[论文解读] A Kernel Test for Three-Variable Interactions with Random Processes

Paul K. Rubenstein, Kacper Chwialkowski+1 more|arXiv (Cornell University)|Mar 2, 2016

Statistical Distribution Estimation and Applications参考文献 20被引用 3

一句话总结

本文提出了一种针对平稳时间序列中三变量交互作用的野生自展法，基于核方法的Lancaster交互测度，克服了在时间依赖条件下传统置换自展法失效的问题。核心贡献是提出了一种新颖且简化的证明技术，利用希尔伯特空间中心极限定理，证明了野生自展法的有效性，并实现了比传统V统计量分解更高效的渐近分析。

ABSTRACT

We apply a wild bootstrap method to the Lancaster three-variable interaction measure in order to detect factorisation of the joint distribution on three variables forming a stationary random process, for which the existing permutation bootstrap method fails. As in the i.i.d. case, the Lancaster test is found to outperform existing tests in cases for which two independent variables individually have a weak influence on a third, but that when considered jointly the influence is strong. The main contributions of this paper are twofold: first, we prove that the Lancaster statistic satisfies the conditions required to estimate the quantiles of the null distribution using the wild bootstrap; second, the manner in which this is proved is novel, simpler than existing methods, and can further be applied to other statistics.

研究动机与目标

• 开发一种在独立同分布假设不成立的平稳时间序列中，对三变量交互作用进行有效统计检验的方法。
• 解决在时间依赖设定下置换自展法的局限性。
• 建立Lancaster三变量交互作用检验统计量的野生自展法理论有效性。
• 为基于核方法的检验统计量提供一种更简单、更具通用性的渐近分析证明框架。

提出的方法

• 本文将野生自展法应用于Lancaster三变量交互作用测度，以在时间依赖条件下估计原假设分布。
• 证明了在β-混合条件下，Lancaster检验统计量满足野生自展法有效性的必要条件。
• 将检验统计量视为希尔伯特空间算子的范数，并应用希尔伯特空间值随机变量的中心极限定理。
• 提出了一种新颖的证明技术，避免了以往V统计量分析中复杂的霍夫丁分解，显著降低了代数复杂度。
• 该方法可推广至其他核统计量，如希尔伯特-施密特独立性准则（HSIC）已得到验证。
• 理论结果通过证明低阶项以Op(n^{-1/2})速率衰减得到支持，表明其渐近无关性，主导的渐近行为由高阶核分量决定。

实验结果

研究问题

• RQ1 在时间依赖条件下，能否将野生自展法应用于Lancaster三变量交互作用检验？
• RQ2 Lancaster检验统计量是否满足平稳过程中野生自展法有效性的条件？
• RQ3 能否用更简单的证明技术替代传统核检验统计量分析中的霍夫丁分解？
• RQ4 所提出的希尔伯特空间方法是否可推广至其他基于核的依赖测度？
• RQ5 在检测个体影响微弱但联合影响强烈的情况下，野生自展Lancaster检验的性能如何优于现有方法？

主要发现

• 在β-混合条件下，野生自展法对Lancaster三变量交互作用检验是有效的，提供了一种在置换自展法失效时仍正确的重抽样方法。
• 所提出的证明技术显著简化于现有V统计量分解方法，避免了项数的阶乘增长。
• 该方法证明了检验统计量依概率收敛于总体中心化希尔伯特空间算子的范数。
• 检验统计量中的低阶项以Op(n^{-1/2})速率衰减，证实其渐近无关性。
• 与以往工作相比，该方法为HSIC检验统计量提供了更短、更清晰的证明。
• Lancaster检验在个体影响微弱但联合影响强烈时，优于现有方法。