[论文解读] Detection of periodicity in functional time series

Siegfried Hörmann, Kokoszka, Piotr+1 more|arXiv (Cornell University)|Jul 7, 2016

Complex Systems and Time Series Analysis参考文献 28被引用 6

一句话总结

本文提出了一类基于似然比的新型检验方法，用于检测函数时间序列中的周期性，区分多变量（基于投影）与全函数方法。全函数检验在大小和功效方面表现更优，尤其当周期信号非正弦时；其渐近零分布在弱依赖假设下通过函数时间序列的谱分析推导得出。

ABSTRACT

We derive several tests for the presence of a periodic component in a time series of functions. We consider both the traditional setting in which the periodic functional signal is contaminated by functional white noise, and a more general setting of a contaminating process which is weakly dependent. Several forms of the periodic component are considered. Our tests are motivated by the likelihood principle and fall into two broad categories, which we term multivariate and fully functional. Overall, for the functional series that motivate this research, the fully functional tests exhibit a superior balance of size and power. Asymptotic null distributions of all tests are derived and their consistency is established. Their finite sample performance is examined and compared by numerical studies and application to pollution data.

研究动机与目标

• 为解决函数时间序列中周期性检测缺乏正式统计检验的问题，特别是当数据表现出弱依赖性时。
• 开发利用数据函数特性的推断方法，而非将其简化为标量汇总统计量或投影。
• 比较多变量（基于投影）与全函数检验方法在检测周期成分方面的性能。
• 在一般弱依赖条件下，为所提出的检验提供渐近零分布与一致性结果。
• 通过模拟研究与对奥地利格拉茨市日均污染曲线的真实世界应用，评估有限样本下的性能表现。

提出的方法

• 提出两类主要检验：多变量方法（将函数数据投影到有限维子空间）与全函数方法（直接在函数空间中操作）。
• 在假设函数时间序列为高斯分布且包含周期分量、误差项弱依赖的条件下，推导基于似然比的检验统计量。
• 通过函数时间序列的谱分析，推导检验统计量的渐近零分布，其表达形式为独立的超指数分布变量之和。
• 在多变量检验中采用基于特征值（MEV）与基于迹（MTR）的统计量，临界值通过高效算法计算。
• 采用频域方法推导函数ANOVA检验统计量的渐近分布，该方法在函数数据分析中属首次提出。
• 通过模拟具有已知周期模式（正弦与非正弦）的函数数据及真实污染数据，开展数值研究以比较检验性能。

实验结果

研究问题

• RQ1 当数据为弱依赖而非i.i.d.时，如何在函数时间序列中正式检验周期性？
• RQ2 多变量（基于投影）与全函数检验方法在检测周期成分方面的相对性能如何？
• RQ3 检验功效如何受周期信号形状的影响——特别是当信号为正弦波与更复杂波形时？
• RQ4 在无周期性原假设下，函数ANOVA检验统计量的渐近分布为何种形式？
• RQ5 所提出的检验能否在真实世界函数数据（如日均污染曲线）中检测到周期性，而传统标量ANOVA方法失效？

主要发现

• 全函数检验在大小与功效之间表现出更优的平衡，尤其当周期信号为非正弦时，优于多变量投影检验。
• 对于正弦信号，单频检验（MEV₁）优于一般周期性检验（MEV₂），但随着周期长度增加或信号变得不规则，该优势减弱。
• 在多变量设置中，基于特征值的检验统计量（MEV）相较于基于迹的统计量（MTR）具有显著功效优势，尤其当信号与主导特征函数对齐时。
• 函数ANOVA检验统计量的渐近零分布为独立的超指数随机变量之和，其参数为谱密度算子的特征值。
• 在真实污染数据应用中，函数ANOVA检验检测到PM10与NO日间曲线在工作日间存在显著差异，而标量ANOVA因组内变异大与序列相关性高而失效。
• 投影检验的性能对基函数的选择高度敏感；在不同信号形状下，无单一投影基能始终优于全函数方法。