[论文解读] A Supremum-Norm Based Test for the Equality of Several Covariance Functions

Jia Guo, Bu Zhou+1 more|arXiv (Cornell University)|Sep 14, 2016

Statistical Methods and Inference参考文献 14被引用 5

一句话总结

本文提出了一种基于上确界范数的检验方法（Tmax），用于评估功能性数据中多个协方差函数的相等性，该方法利用个体与合并协方差估计之间的最大偏差。与现有的L2-范数检验相比，该方法在高相关性和非高斯性条件下表现出更优的检验效能，结合渐近理论与自助法近似零分布，通过模拟研究和真实数据（NOx排放与生长曲线）验证了其有效性。

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.

研究动机与目标

• 为解决功能性数据中多个协方差函数相等性检验缺乏强大、非参数检验方法的问题。
• 克服现有基于L2-范数检验的局限性，后者在高相关性条件下检验效能下降，且依赖高斯性假设。
• 开发一种能有效检测协方差函数局部差异的检验方法，即使在数据非高斯或高度相关时亦具稳健性。
• 提供渐近理论与自助法以近似零分布，从而支持实际推断。
• 通过模拟研究与环境科学及生物医学数据中的真实应用，验证该检验方法的性能。

提出的方法

• 将检验统计量定义为个体样本协方差函数与合并样本协方差函数之间平方差之和的上确界范数。
• 在协方差函数相等的原假设下，推导检验统计量的渐近分布。
• 提出参数自助法与非参数自助法，用于近似零分布。
• 在局部备择假设下建立渐近功效，证明该检验具有根n一致性。
• 采用包含均值函数与个体效应函数的功能数据模型，假设其迹有限且均值函数平方可积。
• 在真实数据集中应用该检验方法，结合三维可视化与p值比较，与现有L2-范数检验（L2_nv、L2_br、L2_rp）进行对比。

实验结果

研究问题

• RQ1 当功能性数据高度相关时，基于上确界范数的检验是否能优于现有的L2-范数检验，以检测协方差函数的差异？
• RQ2 在非高斯性功能性数据下，所提出的检验是否仍能保持良好性能，而L2-基检验可能失效？
• RQ3 在协方差函数相等的原假设下，检验统计量的渐近分布行为如何？
• RQ4 参数自助法与非参数自助法是否能可靠地近似检验统计量的零分布？
• RQ5 该检验是否具有足够的检验效能，以检测现实功能性数据（如NOx排放与生长曲线）中协方差结构的有意义差异？

主要发现

• 对于NOx排放数据，所提出的Tmax检验得到p值为0.006，表明工作日与非工作日之间的协方差函数存在显著差异，而L2-基检验的p值均高于0.11。
• 在伯克利生长数据中，Tmax检验的p值为0.0453，拒绝了协方差函数相等的原假设，而L2-基检验的p值均高于0.45，未能检测到差异。
• 推导了Tmax在原假设下的渐近分布，为该检验提供了理论依据。
• 在局部备择假设下，证明该检验具有根n一致性，表明其在检测微小偏离时具有强检验效能。
• 在真实数据中，使用非参数自助法计算了Tmax与L2_rp的p值，采用10,000次自助重抽样，确保了结果的稳定性。
• 模拟研究结果表明，Tmax在功能性数据高度相关或非高斯时，显著优于L2_nv、L2_br与L2_rp，表现出更高的检验效能。