[论文解读] Selective Inference for Change Point Detection in Multi-dimensional Sequences

Yuta Umezu, Ichiro Takeuchi|arXiv (Cornell University)|Jun 1, 2017

Statistical Methods and Inference参考文献 32被引用 4

一句话总结

本文提出了一种选择性推断框架，用于检测多维序列中仅在部分维度上表现的变点（CPs）。通过将变点检测建模为选择性推断问题，作者推导出精确的、非渐近的抽样分布，以校正维度选择和时间点选择中的选择偏差，从而在名义显著性水平下实现控制第一类错误率的有效统计推断。

ABSTRACT

We study the problem of detecting change points (CPs) that are characterized by a subset of dimensions in a multi-dimensional sequence. A method for detecting those CPs can be formulated as a two-stage method: one for selecting relevant dimensions, and another for selecting CPs. It has been difficult to properly control the false detection probability of these CP detection methods because selection bias in each stage must be properly corrected. Our main contribution in this paper is to formulate a CP detection problem as a selective inference problem, and show that exact (non-asymptotic) inference is possible for a class of CP detection methods. We demonstrate the performances of the proposed selective inference framework through numerical simulations and its application to our motivating medical data analysis problem.

研究动机与目标

• 解决在多维序列中仅在部分维度上相关的变点（CPs）检测挑战。
• 校正因两阶段变点检测而产生的选择偏差：首先选择相关维度，然后基于聚合统计量选择时间点。
• 在检测到的变点上实现精确的、非渐近的统计推断，确保在期望显著性水平（例如 α = 0.05）下正确控制误检概率。
• 开发适用于真实世界数据的框架，特别是在恶性淋巴瘤中的拷贝数变异分析等生物医学应用中。

提出的方法

• 将变点检测问题建模为选择性推断问题，明确在推断中考虑维度和时间点的选择过程。
• 提出两阶段方法：(1) 基于相关性选择维度子集，(2) 将选定维度上的得分聚合为标量检验统计量。
• 利用选择性推断理论（Taylor & Tibshirani, 2015；Lee et al., 2016）推导出在检测到变点的条件下，检验统计量的精确条件抽样分布。
• 推导出在选择机制下的检验统计量的精确抽样分布，从而实现考虑选择偏差的有效 p 值和置信区间。
• 通过局部假设检验方法，将该框架应用于单个和多个变点的检测。
• 采用渐近近似和级数展开（例如 μ 的泰勒展开）推导第一类错误率的高阶校正，以增强小样本下的稳健性。

实验结果

研究问题

• RQ1 当在维度选择和时间点选择两个阶段均存在选择行为时，是否能对多维序列中的变点检测实现精确的、非渐近的推断？
• RQ2 如何同时校正来自维度选择和时间点选择的选择偏差，以确保第一类错误率的正确控制？
• RQ3 在两阶段检测过程中使用的选择机制下，检测到的变点的检验统计量的精确抽样分布是什么？
• RQ4 在有限样本设置下，该框架在统计功效和错误率控制方面的表现如何？
• RQ5 该框架能否在真实生物医学数据（如淋巴瘤患者的拷贝数变异分析）中有效应用？

主要发现

• 所提出的的选择性推断框架即使在有限样本中，也能在名义显著性水平 α 下精确控制选择性第一类错误率。
• 该框架同时校正了维度选择和时间点选择偏差，使得对检测到的变点的统计推断有效。
• 在选择性推断下，该方法近似无偏，且在选择性推断意义下导出了功效的下界。
• 数值模拟结果表明，误检概率在期望显著性水平下得到恰当控制。
• 在淋巴瘤数据集上的应用表明，该方法能够检测到在患者子集中共享的常见变点，并对检测到的事件实现有效推断。
• 通过级数展开推导出第一类错误率的高阶校正，提高了小样本下的准确性。