[논문 리뷰] On the Rates of Convergence of Induced Ordered Statistics and their Applications

Federico A. Bugni, Ivan A. Canay외 1명|arXiv (Cornell University)|2026. 03. 07.

Statistical Distribution Estimation and Applications인용 수 0

한 줄 요약

이 논문은 약한 가정 하에서 유도 순서 통계(IOS)에 대한 일반 수렴 속도를 도출하고, 국부 조건부 법칙의 주변 비율을 IOS의 결합 수렴과 헬링거 거리 및 총변동 거리로 연결하며, 회귀 불연속 설계(regression discontinuity designs)를 포함한 내부점과 경계점에 대해 논의한다.

ABSTRACT

Induced order statistics (IOS) arise when sample units are reordered according to the value of an auxiliary variable, and the associated responses are analyzed in that induced order. IOS play a central role in applications where the goal is to approximate the conditional distribution of an outcome at a fixed covariate value using observations whose covariates lie closest to that point, including regression discontinuity designs, k-nearest-neighbor methods, and distributionally robust optimization. Existing asymptotic results allow the dimension of the IOS vector to grow with the sample size only under smoothness conditions that are often too restrictive for practical data-generating processes. In particular, these conditions rule out boundary points, which are central to regression discontinuity designs. This paper develops general convergence rates for IOS under primitive and comparatively weak assumptions. We derive sharp marginal rates for the approximation of the target conditional distribution in Hellinger and total variation distances under quadratic mean differentiability and show how these marginal rates translate into joint convergence rates for the IOS vector. Our results are widely applicable: they rely on a standard smoothness condition and accommodate both interior and boundary conditioning points, as required in regression discontinuity and related settings. In the supplementary appendix, we provide complementary results under a Taylor/Holder remainder condition. Our results reveal a clear trade-off between smoothness and speed of convergence, identify regimes in which Hellinger and total variation distances behave differently, and provide explicit growth conditions on the number of nearest neighbors.

연구 동기 및 목표

• Y와 X의 조건부 분포를 x0에서 주변의 X 값을 사용하여 근사하는 도구로 IOS를 동기화한다.
• 샘플 크기 n이 증가함에 따라 이웃의 수 k가 커질 때 공통 IOS 분포의 속도를 얻기 위한 일반적이고 약한 조건을 개발한다.
• 요약적으로 주변 수렴 속도에서 IOS의 결합 수렴 속도로의 고수준 매핑을 제공한다. Hellinger 및 총변동 거리에서의 수렴 속도.
• Falk–Hüsler–Reiss와 같은 더 강한 기존 조건과의 대조를 통해 경계점(예: 회귀 불연속)에서의 적용 가능성을 강조한다.

제안 방법

• 가 Lipschitz 밀도 조건을 g에 대해 설정하고 P_r과 결합 분포 L(S_n) 간의 고수준 결과를 연결한다.
• 명시적 결합 속도 경계: H(L(S_n),L(S)) = O(k^{1/2}(k/n)^{a_h/d}) 및 TV(L(S_n),L(S)) = O(min{k(k/n)^{a_tv/d}, k^{1/2}(k/n)^{a_h/d}})를 도출한다.
• 제곱 평균 미분 가능성(QMD) 하에서의 원시 조건을 제공하여 주변 속도 H(P_r,P)=O(r) 및 TV(P_r,P)=O(r)를 얻는다.
• 주변 점의 예리한 경계성과 내부 점에 대한 한계를 보여주고, 속도를 균일하게 향상시킬 수 없는 경우를 명확히 한다.
• Falk et al. (2010)과의 가정 비교를 통해 경계점 및 비지수 가족 로컬 동작까지 더 넓은 적용 가능성을 설명한다.

실험 결과

연구 질문

• RQ1 k가 n과 함께 증가할 때 결합 IOS 벡터가 이상적인 i.i.d. 벤치마크로 수렴하는 속도는 무엇인가?
• RQ2 P_r의 P에 대한 주변 수렴 속도가 IOS의 헬링거 및 총변동 결합 수렴으로 어떻게 전이되는가?
• RQ3 구체적인 주변 속도를 주는 기본 매끄러움 조건(QMD 등)은 무엇이며 interior 점과 boundary 점에서 어떻게 차이가 나타나는가?
• RQ4 새로운 결과가 Falk et al. (2010)의 가정과 어떻게 비교되며 RDD 및 k-NN 방법에 대한 실용적 함의는 무엇인가?

주요 결과

• Assumption 2 하에서 H(P_r,P)=O(r^{a_h}) 및 TV(P_r,P)=O(r^{a_tv}) 이면 H(L(S_n),L(S))=O(k^{1/2}(k/n)^{a_h/d}) 및 TV(L(S_n),L(S))=O(min{k(k/n)^{a_tv/d}, k^{1/2}(k/n)^{a_h/d}})이다.
• QMD(가정 2 및 3)에서 H(P_r,P)=O(r) 및 TV(P_r,P)=O(r); 경계점은 예리한 O(r) 속도를 보이고 내부 점에서는 TV 및 H에 대해 균일하게 O(r)을 넘지 못한다.
• 일변량 공변량(d=1)에서 QMD를 적용하면 결합 속도가 k = o(n^{2/(2+d)})를 의미하며, 예를 들어 d=1일 때는 k = o(n^{2/3})로 L(S_n)이 L(S)에 수렴하도록 해야 한다.
• 결합 헬링거 속도는 오직 a_h에 의존하고 결합 TV 속도는 a_h와 a_tv의 최솟값에 의해 결정되며 구조적 병목 현상을 반영한다.
• 이 프레임워크는 내부 및 경계 조건 점에 대해 회귀 불연속 및 관련 분석을 가능하게 하여 경계 점이 중심인 상황에 적합하다.