[论文解读] Simultaneous Inference of Covariances

Xiao Han, Wei Biao Wu|arXiv (Cornell University)|Sep 2, 2011

Statistical Methods and Bayesian Inference被引用 3

一句话总结

本文在数据条目满足较弱依赖条件下，建立了高维样本协方差矩阵最大偏差的渐近 Gumbel 分布，推广了以往基于 i.i.d. 假设的结果。该研究为高维设置下协方差结构的联合推断提供了理论基础，支持对带状结构、平稳性及单位协方差矩阵的检验。

ABSTRACT

We consider asymptotic distributions of maximum deviations of sample covariance matrices, a fundamental problem in high-dimensional inference of covariances. Under mild dependence conditions on the entries of the data matrices, we establish the Gumbel convergence of the maximum deviations. Our result substantially generalizes earlier ones where the entries are assumed to be independent and identically distributed, and it provides a theoretical foundation for high-dimensional simultaneous inference of covariances.

研究动机与目标

• 开发超越 i.i.d. 假设的高维协方差矩阵联合推断的理论框架。
• 通过允许条目之间存在弱依赖，推广现有样本协方差最大偏差结果。
• 在一般依赖条件下，为最大偏差 $ M_n = \max_{i<j} |\hat{\sigma}_{ij} - \sigma_{ij}| $ 提供严格的渐近分布理论。
• 支持对协方差结构的实际推断，如检验带状结构、平稳性或单位协方差。
• 将极值理论的应用扩展至弱依赖条件下的高维协方差估计。

提出的方法

• 推导样本协方差条目与其总体对应值之间最大偏差 $ M_n $ 的渐近分布。
• 引入对数据向量 $ (X_{11}, \dots, X_{1m}) $ 的弱依赖条件，包括通过 $ \gamma(n, b_n) $ 和 $ r_{n,i,j} $ 表示的矩条件与依赖强度约束。
• 采用 $ M_n $ 的自正则化版本，在较弱依赖条件下实现其收敛至 Gumbel 分布。
• 利用矩方法进行泊松近似，分析高维协方差偏差中的罕见事件。
• 应用高斯近似结果（Zaĭtsev, 1987）以在弱依赖条件下控制尾部行为。
• 建立 $ M_n $ 极限分布收敛至 Gumbel 分布的条件，即使条目非 i.i.d. 亦成立。

实验结果

研究问题

• RQ1 在高维数据条目满足何种依赖条件下，样本协方差的最大偏差会收敛至 Gumbel 分布？
• RQ2 能否将最大协方差偏差的理论框架从 i.i.d. 条目推广至弱依赖过程？
• RQ3 矩条件与依赖强度条件如何影响极端样本协方差偏差的渐近行为？
• RQ4 该极限理论对检验高维协方差结构（如带状结构或平稳性）有何启示？
• RQ5 Gumbel 极限分布对弱依赖是否具有鲁棒性？其收敛的必要与充分条件是什么？

主要发现

• 在较弱依赖条件下，最大偏差 $ M_n = \max_{i<j} |\hat{\sigma}_{ij} - \sigma_{ij}| $ 的分布收敛至 Gumbel 分布。
• 该结果推广了 Jiang (2004) 和 Cai 与 Jiang (2011) 的工作，允许条目之间存在弱依赖，而不仅限于 i.i.d. 或 $ s_n $-依赖情形。
• 证明了条件 $ \gamma(n, b_n) = o(1) $ 与 $ \gamma(n, b_n) \log b_n = o(1) $ 为 Gumbel 收敛的充分条件，并通过函数 $ G_n(t) $ 给出等价表述。
• 通过满足技术条件的线性与非线性过程示例，证明极限分布对弱依赖具有鲁棒性。
• 该理论支持对协方差结构的实际检验，如检验 $ H_0: \Sigma_n = I_m $、带状结构或平稳性，方法基于 $ M_n $ 的极值行为。
• 泊松近似方法得到验证，$ Q_{n,d} \to \lambda^d / d! $，证实大偏差数量收敛至泊松极限。