[논문 리뷰] A Supremum-Norm Based Test for the Equality of Several Covariance Functions

Jia Guo, Bu Zhou외 1명|arXiv (Cornell University)|2016. 09. 14.

Statistical Methods and Inference참고 문헌 14인용 수 5

한 줄 요약

이 논문은 기능적 자료에서 여러 공분산 함수의 동일성을 평가하기 위한 최대노름 기반 검정(Tmax)을 제안한다. 이 방법은 개별 공분산 추정치와 유포된 공분산 추정치 간의 최대 차이를 활용한다. 기존의 L2-노름 기반 검정에 비해 특히 고상관도 및 비정규성 조건에서 뛰어난 검정력을 보이며, 근사 이론과 부트스트랩 방법을 통해 근본 분포를 근사한다. 시뮬레이션 및 NOx 배출량과 성장 곡선과 같은 실제 자료를 통한 검증을 통해 검증되었다.

ABSTRACT

In this paper, we propose a new test for the equality of several covariance functions for functional data. Its test statistic is taken as the supremum value of the sum of the squared differences between the estimated individual covariance functions and the pooled sample covariance function, hoping to obtain a more powerful test than some existing tests for the same testing problem. The asymptotic random expression of this test statistic under the null hypothesis is obtained. To approximate the null distribution of the proposed test statistic, we describe a parametric bootstrap method and a non-parametric bootstrap method. The asymptotic random expression of the proposed test is also studied under a local alternative and it is shown that the proposed test is root-$n$ consistent. Intensive simulation studies are conducted to demonstrate the finite sample performance of the proposed test and it turns out that the proposed test is indeed more powerful than some existing tests when functional data are highly correlated. The proposed test is illustrated with three real data examples.

연구 동기 및 목표

• 기능적 자료에서 여러 공분산 함수의 동일성을 평가하기 위한 강력한 비모수적 검정의 부족을 해결하기 위해.
• 기존의 L2-노름 기반 검정의 한계를 극복하기 위해, 특히 고상관도 조건에서 검정력이 저하되고 정규성 가정이 필요한 점을 해결하기 위해.
• 비정규성 또는 고상관도 조건이 존재할 경우에도 국소적인 공분산 함수의 차이를 효과적으로 탐지할 수 있는 검정을 개발하기 위해.
• 실용적 추론을 가능하게 하기 위해 근본 분포 근사에 대한 점근적 이론과 부트스트랩 방법을 제공하기 위해.
• 환경 및 생물의학 자료에서의 실제 응용 사례를 포함한 시뮬레이션 연구와 함께 검정의 성능을 검증하기 위해.

제안 방법

• 개별 공분산 함수와 유포된 표본 공분산 함수 간의 제곱 차이의 합의 최대노름을 검정 통계량으로 정의한다.
• 동일한 공분산 함수가 성립하는 근본 가설 하에서 검정 통계량의 점근적 분포를 유도한다.
• 근본 분포를 근사하기 위해 파라미터 기반 부트스트랩과 비파라미터 기반 부트스트랩 방법을 제안한다.
• 국소 대립가설 하에서 점근적 검정력을 확립하여, 검정이 루트-n 일致성을 보임을 보여준다.
• 평균 함수와 개인 효과 함수를 포함하는 기능적 자료 모델을 사용하며, 유한한 추적과 제곱 적분 가능한 평균 함수를 가정한다.
• 3차원 시각화와 기존 L2-노름 기반 검정(L2_nv, L2_br, L2_rp)과의 p-값 비교를 통해 실제 데이터 세트에 검정을 적용한다.

실험 결과

연구 질문

• RQ1 기능적 자료가 고상관도일 경우, 최대노름 기반 검정이 기존의 L2-노름 기반 검정보다 공분산 함수의 차이를 더 잘 탐지할 수 있는가?
• RQ2 L2-기반 검정이 실패할 수 있는 비정규성 조건에서도 제안된 검정이 양호한 성능을 유지하는가?
• RQ3 동일한 공분산 함수가 성립하는 근본 가설 하에서 검정 통계량의 점근적 분포는 어떻게 행동하는가?
• RQ4 파라미터 기반 및 비파라미터 기반 부트스트랩 방법이 검정 통계량의 근본 분포를 신뢰성 있게 근사할 수 있는가?
• RQ5 실제 기능적 자료, 예를 들어 NOx 배출량과 성장 곡선에서 의미 있는 공분산 구조의 차이를 탐지할 수 있을 정도로 검정이 충분히 강력한가?

주요 결과

• NOx 배출량 자료에 대해 Tmax 검정은 p-값 0.006을 기록하여, 일상적 일과 비일상적 일자 간 공분산 함수의 유의미한 차이를 나타내었고, L2-기반 검정은 모두 0.11 이상의 p-값을 기록하였다.
• 버클리 성장 자료의 경우, Tmax는 p-값 0.0453을 기록하여 동일한 공분산 함수의 근본가설을 기각하였고, L2-기반 검정은 모두 0.45 이상의 p-값을 기록하여 차이를 탐지하지 못하였다.
• Tmax의 근본 가설 하에서의 점근적 분포가 도출되어 검정의 이론적 타당성이 확보되었다.
• 국소 대립가설 하에서 검정이 루트-n 일치성을 보임을 입증하여, 미세한 편차도 효과적으로 탐지할 수 있음을 시사한다.
• 실제 자료에서 Tmax와 L2_rp의 p-값을 계산하기 위해 비파라미터 기반 부트스트랩을 사용하였으며, 10,000회의 부트스트랩 반복을 통해 안정성을 확보하였다.
• 시뮬레이션 연구를 통해 Tmax가 L2_nv, L2_br, L2_rp보다 더 높은 검정력을 보임을 확인하였으며, 특히 기능적 자료가 고상관도 또는 비정규성일 경우에 두드러진 성능을 보였다.