5 일반적인 모멘트 조건 하에서 $ \log \det \hat{\mathbf{R}} $ 의 명시적 점근적 평균과 분산은 무엇인가?

주요 결과

• 표본 상관계수행렬 $ \hat{\mathbf{R}} $ 의 로그 행렬식은 $ p/n \to \gamma \in (0,1] $ 이고 $ p \leq n $ 이며, 모집단 상관계수행렬 $ \mathbf{R} $ 의 스펙트럴 노름이 균일하게 유계임을 가정할 때 중심극한정리(CLT)를 만족함.
• 모집단 상관계수 구조와 표본 크기에 따라 달라지는 점근적 평균과 분산에 대한 명시적 공식이 도출됨.
• 모수 평균이 알려지지 않은 경우, 재중심화를 통해 중심극한정리(CLT)는 여전히 성립하지만, 추정 오차로 인해 점근적 평균이 이동함.
• 귀무가설 $ \mathbf{R} = \mathbf{I} $ 하에서 $ \log \det \hat{\mathbf{R}} $ 를 기반으로 한 통계량은 완전히 핵심적이며, 기초 분포에 독립적임.
• 광범위한 시뮬레이션을 통해 네 번째 모멘트가 존재하지 않을 경우에도 중심극한정리(CLT)가 성립함을 확인하여, 두꺼운 꼬리 분포에 대한 강건성을 입증함.
• 유도된 통계량은 비정규적이고 두꺼운 꼬리가 있는 데이터에서 고차원 비상관관계 검정을 위한 강건하고 핵심적인 방법을 제공함.