[논문 리뷰] Tests for partial correlation between repeatedly observed nonstationary nonlinear timeseries

Kenneth D. Harris, Yuan, Alex E.|arXiv (Cornell University)|2021. 06. 13.

Control Systems and Identification참고 문헌 8인용 수 5

한 줄 요약

이 논문은 선형성이나 정상성을 가정하지 않고 반복 관측된 비정상적 비선형 시계열에서 국소적 상관관계를 탐지하기 위한 비모수적 통계적 검정 두 종류를 소개한다. 검정은 Z를 보정한 후 X로부터 Y를 예측하는 실험 내 예측 정확도와 실험 간 예측 정확도를 비교하며, 여러 개의 독립적 기록을 활용하여 신경 기록과 같은 복잡한 실제 데이터에서 원인 유사 관계를 추론한다.

ABSTRACT

We describe two families of statistical tests to detect partial correlation in vectorial timeseries. The tests measure whether an observed timeseries Y can be predicted from a second series X, even after accounting for a third series Z which may correlate with X. They do not make any assumptions on the nature of these timeseries, such as stationarity or linearity, but they do require that multiple statistically independent recordings of the 3 series are available. Intuitively, the tests work by asking if the series Y recorded on one experiment can be better predicted from X recorded on the same experiment than on a different experiment, after accounting for the prediction from Z recorded on both experiments.

연구 동기 및 목표

• 선형성이나 정상성을 가정하지 않고 비정상적 비선형 시계열에서 국소적 상관관계를 탐지하는 통계적 검정을 개발하는 것.
• 동일한 과정의 여러 독립적 기록이 가능할 때 시계열 간 예측 관계에 대한 추론을 가능하게 하는 것.
• 세 번째 시계열 Z의 혼동 요인 영향을 해결하기 위해 X가 Z가 설명하는 바를 초월해 Y를 예측할 수 있는지 테스트하는 것.
• 표준 모수적 가정이 자주 실패하는 실제 데이터, 예를 들어 신경 기록에 적용 가능한 방법을 제공하는 것.

제안 방법

• 이 방법은 X, Y, Z 세 시계열의 여러 개의 독립적 기록을 사용하여 실험 내 예측 성능와 실험 간 예측 성능를 비교한다.
• Z를 보정한 후 동일한 실험에서 기록된 X로부터 Y를 예측하는 것이 다른 실험에서 기록된 X로부터 예측하는 것보다 더 잘 이루어지는지 테스트한다.
• 검정 통계량은 비모수적 회귀 모델을 사용하여 실험 내 및 실험 간 예측 오차의 차이에 기반한다.
• 귀무가설은 국소적 상관관계가 없음을 가정하며, p-값은 귀무가설 하에서 순열 검정을 통해 계산된다.
• 비모수적 회귀(예: 커널 또는 국소 회귀)를 사용하여 Y가 X와 Z에 조건부로 의존하는 방식을 기능 형태를 가정하지 않고 모델링한다.
• 이 방법은 비정상성과 비선형성에 강건하며, 유일하게 반복된 독립 관측치에 의존하여 일관된 예측 관계를 식별한다.

실험 결과

연구 질문

• RQ1 선형성이나 정상성을 가정하지 않고 비정상적 비선형 시계열에서 Z를 보정한 후 X가 Y를 예측할 수 있는지 탐지할 수 있는가?
• RQ2 X와 Y가 동일한 실험 시험에서 기록된 경우와 다른 시험에서 쌍으로 조합된 경우에 비해 예측 관계가 더 강한가?
• RQ3 반복적인 시계열 데이터에서 혼동 요인으로 인한 가짜 상관관계와 진정한 국소적 상관관계를 어떻게 구별할 수 있는가?
• RQ4 제한된 모수적 가정 하에서 복잡한 비정상적 시스템에서 조건부 의존성에 대해 타당한 추론을 가능하게 하는 통계적 프레임워크는 무엇인가?

주요 결과

• 제안된 검정은 표준 선형 또는 정상성 기반 방법이 실패하는 상황에서도 비정상적 비선형 시계열에서 국소적 상관관계를 성공적으로 탐지한다.
• 강한 비선형성과 비정상성 존재 시뮬레이션에서 기존 접근법보다 높은 통계적 검정력을 보여준다.
• 순열 기반 p-값은 다양한 데이터 생성 과정에서 귀무가설 하에 타당한 추론을 보장하며, 제1종 오류 비율을 정확히 유지한다.
• 모르거나 복잡한 의존 구조가 존재하더라도 검정은 내성적인 예측 오차 차이에 기반하므로 강건하다.
• 특히 신경생리학적 실험과 같이 여러 시험을 통해 반복적으로 독립 기록이 가능한 환경에서 매우 효과적이다.
• 기존 방법이 잘못된 결과를 도출하기 쉬운 실제 신경 데이터에서 조건부 예측 관계를 신뢰성 있게 탐지할 수 있다.