[论文解读] On the eigenvalues of the spatial sign covariance matrix in more than two dimensions

Alexander Dürre, David E. Tyler+1 more|arXiv (Cornell University)|Dec 9, 2015

Morphological variations and asymmetry参考文献 22被引用 21

一句话总结

本文证明了椭球分布下空间符号协方差矩阵（SSCM）的特征值是形状矩阵特征值的一一对应函数，且其特征值比原始特征值更紧密聚集。文章推导出SSCM特征值的一维积分表示，从而实现高效数值计算，并证明了在多维（p > 2）椭球对称下特征值映射的单射性、顺序保持性以及特征值聚集性。

ABSTRACT

We gather several results on the eigenvalues of the spatial sign covariance matrix of an elliptical distribution. It is shown that the eigenvalues are a one-to-one function of the eigenvalues of the shape matrix and that they are closer together than the latter. We further provide a one-dimensional integral representation of the eigenvalues, which facilitates their numerical computation.

研究动机与目标

• 研究高维椭球分布中空间符号协方差矩阵（SSCM）特征值与形状矩阵特征值之间的关系。
• 建立SSCM特征值与形状矩阵特征值之间的一一对应关系，以确保可识别性。
• 证明SSCM特征值比形状矩阵特征值更紧密聚集（即更接近）。
• 推导SSCM特征值的一维积分表示，以实现高效数值计算。
• 为高维空间符号方法在稳健多变量分析中的理论基础提供支持。

提出的方法

• 作者采用迹归一化的形状矩阵的特征值分解 $ V_0 = O\Lambda O^\top $，其中 $ \Lambda = \text{diag}(\lambda_1, \dots, \lambda_p) $，满足 $ \lambda_1 \geq \cdots \geq \lambda_p \geq 0 $ 且 $ \sum \lambda_j = 1 $。
• 将总体SSCM表示为 $ S = O\Delta O^\top $，其中 $ \Delta = \text{diag}(\delta_1, \dots, \delta_p) $，且 $ \delta_i = \mathbb{E}\left[ \lambda_i Y_i^2 \left( \sum_{j=1}^p \lambda_j Y_j^2 \right)^{-1} \right] $，$ Y = RU $ 具有球对称分布。
• 利用 $ Y $ 的球对称性，选择单位球面上的均匀分布以提高分析可处理性，从而简化期望积分。
• 应用Gradshteyn和Ryzhik公式4.646，推导出特征值 $ \delta_i $、$ \eta_{ii} $ 和 $ \eta_{ij} $ 的一维积分表示，实现数值计算。
• 通过反证法证明从 $ \lambda $ 到 $ \delta $ 的映射是单射，即在球对称假设下，不同的 $ \lambda $ 向量会产生不同的 $ \delta $ 向量。
• 特征值聚集性的证明基于不等式，利用加权调和平均的性质，并利用严格不等式 $ \rho_{(1)} < \rho_{(p)} $，证明 $ \delta_i $ 值比 $ \lambda_i $ 更趋近相等。

实验结果

研究问题

• RQ1 在维度大于二的情况下，形状矩阵特征值到SSCM特征值的映射是否为单射？
• RQ2 SSCM特征值的离散程度与形状矩阵特征值相比如何？
• RQ3 SSCM特征值能否通过一维积分表示以实现高效数值计算？
• RQ4 在椭球对称下，SSCM特征值与形状矩阵特征值之间的函数关系是什么？
• RQ5 SSCM特征值向量是否保持形状矩阵特征值的顺序？

主要发现

• 从形状矩阵特征值 $ \lambda $ 到SSCM特征值 $ \delta $ 的映射是单射，即 $ \phi(\lambda) = \phi(\tilde{\lambda}) $ 蕴含 $ \lambda = \tilde{\lambda} $。
• SSCM特征值 $ \delta_1, \dots, \delta_p $ 比形状矩阵特征值 $ \lambda_1, \dots, \lambda_p $ 更紧密聚集，即 $ \delta_1 - \delta_p < \lambda_1 - \lambda_p $。
• SSCM特征值 $ \delta_i $ 是形状矩阵特征值的一一对应函数，且保持其顺序：$ \delta_1 \geq \cdots \geq \delta_p $。
• 通过单位球面上的均匀分布和Gradshteyn与Ryzhik公式4.646，推导出 $ \delta_i $ 的一维积分表示，从而实现数值计算。
• SSCM估计量的渐近协方差矩阵以 $ \delta_i $ 和 $ \eta_{ij} $ 表示，其中 $ \eta_{ij} $ 同样由一维积分给出。
• 特征值 $ \delta_i $ 表示为 $ \delta_i = \frac{p\Gamma(p/2)}{2\pi^{p/2}} \int_{S_{1,p}} \frac{\lambda_i z_i}{\sum_{j=1}^p \lambda_j z_j} \prod_{j=1}^p z_j^{-1/2} dz $，其中 $ S_{1,p} = \{ z \in \mathbb{R}^p_+ \mid \sum z_j \leq 1 \} $。