[论文解读] Change-point detection for multivariate and non-Euclidean data with local dependency

Hao Chen|arXiv (Cornell University)|Mar 5, 2019

Bayesian Methods and Mixture Models参考文献 20被引用 4

一句话总结

本文提出一种带有随机起始点的循环块置换方法，以改进具有局部依赖性的多变量及非欧几里得数据中的变点检测。通过将此置换方案整合进非参数图基扫描统计框架，该方法在保持高统计功效的同时，于局部依赖条件下控制了第一类错误，并为长序列数据提供了高效的解析p值近似。

ABSTRACT

In a sequence of multivariate observations or non-Euclidean data objects, such as networks, local dependence is common and could lead to false change-point discoveries. We propose a new way of permutation -- circular block permutation with a random starting point -- to address this problem. This permutation scheme is studied on a non-parametric change-point detection framework based on a similarity graph constructed on the observations, leading to a general framework for change-point detection for data with local dependency. Simulation studies show that this new framework retains the same level of power when there is no local dependency, while it controls type I error correctly for sequences with and without local dependency. We also derive an analytic p-value approximation under this new framework. The approximation works well for sequences with length in hundreds and above, making this approach fast-applicable for long data sequences.

研究动机与目标

• 解决观测值呈现局部依赖时，现有基于置换的非参数变点检测方法出现的第一类错误膨胀问题。
• 开发一种通用的非参数框架，用于检测高维或非欧几里得数据（如网络或多元时间序列）中的变点。
• 在独立条件下保持统计功效的同时，纠正因局部依赖导致的假阳性发现。
• 推导一种解析p值近似，以实现在长数据序列上的快速计算。
• 提供一种实用的准则，用于选择循环块置换方案中的最优块大小。

提出的方法

• 引入带有随机起始点的循环块置换，以在重采样过程中保持局部依赖结构。
• 在合并观测值构建的相似性图基础上，将边计数检验适配至扫描统计框架。
• 在新置换方案下，以所有可能变点位置中的最大扫描统计量作为检验统计量。
• 推导检验统计量p值的解析近似，适用于长度为数百或以上的序列。
• 采用基于最大扫描统计量随块大小增加而收敛的规则，确定块大小选择准则。
• 通过递归应用单变点方法（采用二分或循环二分分割），将框架扩展至多变点检测。

实验结果

研究问题

• RQ1 局部依赖如何影响现有基于置换的非参数变点检测方法的性能？
• RQ2 经修改的置换方案是否能在保持正确第一类错误控制的同时，保留局部依赖结构？
• RQ3 块大小对局部依赖下检验统计量的准确性和稳定性有何影响？
• RQ4 能否推导出一种既准确又计算高效的解析p值近似，适用于长序列？
• RQ5 如何将所提框架扩展至复杂数据类型中的多变点检测？

主要发现

• 所提出的带有随机起始点的循环块置换在独立和局部依赖数据下均能正确控制第一类错误，而标准置换方法则不能。
• 当观测值独立时，该方法的统计功效与原始方法保持一致。
• 对于长度为100或以上的序列，解析p值近似具有较高准确性，从而可在无需大量重采样的情况下实现快速计算。
• 随着块大小增加，最大扫描统计量趋于稳定，可通过比率准则（如比率 > 0.99）识别块大小阈值，以确保充分捕获依赖结构。
• 该框架在多元自回归和网络数据中成功检测到变点，即使在强序列相关性（如ρ = 0.2）下亦表现良好。
• 通过递归分割实现的多变点检测扩展是可行且有效的，模拟研究已证实其性能。