[論文レビュー] An adaptable generalization of Hotelling's $T^2$ test in high dimension

Haoran Li, Alexander Aue+3 more|arXiv (Cornell University)|Sep 28, 2016

Random Matrices and Applications参考文献 39被引用数 10

ひとこと要約

本稿では、局所代替仮説の下でパワーを最大化するようにデータ駆動で選択される正則化パラメータを備えた、高次元二標本平均比較のための適応的リッジ正則化ホットテリングの $T^2$ 検定（ARHT）を提案する。この手法は、有限標本において優れた性能を示し、部分ガウス分布下で漸近的に有効であり、確率過程の弱収束により正確な臨界値の計算が可能である。

ABSTRACT

We propose a two-sample test for detecting the difference between mean vectors in a high-dimensional regime based on a ridge-regularized Hotelling's $T^2$. To choose the regularization parameter, a method is derived that aims at maximizing power within a class of local alternatives. We also propose a composite test that combines the optimal tests corresponding to a specific collection of local alternatives. Weak convergence of the stochastic process corresponding to the ridge-regularized Hotelling's $T^2$ is established and used to derive the cut-off values of the proposed test. Large sample properties are verified for a class of sub-Gaussian distributions. Through an extensive simulation study, the composite test is shown to compare favorably against a host of existing two-sample test procedure in a wide range of settings. The performance of the proposed test procedure is illustrated through an application to a breast cancer data set where the goal is to detect the pathways with different DNA copy number alterations across breast cancer subtypes.

研究の動機と目的

• 次元 $p$ が標本サイズ $n$ と同程度またはそれ以上である場合に、古典的ホットテリングの $T^2$ 検定が不整合を示す問題に対処する。
• スパarsityを仮定するか、強い分布仮定に依存する既存の高次元検定の限界を克服する。
• 母集団共分散行列の知識を必要とせず、局所代替仮説の下で検出力の最大化を図るデータ適応的正則化パラメータ選択法を開発する。
• 複数のリッジ正則化統計量を組み合わせた複合検定を構築し、多様な平均および共分散構造にわたる頑健性を高める。
• 正則化された検定統計量の背後にある確率過程の弱収束を確立し、正確な臨界値の導出を可能にする。

提案手法

• 高次元において標本共分散行列の逆行列を安定化するため、リッジ正則化ホットテリングの $T^2$（RHT）検定統計量を提案する。
• 平均差 $\mu$ に関する事前分布を用いて定義される局所代替仮説のクラスの下でパワーを最大化する方法により、正則化パラメータ $\lambda$ をデータ駆動で選択する。
• 複数の最適に選ばれた $\lambda$ 値における RHT 統計量を組み合わせた複合検定（ARHT）を導入し、未知の平均および共分散構造に適応する。
• コンパクトな区間 $C \subset \mathbb{R}_+$ 上で正規化された確率過程 $\mathrm{RHT}(\lambda)$ がガウス分布に弱収束することを確立し、臨界値の導出を可能にする。
• ランダム行列理論と集中不等式を用いて、部分ガウス分布仮定の下での漸近的性質を導出し、正規性の仮定を緩和する。
• 有限標本における検定統計量の性能を向上させるために、単調変換または $\chi^2$ 近似を適用する。

実験結果

リサーチクエスチョン

• RQ1 高次元設定下で、局所代替仮説の下で検出力を最大化する目的で、リッジ正則化ホットテリングの $T^2$ 検定における正則化パラメータをどのように選択できるか。
• RQ2 複数のリッジ正則化統計量を組み合わせた複合検定は、高次元二標本検定において多様な平均および共分散構造にわたって頑健な性能を達成できるか。
• RQ3 部分ガウス分布下でのリッジ正則化ホットテリングの $T^2$ 統計量の漸近的分布は何か。また、その分布は正確な臨界値の導出にどのように利用できるか。
• RQ4 広範なシミュレーション設定において、提案された ARHT 検定は、既存の高次元二標本検定と比べてパワーとサイズの正確性に優れているか。
• RQ5 真の平均差構造や $\Sigma$ の固有値減衰の仕組みが不明な状況でも、$\lambda$ のデータ駆動的選択が性能をどの程度向上させるか。

主な発見

• 提案された ARHT 検定は、密度のあるおよびスパースな平均差、$\Sigma$ の多様な固有値減衰パターン、部分ガウス分布データを含む広範なシミュレーション設定において優れたパワーを達成する。
• 局所パワー最大化に基づくデータ駆動的 $\lambda$ 選択は、固定値や交差検証による選択と比較して、検定性能を顕著に向上させる。
• 確率過程 $\mathrm{RHT}(\lambda)$ の弱収束がガウス分布に確立され、複合 ARHT 検定の正確な臨界値計算が可能になる。
• $p \gg n$ の状況でも、サイズの正確性とパワーを良好に維持し、Bai & Saranadasa（1996）やSrivastava & Du（2008）の手法と比較して多くのシナリオで優れた性能を示す。
• 検定統計量に対する単調変換または $\chi^2$ 近似により、有限標本における挙動が著しく改善され、実騴的サイズの制御が向上する。
• 特定の事前分布の下で極限的に、ARHT 検定は Bai & Saranadasa（1996）の手法の一般化であることが示され、古典的および現代の高次元アプローチを結びつける。