[논문 리뷰] Two-Sample Tests for High Dimensional Means with Thresholding and Data Transformation

Song Xi Chen, Jun Li외 1명|arXiv (Cornell University)|2014. 10. 10.

Statistical Methods and Bayesian Inference인용 수 18

한 줄 요약

이 논문은 희박한 신호 설정 하에서 평균 벡터에 대한 두 개의 고차원 두 표본 검정을 제안하며, 비정보성 차원을 제거하기 위해 임계값 처리를 사용하고 정밀도 행렬을 통한 데이터 변환을 통해 신호 강도를 향상시킨다. 제안된 검정은 기존 방법에 비해 더 높은 검정력과 더 낮은 탐지 경계를 달성하며, 특히 차원 수 p가 크고 표본 크기 n1, n2가 작은 상황에서 평균 간의 희박한 차이가 있는 경우에 유의미하다.

ABSTRACT

We consider testing for two-sample means of high dimensional populations by thresholding. Two tests are investigated, which are designed for better power performance when the two population mean vectors differ only in sparsely populated coordinates. The first test is constructed by carrying out thresholding to remove the non-signal bearing dimensions. The second test combines data transformation via the precision matrix with the thresholding. The benefits of the thresholding and the data transformations are showed by a reduced variance of the test thresholding statistics, the improved power and a wider detection region of the tests. Simulation experiments and an empirical study are performed to confirm the theoretical findings and to demonstrate the practical implementations.

연구 동기 및 목표

• 차원 수 p가 표본 크기 n1과 n2보다 훨씬 큰 고차원 두 표본 평균 검정 문제를 해결하기 위해 (큰 p, 작은 n).
• 평균 벡터의 일부 성분만 다를 때 발생하는 희박한 신호 설정에서 통계적 검정력을 향상시키기 위해.
• Chen과 Qin (2010) 및 Cai, Liu와 Xia (2014)의 기존 고차원 검정의 분산을 줄이고 탐지 능력을 향상시키기 위해.
• 희박한 신호를 탐지하기 위한 다수준 임계값 처리 검정을 개발하기 위해.
• 정밀도 행렬 기반 데이터 변환이 신호 강도와 검정 성능에 미치는 영향을 평가하기 위해.

제안 방법

• 작은 개별 검정 통계량을 0으로 설정하여 비신호 성분을 포함하지 않는 차원을 제거하는 임계값 기반 검정을 제안한다.
• 밴딩과 콜레스키 분해를 통해 추정된 정밀도 행렬을 이용한 데이터 변환을 도입하여 신호 대 잡음 비율을 향상시킨다.
• Chen과 Qin (2010)의 U-통계량 검정을 개선하기 위해 성분별 검정 통계량에 임계값 처리를 적용한다.
• 다양한 신호 강도 수준에 대해 순차적으로 임계값을 적용하여 희미한 신호를 탐지하기 위해 다중 수준 임계값 처리를 사용한다.
• 임계값 처리 검정에서 발생하는 크기 왜곡을 校정하기 위해 파arametric 보팅을 적용한다.
• 실제 유전자 세트 데이터에 제안된 검정을 적용하여 유방암에서 발현이 다르게 나타나는 유전자를 식별한다.

실험 결과

연구 질문

• RQ1 희박한 신호 가정 하에서 임계값 처리가 고차원 두 표본 평균 검정의 검정력을 향상시킬 수 있는가?
• RQ2 정밀도 행렬을 통한 데이터 변환이 고차원 두 표본 검정에서 탐지 경계와 신호 강도에 어떤 영향을 미치는가?
• RQ3 임계값 처리와 데이터 변환의 조합이 기존 검정, 특히 오라클 검정보다 더 낮은 탐지 경계를 달성하는가?
• RQ4 감마 분포와 같은 비정규 분포 하에서 제안된 검정은 어떻게 성능을 발휘하는가?
• RQ5 다중 수준 임계값 처리 접근 방식은 단일 임계값 처리 또는 비임계값 처리 방법보다 희미한 신호를 더 효과적으로 탐지할 수 있는가?

주요 결과

• 임계값 처리 검정은 검정 통계량의 분산을 줄여 희박한 신호 설정 하에서 더 높은 검정력 성능을 달성한다.
• 정밀도 행렬 기반 데이터 변환은 신호 강도를 증가시키고, 변환 없이 오라클 검정의 탐지 경계 이하로 낮춘다.
• 다중 임계값 처리 검정은 단일 임계값 처리 및 비임계값 처리 대안보다 희미한 신호를 더 효과적으로 탐지한다.
• 인간 유방암 데이터에 대한 실증 연구에서 제안된 방법은 Chen과 Qin (2010) 검정이 탐지하지 못한 유의미한 유전자 세트를 식별한다.
• 시뮬레이션 결과는 제안된 검정이 타당한 경험적 크기를 유지하며, 특히 희박성과 비정규성 조건에서 경쟁 방법보다 더 높은 평균 검정력을 확보함을 확인한다.
• 임계값 처리와 데이터 변환을 모두 적용한 검정은 가장 낮은 탐지 경계를 달성하며, 희박한 신호 영역에서 Cai, Liu와 Xia (2014)의 최대 노름 검정보다 뛰어난 성능을 발휘한다.