[논문 리뷰] Nonparametric independence tests in metric spaces: What is known and what is not

Fernando Castro-Prado, Wenceslao González–Manteiga|arXiv (Cornell University)|2020. 09. 29.

Bayesian Methods and Mixture Models참고 문헌 21인용 수 5

한 줄 요약

이 논문은 메트릭 공간에서의 거리 상관계수 이론을 보정하고 종합적으로 다루며, Lyons(2013)의 기본적인 오류를 Hoeffding의 U-통계량 이론과 대칭화 기법의 엄밀한 분석을 통해 해결한다. 거리 공분산은 $ L^{5/3} $ 모멘트 조건 하에서 일致하게 추정 가능하며, 리샘플링을 통한 근사로 독립성 검정을 위한 점근적 귀무분포를 도출하여 일반적인 메트릭 공간에서 유효한 비모수적 추론을 가능하게 한다.

ABSTRACT

Distance correlation is a recent extension of Pearson's correlation, that characterises general statistical independence between Euclidean-space-valued random variables, not only linear relations. This review delves into how and when distance correlation can be extended to metric spaces, combining the information that is available in the literature with some original remarks and proofs, in a way that is comprehensible for any mathematical statistician.

연구 동기 및 목표

• 메트릭 공간에서의 거리 상관계수 이론의 기본 틀을 수정하고 명확히 하여, 원래 Lyons(2013)의 서술에 있었던 오류를 시정한다.
• 수학적 통계학자들이 접근할 수 있도록 거리 상관계수를 위해 필요한 추상적 메트릭 공간 이론을 자가 포함된 방식으로 쉽게 설명한다.
• 거리 공분산의 U-통계량 추정기의 거의 확실 수렴을 보장하는 충분한 모멘트 조건($ L^{5/3} $)을 확립한다.
• 독립성 하의 귀무가설 하에서 검정 통계량의 점근적 귀무분포를 도출하여 유효한 가설 검정을 가능하게 한다.
• 점근적 귀무분포가 계산이 어려운 경우를 대비해 순열 리샘플링을 실용적인 대안으로 제안한다.

제안 방법

• 메트릭 공간에서의 거리 공분산 추정에 있어서 비대칭 핵심 함수를 수정하기 위해 대칭화된 U-통계량을 사용한다.
• Hoeffding의 U-통계량에 대한 강한 대수법칙을 적용하여, $ L^{5/3} $ 모멘트 조건 하에서 추정기의 거의 확실 수렴을 증명한다.
• Fubini 정리와 인덱스에 대한 군 작용을 활용하여 V-통계량과 대칭화된 U-통계량 간의 등가성을 보인다.
• 귀무가설 하에서 $ nV_n^6(h) $의 점근적 분포를 자유도 1인 카이제곱분포 변수들의 선형 조합으로 도출하며, 비비례성 항 $ D( u)D( u) $ 가 포함된다.
• 핵심 함수의 적분 가능성 조건 하에서 Arcones와 Giné(1992)의 결과를 인용하여 순열 리샘플링이 일致한 방법임을 정당화한다.
• 수학적 엄밀성을 확보하기 위해 Jakobsen(2017)의 보정된 이론과 Lyons(2018)의 정정 보고서를 기반으로 한다.

실험 결과

연구 질문

• RQ1 일반적인 메트릭 공간에서 거리 공분산의 U-통계량 추정기의 수렴성은 어떤 모멘트 조건 하에서 성립하는가?
• RQ2 원래 Lyons(2013)의 점근적 귀무분포 유도 과정에서 실패한 이유는 무엇이며, 어떻게 수정할 수 있는가?
• RQ3 검정 통계량의 점근적 귀무분포는 추론에 유용한 형태로 표현될 수 있는가? 만약 그렇지 않다면 어떤 대안이 타당한가?
• RQ4 비대칭 핵심 함수의 대칭화가 이 맥락에서 U-통계량 이론의 타당성을 어떻게 복원하는가?
• RQ5 메트릭 공간 설정에서 검정 통계량의 귀무분포를 근사하기 위해 순열 리샘플링이 유효하고 일치하는 방법인가?

주요 결과

• U-통계량 추정기 $ \tilde{U}_n^6(h) $ 는 $ \theta \notin M_1^{5/3,5/3}(\text{X} \times \text{Y}) $ 라는 $ L^{5/3} $ 모멘트 조건 하에서 진짜 거리 공분산 $ \text{dcov}(\theta) $ 로 거의 확실히 수렴한다.
• 귀무가설 하에서 $ nV_n^6(h) $ 의 점근적 귀무분포는 $ \frac{1}{n} \to \text{자유도 1인 카이제곱분포 변수들의 합에서 1을 뺀 값에 비비례성 항 $ D(\nu)D(\nu) $ 를 더한 형태이다.
• 비비례성 항 $ D(\nu)D(\nu) $ 는 귀무가설 하에서만 발생하며, 이는 귀무가설 하에서 귀무분포의 비모수적 특성과 관련된 조건인, 귀무분포의 모수 공간이 음의 유형을 가질 경우에만 성립한다. 이 조건은 $ \sum \text{고유값 } \lambda_i = D(\nu)D(\nu) $ 라는 항등식을 보장한다.
• 점근적 귀무분포는 고유값이 알려져 있지 않기 때문에 실용적 추론에 어려움을 겪으며, 이에 따라 리샘플링이 필수적이다.
• 순열 리샘플링은 대칭화된 핵심 함수 $ \bar{h} $ 의 적분 가능성 조건 하에서 Arcones와 Giné(1992)의 결과에 의해 일치한 근사 방법으로 정당화된다.
• 보정된 이론은 Lyons(2013)에서 오랫동안 지속된 오류를 해결하여 일반적인 메트릭 공간에서의 거리 상관계수 이론의 이론적 타당성을 복원한다.