[論文レビュー] Power of Change-Point Tests for Long-Range Dependent Data

Herold Dehling, Aeneas Rooch+1 more|arXiv (Cornell University)|Mar 4, 2013

Statistical Methods and Inference参考文献 2被引用数 9

ひとこと要約

本稿は、長-range依存性（LRD）データにおけるCUSUMおよびウィルコクソン変化点検定の力を分析し、局所代替仮説の下での漸近的パワーに関する解析的公式を導出する。主な発見は、ガウス型LRDデータにおいて、ウィルコクソン検定のCUSUM検定に対する漸近的相対効率（ARE）が1に達することであり、これは古典的なi.i.d.ケースにおけるARE = 3/πとは対照的である。これは、外れ値に対してロバストなウィルコクソン検定であるにもかかわらず、LRDガウス設定では両検定が同等の効率を持つことを示している。

ABSTRACT

We investigate the power of the CUSUM test and the Wilcoxon change-point test for a shift in the mean of a process with long-range dependent noise. We derive analytiv formulas for the power of these tests under local alternatives. These results enable us to calculate the asymptotic relative efficiency (ARE) of the CUSUM test and the Wilcoxon change point test. We obtain the surprising result that for Gaussian data, the ARE of these two tests equals 1, in contrast to the case of i.i.d. noise when the ARE is known to be $3/π$.

研究の動機と目的

• 長-range依存性（LRD）データにおける局所代替仮説の下でCUSUMおよびウィルコクソン変化点検定のパワーを調査すること。
• これらの検定の局所代替仮説の下での漸近的パワーに関する解析的公式を導出すること。
• LRDデータにおけるウィルコクソン検定のCUSUM検定に対する漸近的相対効率（ARE）を計算すること。
• ガウス型LRDデータではAREが1に達するという直感に反する結果を解明すること。これは、i.i.d.設定では既知の3/πであるのに対し、LRDでは等価な効率が得られることを示唆している。
• ガウス型および重尾型（パレート型）LRDデータの両方の設定において、理論的結果をモンテカルロシミュレーションで検証すること。

提案手法

• LRDのノイズ過程のヘルメート展開を用いて、検定統計量をヘルメート多項式の形に表現する。
• 関数的極限定理を用いて、局所代替仮説の下でのCUSUMおよびウィルコクソン検定統計量の漸近的分布を導出する。
• 平均シフト hn が標本サイズ n に従って減少するような局所代替仮説の概念を適用し、検定のパワーが非退化限界に収束することを保証する。
• 同じパワーに達するのに必要な標本サイズの比の極限として、漸近的相対効率（ARE）を計算する。
• 理論的パワー計算の妥当性を検証するため、10,000回のモンテカルロシミュレーションを実施し、さまざまなブレークポイントとシフトサイズの下で評価する。
• 重尾型データにおけるCUSUM検定の正確なサイズを維持するため、漸近的臨界値が収束が遅いため、有限標本における経験的5%分位点を用いる。

実験結果

リサーチクエスチョン

• RQ1 長-range依存性ガウス型データにおけるCUSUM検定の局所代替仮説の下での漸近的パワーは何か？
• RQ2 長-range依存性データにおけるウィルコクソン変化点検定の局所代替仮説の下での漸近的パワーは何か？
• RQ3 長-range依存性ガウス型データにおけるウィルコクソン検定のCUSUM検定に対する漸近的相対効率（ARE）は何か？
• RQ4 なぜ長-range依存性ガウス型データではAREが1に達するのか？これは、i.i.d.設定では既知の3/πであるのに対し、直感に反する。
• RQ5 重尾型LRDデータでは検定はどのように動作するのか？また、理論的ARE予測は有限標本でも成り立つか？

主な発見

• 長-range依存性ガウス型データでは、ウィルコクソン変化点検定のCUSUM検定に対する漸近的相対効率（ARE）は正確に1に達し、両検定が同等の効率を持つことを示している。
• この結果は驚きである。なぜなら、i.i.d.ケースではAREが既知の3/π ≈ 0.955に達するため、CUSUM検定がより効率的であるとされているからである。
• 重尾型（パレート(3,1)）LRDデータでは、理論的AREは約26.655に予測され、これはCUSUM検定が同じパワーに達するためにはウィルコクソン検定の約26.66倍の観測値が必要であることを示している。
• シミュレーション結果は、固定されたジャンプ位置τにおいて、CUSUM検定（nC ≈ 26.66 × nW）とウィルコクソン検定（nW）のパワーがほぼ等しくなることを確認しており、理論的ARE予測が妥当であることを裏付けている。
• 重尾型データでは、CUSUM検定の漸近的帰無分布への収束が遅いため、シミュレーションで正確なサイズを維持するには有限標本における経験的分位点の使用が不可欠である。
• ガウス型LRDデータでは、シミュレーションにおいてさまざまなブレークポイントとシフトサイズの下で、両検定のパワーが非常に近い値を示しており、理論的ARE = 1の結論を支持している。