[논문 리뷰] Measures of Linear Correlation for Multiple Variables

Jianji Wang, Nanning Zheng|arXiv (Cornell University)|2014. 01. 20.

Random Matrices and Applications참고 문헌 3인용 수 3

한 줄 요약

이 논문은 다변량 선형 상관관계와 무관성을 측정하기 위해 새로운 쌍의 계수—다변량 선형 상관계수(LCC)와 선형 무상관계수(LIC)—를 제안한다. 이 방법은 피어슨의 상관계수를 다변량으로 일반화하여 압축된 분해를 가능하게 하며, 행렬식에 대한 다변량 선형 종속성의 새로운 기하학적 해석을 제공한다.

ABSTRACT

Multivariate linear correlation analysis plays an important role in various fields such as statistics, economics, and big data analytics. However, there was no compact formulation to define and measure multivariate linear correlation. In this paper, we propose a pair of coupling coefficients, the multivariate linear correlation coefficient (LCC) and linear incorrelation coefficient (LIC), to measure the strength of multivariate linear correlation and linear irrelevance. Pearson's correlation coefficient is a special case of the proposed multivariate LCC for two variables. Based on the proposed multivariate LIC, a compact formula of LIC for linear decomposition is also presented in this paper. The experiment results show that the proposed multivariate LCC is an effective measure for multivariate linear correlation, and a new explanation of determinant is also made from the view of multivariate linear correlation.

연구 동기 및 목표

• 통계 및 데이터 분석 응용 분야에서 다변량 선형 상관관계를 측정하는 데 있어 압축적이고 원리적인 공식이 부족한 문제를 해결하기 위해.
• 다변량 변수 간 선형 종속성에 대한 대칭적이고 해석 가능한 측정법을 정의하여 이元 상관계수를 고차원으로 확장하기 위해.
• 다변량 선형 구조의 분해를 가능하게 하는 보완적인 선형 무관성 측정법(LIC)을 개발하기 위해.
• 공분산 행렬의 행렬식을 다변량 선형 상관관계의 관점에서 새로운 기하학적 해석으로 재정의하기 위해.

제안 방법

• 공분산 구조에 기반하여 다변량 선형 상관계수(LCC)를 제안하고 피어슨 상관계수를 다변량으로 일반화한다.
• 다변량 선형 관계의 분해를 가능하게 하는 쌍대 측정법으로 선형 무상관계수(LIC)를 도입한다.
• 다변량 데이터 구조의 선형 분해를 촉진하는 압축된 해석적 공식을 도출한다.
• 다변량 정규분포 가정을 사용하여 LCC와 LIC의 이론적 성질을 유도한다.
• 실제 데이터에 계수를 적용하여 다변량 선형 종속성 측정의 효과성을 검증한다.
• 제안된 프레임워크를 통해 공분산 행렬의 행렬식을 다변량 선형 상관관계 강도의 측정법으로 재해석한다.

실험 결과

연구 질문

• RQ1 이중 상관계수를 초월하여 다변량 선형 상관관계를 공식적이고 압축적으로 측정할 수 있는 방법은 무엇인가?
• RQ2 제안된 LCC와 피어슨의 r과 같은 기존 상관계수 간의 수학적 관계는 무엇인가?
• RQ3 다변량 선형 구조의 분해를 가능하게 하는 선형 무관성의 쌍대 측정법(LIC)을 정의할 수 있는가?
• RQ4 제안된 프레임워크는 공분산 행렬의 행렬식을 다변량 상관관계의 관점에서 어떻게 재해석하는가?
• RQ5 다변량 선형 종속성을 효과적으로 포착하는 데 있어 LCC의 효능을 뒷받침하는 실증적 증거는 무엇인가?

주요 결과

• 제안된 다변량 LCC는 피어슨 상관계수를 다변량으로 일반화하여 일관되고 대칭적인 선형 종속성 측정법을 제공한다.
• 선형 무상관계수(LIC)는 다변량 선형 구조의 압축된 분해를 가능하게 하며, 데이터 분해를 위한 새로운 분석 도구를 제공한다.
• 공분산 행렬의 행렬식은 제안된 프레임워크를 통해 다변량 선형 상관관계 강도의 측정법으로 재해석된다.
• 실험 결과는 다변량 LCC가 다변량 데이터의 선형 관계 강도를 효과적으로 포착함을 확인한다.
• 이론적 공식화는 다변량 선형 상관관계와 공분산 행렬의 기하학적 성질 간의 명확한 연결 고리를 확립한다.