[논문 리뷰] Rank-Based Testing for Semiparametric VAR Models: a measure transportation approach

Marc Hallin, Davide La Vecchia외 1명|arXiv (Cornell University)|2020. 11. 11.

Statistical Methods and Inference참고 문헌 43인용 수 8

한 줄 요약

이 논문은 일반적인 오차 밀도 하에서 분포 자유 추론을 가능하게 하는 중심에서 바깥으로 향하는 순위와 부호를 사용한 순위 기반 검정 절차를 도입하여 반모수적 벡터 자기회귀(VAR) 모형을 위한 검정 방법을 제안한다. 이 방법은 비대칭, 무거운 尾, 또는 오염된 오차 밀도 하에서도 최적의 검정력과 강건성을 확보하며, 유한 표본 및 몬테카를로 연구에서 가우시안 기반 대안들보다 뛰어난 성능을 보인다.

ABSTRACT

We develop a class of tests for semiparametric vector autoregressive (VAR) models with unspecified innovation densities, based on the recent measure-transportation-based concepts of multivariate {\it center-outward ranks} and {\it signs}. We show that these concepts, combined with Le Cam's asymptotic theory of statistical experiments, yield novel testing procedures, which (a)~are valid under a broad class of innovation densities (possibly non-elliptical, skewed, and/or with infinite moments), (b)~are optimal (locally asymptotically maximin or most stringent) at selected ones, and (c) are robust against additive outliers. In order to do so, we establish a H\' ajek asymptotic representation result, of independent interest, for a general class of center-outward rank-based serial statistics. As an illustration, we consider the problems of testing the absence of serial correlation in multiple-output and possibly non-linear regression (an extension of the classical Durbin-Watson problem) and the sequential identification of the order $p$ of a vector autoregressive (VAR($p$)) model. A Monte Carlo comparative study of our tests and their routinely-applied Gaussian competitors demonstrates the benefits (in terms of size, power, and robustness) of our methodology; these benefits are particularly significant in the presence of asymmetric and leptokurtic innovation densities. A real data application concludes the paper.

연구 동기 및 목표

• 비정규 오차 밀도 하에서 VAR 모형에 대한 가짜 가우시안 검정의 통일된 점근적 타당성 부족 문제를 해결하기 위해.
• 비대칭 및 뚜렷한 꼬리 밀도를 포함한 넓은 범위의 오차 밀도에 대해 유효하고 최적인 검정 절차를 개발하기 위해.
• 중앙에서 바깥으로 향하는 순위와 부호를 활용하여 단변량 순위 기반 추론을 다변량 시간열 모형으로 확장하기 위해.
• VAR 순서 식별 및 순차 상관 검정에서 추가적 이상치와 모형 오특성에 대해 강건성을 확보하기 위해.
• 기존의 가우시안 준우도수 기반 검정에 대한 이론적으로 타당한 점근적 분포 자유 대안을 제시하기 위해.

제안 방법

• 측도 이동 이론에 기반한 중심에서 바깥으로 향하는 순위와 부호를 사용하여 다변량 순위를 정의함으로써, 부차적 성질과 분포 자유성 유지.
• 레 카르의 통계 실험 점근 이론을 적용하여 반모수적 모형 하에서 순위 기반 통계량의 점근 분포 유도.
• 일반적인 중심에서 바깥으로 향하는 순위 기반 순차 통계량에 대한 하제크 유형 점근 표현식을 수립하여 검정 절차의 이론적 타당성 확보.
• 정규-점수 등 순위 기반 서명 순위 점수를 기반으로 한 검정 통계량을 구성함으로써 특정 밀도에서 국소적으로 점근적으로 최대 최소 최적 성능 확보.
• 유한 표본 성능 향상을 위해 VAR 순서 식별을 위한 편향 보정된 순열 기반 절차를 구현.
• 순위 기반 접근과 반모수 효율 이론을 융합하여 기준 밀도에서 파rametric 효율성을 확보하면서도 강건성을 유지.

실험 결과

연구 질문

• RQ1 비특정 오차 밀도를 가진 다변량 시간열 모형으로의 순위 기반 추론을 확장할 수 있는가?
• RQ2 중심에서 바깥으로 향하는 순위가 반모수적 VAR 모형에서 순차 상관 및 VAR 순서에 대해 유효하고 분포 자유인 검정을 제공하는가?
• RQ3 비타원형 오차 밀도 하에서 순위 기반 검정과 가우시안 준우도수 방법 간의 크기, 검정력, 강건성 측면에서의 성능 비교는 어떻게 되는가?
• RQ4 제안된 검정이 특정 기준 밀도에서 국소적으로 점근적으로 최대 최소 최적 성능을 달성할 수 있는가?
• RQ5 이상치와 뚜렷한 꼬리 밀도가 기존의 가우시안 검정과 비교하여 제안된 순위 기반 대안의 성능에 어떤 영향을 미치는가?

주요 결과

• 모수가 지정된 경우, 제안된 순위 기반 검정은 귀무가설 하에서 완전히 분포 자유이며, 모수가 미지일 경우 점근적으로 분포 자유이다.
• 몬테카를로 연구 결과, 비대칭, 높은 첨도, 오염된 오차 밀도 하에서 순위 기반 검정은 크기 제어를 유지하면서도 가우시안 대비 유의미하게 높은 검정력을 보였다.
• 비대칭적이고 꼬리가 무거운 오차 밀도 하에서는 순위 기반 검정이 가우시안 방법 대비 최대 30%의 검정력 향상을 달성했으며, 극단적인 첨도 조건에서도 크기 제어가 유지되었다.
• VAR 순서 식별에서 실제 데이터 예시에서 순위 기반 절차는 6~7개의 지연 차수를 선택한 반면, 가우시안 검정은 단지 2개의 지연 차수만 선택하여, 비정규성 조건 하에서 가우시안 방법이 모형 순서를 과소평가할 수 있음을 시사했다.
• M1SL 및 CPIAUCSL 시계열에 대한 실제 데이터 응용 분석에서 2020년 이후 비대칭성과 이상치가 뚜렷하게 드러났으며, 이는 가우시안 검정 결과에 왜곡을 초래했지만, 순위 기반 프레임워크에서는 영향이 덜한 것으로 나타났다.
• 7차 지연 대안 하에서 VAR 순서 검정에서 순위 기반 접근은 검정력 56.74(p-value 1.40×10⁻¹¹)를 달성했고, 이는 가우시안 검정의 26.22(p-value 2.85×10⁻⁵)를 크게 능가하는 성능이었다.