[论文解读] Nonparametric testing for no-effect with functional responses and functional covariates

Valentin Patilea, César Sánchez-Sellero+1 more|arXiv (Cornell University)|Sep 10, 2012

Statistical Methods in Clinical Trials参考文献 20被引用 3

一句话总结

本文提出了一种非参数检验方法，用于在不假设特定回归模型的前提下，检测功能型或多元协变量对功能型响应变量的影响。通过使用单变量最近邻平滑方法，并结合维度缩减步骤将高维协变量投影到一维指数上，检验统计量渐近服从标准正态分布，从而在一般误差和设计条件下能够检测线性和非线性效应。

ABSTRACT

This paper examines the problem of nonparametric testing for the no-effect of a random covariate (or predictor) on a functional response. This means testing whether the conditional expectation of the response given the covariate is almost surely zero or not, without imposing any model relating response and covariate. The covariate could be univariate, multivariate or functional. Our test statistic is a quadratic form involving univariate nearest neighbor smoothing and the asymptotic critical values are given by the standard normal law. When the covariate is multidimensional or functional, a preliminary dimension reduction device is used which allows the effect of the covariate to be summarized into a univariate random quantity. The test is able to detect not only linear but nonparametric alternatives. The responses could have conditional variance of unknown form and the law of the covariate does not need to be known. An empirical study with simulated and real data shows that the test performs well in applications.

研究动机与目标

• 开发一种非参数拟合优度检验，用于检验协变量对功能型响应变量无影响的情况，且无需假设参数模型。
• 通过将协变量的维度降低到单一指数，处理单变量、多变量或功能型协变量。
• 构建一个能够检测线性和非线性效应的检验统计量，即使在条件方差未知的情况下也有效。
• 在最小正则性条件下确保渐近有效性，包括协变量分布未知和一般误差结构。
• 通过检验预测变量是否影响响应变量，为功能型回归中的模型验证提供一种实用方法。

提出的方法

• 应用维度缩减技术，利用从数据中估计的方向 $\gamma$，将高维或功能型协变量 $X$ 投影到一维指数 $\langle X, \gamma \rangle$ 上。
• 使用单变量最近邻平滑方法估计条件期望 $\mathbb{E}(U \mid \langle X, \gamma \rangle)$，其中 $U$ 为功能型响应变量。
• 基于平滑后的残差构造二次型检验统计量，用于衡量条件期望偏离零的程度。
• 在原假设 $\mathbb{E}(U \mid X) = 0$ 几乎必然成立的条件下，利用标准正态分布推导渐近临界值。
• 实施一种顺序数值算法，以搜索使检验对备择效应最敏感的最优方向 $\widehat{\gamma}_n$。
• 通过证明使条件期望为零的方向集合的勒贝格测度为零，来证明该算法在备择假设下的相合性。

实验结果

研究问题

• RQ1 是否能够通过非参数检验在不假设特定模型的前提下，检测功能型或多元协变量对功能型响应变量无任何影响的情况？
• RQ2 如何将高维或功能型协变量的影响总结为一个一维指数以用于检验？
• RQ3 在一般条件下（包括条件方差未知和协变量分布未知），该检验是否能保持正确的尺寸和功效？
• RQ4 该检验是否能够检测到线性模型或FPC基检验可能遗漏的非线性和非参数备择假设？
• RQ5 用于估计最优指数方向的顺序算法在理论上有何依据？其在备择假设下是否具有相合性？

主要发现

• 在无效应原假设下，所提出的检验统计量渐近服从标准正态分布。
• 该检验在最小假设条件下有效：无需参数模型，条件方差可未知，协变量分布也无需已知。
• 该方法能够检测线性和非线性效应，克服了现有FPC基检验在检测非线性备择假设时的局限性。
• 维度缩减步骤确保了即使协变量为功能型或高维时，检验仍保持可行性与统计功效。
• 理论证明表明，使条件期望为零的方向集合的勒贝格测度为零，支持了存在信息性方向的存在性。
• 基于模拟数据和真实数据（如加拿大天气数据和果蝇产卵数据）的实证研究显示，该方法在有限样本中表现良好。