Résumé Technique : Test de la Séparabilité de la Covariance en Haute Dimension

1. Énoncé du Problème

L'article traite du défi que représente le test de l'hypothèse de séparabilité pour la structure de covariance de données matricielles à haute dimension. Dans de nombreuses applications modernes (par exemple, les images, les champs spatio-temporels, les spectrogrammes), les observations sont naturellement représentées sous forme de matrices $X \in \mathbb{R}^{p \times q}$. La covariance de ces données est un tenseur d'ordre quatre $\Sigma \in \mathbb{R}^{p \times q \times p \times q}$ contenant $O(p^2 q^2)$ paramètres.

La séparabilité postule que ce tenseur complexe se factorise en $\Sigma = \Sigma_1 \otimes \Sigma_2$, où $\Sigma_1 \in \mathbb{R}^{p \times p}$ et $\Sigma_2 \in \mathbb{R}^{q \times q}$. Cette hypothèse réduit le nombre de paramètres à $O(p^2 + q^2)$, rendant l'estimation réalisable et la computation traitable. Cependant, imposer une séparabilité incorrecte peut conduire à des biais dans les tâches en aval.

La difficulté centrale réside dans le régime de haute dimension où $p, q$ sont grands (souvent proportionnels à la taille de l'échantillon $N$). Dans ce contexte :

1. La covariance échantillonnale non restreinte est singulière ou mal conditionnée, rendant le test classique du rapport de vraisemblance (LRT) inapplicable ou statistiquement peu fiable.
2. Les tests existants pour les données fonctionnelles (régime de dimension infinie) manquent souvent de puissance dans les contextes de dimension finie à haute dimension.
3. Les tests standards reposant sur l'estimation d'une covariance non structurée sont computationnellement prohibitifs.

L'objectif est de développer un test pour $H_0: \Sigma = \Sigma_1 \otimes \Sigma_2$ qui soit efficace sur le plan computationnel, valide en haute dimension et robuste à la spécification erronée de la distribution.

2. Méthodologie

Les auteurs proposent un cadre qui reformule le problème du test de séparabilité en un test de sphéricité après un blanchiment séparable.

2.1. Le Test Elliptique

L'approche principale comprend trois étapes :

1. Estimation : Sous l'hypothèse nulle, on estime les facteurs de covariance séparables $\hat{\Sigma}_1$ et $\hat{\Sigma}_2$ en utilisant les estimateurs de maximum de vraisemblance matriciels (MMLE). Ceux-ci sont obtenus via l'algorithme itératif "flip-flop".

2. Blanchiment : On transforme les matrices de données $X_n$ en observations blanchies $Y_n = (\hat{\Sigma}_1 \otimes \hat{\Sigma}_2)^{-1/2} X_n$. Si l'hypothèse nulle est vérifiée, la covariance de $Y_n$ devrait être proportionnelle à l'opérateur identité.

3. Test de Sphericity : On calcule une statistique de test basée sur la covariance empirique des données blanchies, $\hat{C} = \frac{1}{N} \sum Y_n \otimes Y_n$. Les auteurs démontrent qu'après blanchiment séparable, trois statistiques de sphéricité classiques coïncident :

   • Statistique de John : $T_N^{(Jo)} = \frac{1}{pq} \|\frac{pq}{\text{tr}(\hat{C})}\hat{C} - I_{p,q}\|_F^2$
   • Statistique de Nagao : $T_N^{(Na)} = \frac{1}{pq} \|\hat{C} - I_{p,q}\|_F^2$
   • Statistique de Ledoit-Wolf : $T_N^{(LW)} = \frac{1}{pq} \|\hat{C} - I_{p,q}\|_F^2 - \frac{pq}{N}(\frac{1}{pq}\text{tr}(\hat{C}))^2$

   En raison de l'étape de blanchiment, $\text{tr}(\hat{C}) = pq$, ce qui fait que ces statistiques sont équivalentes à des constantes additives près. La statistique de test mesure l'écart de la variance des valeurs propres de la matrice de covariance blanchie.

2.2. Calibration par Monte Carlo

Puisque la distribution nulle de la statistique n'est pas disponible sous forme fermée dans le régime de haute dimension (en raison de l'estimation des facteurs de blanchiment), les auteurs utilisent la simulation de Monte Carlo (MC) pour la calibration.

• Sous $H_0$, la distribution de la statistique de test est invariante aux facteurs séparables inconnus si un estimateur matrice-affine équivariant (comme le MMLE) est utilisé.
• La p-valeur est calculée en comparant la statistique observée aux $M$ statistiques simulées générées à partir d'une distribution de référence (typiquement gaussienne) avec une covariance identité.

2.3. Le Test Angulaire

Pour traiter la sensibilité du test elliptique aux distributions à queues épaisses (où la calibration MC gaussienne conduit à des taux de type I gonflés), les auteurs introduisent une version angulaire :

• Après blanchiment, chaque observation est projetée sur la sphère unité via une normalisation radiale : $U_n = Y_n / \|Y_n\|_F$.
• La statistique de test est calculée à partir de la covariance empirique de ces directions normalisées, $\hat{S} = \frac{1}{N} \sum U_n \otimes U_n$.
• Cette étape élimine l'information radiale, rendant le test robuste au comportement des queues de la distribution elliptique sous-jacente tout en préservant l'information de forme pertinente pour la séparabilité.

3. Contributions Clés

1. Formulation en Haute Dimension : L'article cible le régime spécifique où $p, q \to \infty$ avec $N$, un contexte où le LRT classique échoue et où les tests de données fonctionnelles sont sous-optimaux.
2. Équivalence Blanchiment-Sphéricité : Il établit que tester la séparabilité est équivalent à tester la sphéricité après un blanchiment séparable. Cela unifie les tests de John, Nagao et Ledoit-Wolf dans ce contexte spécifique.
3. Efficacité Computationnelle : Les tests proposés évitent de former le tenseur de covariance complet de taille $p^2 q^2$. La complexité est dominée par le calcul du MMLE et les produits scalaires des données blanchies, évoluant en $O(N^3)$ ou $O(Npq \min(N, p, q))$, ce qui est comparable à l'ajustement du modèle séparable lui-même.
4. Robustesse via la Projection Angulaire : L'introduction du test angulaire fournit une solution pratique au problème de la spécification erronée de la distribution. Il maintient des niveaux nominaux sous des distributions à queues épaisses là où le test elliptique standard échoue.
5. Garanties Théoriques :
   • Contrôle du Niveau en Échantple Fini : Prouvé pour le test elliptique sous calibration gaussienne, conditionnellement à l'utilisation d'un estimateur matrice-affine équivariant unique.
   • Consistance en Haute Dimension : Prouvée pour les deux tests contre des alternatives "denses" (où l'écart par rapport à la séparabilité est réparti sur tout le spectre), en supposant que les paramètres séparables pseudo-vrais convergent à un taux spécifique.

4. Résultats

Études de Simulation

• Contrôle du Niveau : Sous des données gaussiennes, les deux tests atteignent un contrôle exact du niveau en échantple fini. Sous des données à queues épaisses (matrice-t), le test elliptique présente une inflation sévère du taux de faux positifs, tandis que le test angulaire maintient des niveaux approximativement nominaux à travers diverses dimensions et tailles d'échantillon.
• Puissance : Le test angulaire conserve une puissance presque identique au test elliptique sous données gaussiennes, confirmant que la normalisation radiale ne sacrifie pas la capacité de détection. Les deux tests surpassent le LRT classique (en basse dimension) et les tests de données fonctionnelles (en haute dimension) en termes de puissance et d'applicabilité.
• Comparaison avec Sung et Hoff (2026) : Les auteurs notent que leur test "elliptique" coïncide avec une statistique proposée indépendamment par Sung et Hoff. Cependant, cet article se distingue par :
  • La dérivation du test à partir de premiers principes (invariance MMLE).
  • La preuve de consistance pour les alternatives denses (Sung et Hoff se concentrent sur l'isotropie partielle/parcellaire).
  • L'introduction de la version angulaire pour la robustesse.
  • La fourniture d'un package R prêt à l'emploi (elseptest).

Application au Monde Réel

Les méthodes ont été appliquées à des données phonétiques acoustiques (log-spectrogrammes et MFCC) provenant de cinq langues romanes.

• Résultats : Le test angulaire a rejeté l'hypothèse de séparabilité pour les cinq langues et les deux représentations avec des p-valeurs de 0.001 (le minimum atteignable avec 999 simulations).
• Signification : Cela confirme que la non-séparabilité est une caractéristique réelle de la structure des données plutôt qu'un artefact du prétraitement ou des hypothèses de distribution, étendant les conclusions d'Aston et al. (2017) aux MFCC et à un cadre de test plus robuste.

5. Signification et Revendications

L'article affirme combler une lacune critique dans les statistiques de haute dimension où l'estimation de la covariance non restreinte est infaisable, alors que l'hypothèse de séparabilité est largement utilisée. En transformant le problème en un test de sphéricité, les auteurs fournissent une alternative computationnellement viable au LRT.

Les auteurs reconnaissent modestement que leur consistance théorique repose sur des hypothèses concernant la convergence des paramètres séparables pseudo-vrais sous l'alternative, lesquelles sont soutenues empiriquement mais pas entièrement prouvées pour le cas général non séparable. Ils notent également que si le test angulaire atténue la spécification erronée radiale, il n'élimine pas toute dépendance distributionnelle car les facteurs de blanchiment sont toujours estimés à partir des données.

En fin de compte, ce travail fournit un outil pratique, robuste et théoriquement fondé pour valider l'hypothèse de séparabilité dans les données matricielles à haute dimension, le test angulaire étant recommandé pour un usage général en raison de sa résilience face aux distributions à queues épaisses.