A Kernel-Based Nonparametric Test for Conditional Independence of Functional Data

यहाँ यिन तांग और बिंग ली के शोध पत्र "A Kernel-Based Nonparametric Test for Conditional Independence of Functional Data" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

यह शोध पत्र फंक्शनल डेटा (functional data) के संदर्भ में सशर्त स्वतंत्रता (conditional independence - CI) के परीक्षण की चुनौती को संबोधित करता है।

• संदर्भ: आधुनिक अनुप्रयोगों (जैसे, पहनने योग्य उपकरण, मैक्रोइकोनॉमिक टाइम सीरीज़) में, डेटा अक्सर परिमित-आयामी वेक्टर्स के बजाय यादृच्छिक फलनों (curves) के रूप में आता है।
• अंतराल (The Gap): जबकि मल्टीवेरिएट डेटा के लिए नॉनपैरामेट्रिक CI परीक्षण मौजूद हैं (जैसे, Zhang et al., 2011), कार्यात्मक सेटिंग (functional setting) में इनका कोई कठोर विस्तार नहीं था। मौजूदा विधियाँ यादृच्छिक फलनों $X(t), Y(t), Z(t)$ की अनंत-आयामी प्रकृति को संभालने में सक्षम नहीं थीं।
• उद्देश्य: एक कर्नेल-आधारित परीक्षण विकसित करना जो यह निर्धारित कर सके कि क्या दो यादृच्छिक फलन $X$ और $Y$, तीसरे यादृच्छिक फलन $Z$ के दिए जाने पर सशर्त स्वतंत्र हैं (अर्थात, $X \perp\!\!\!\perp Y \mid Z$)।

2. कार्यप्रणाली (Methodology)

2.1 सैद्धांतिक ढांचा: रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस (RKHS)

लेखक बिना किसी पैरामेट्रिक धारणा के सशर्त स्वतंत्रता को चित्रित करने के लिए RKHS ढांचे का उपयोग करते हैं।

• कंजॉइन्ड कंडीशनल कोवेरिएंस ऑपरेटर (CCCO): इस विधि का मूल एक संशोधित ऑपरेटर के निर्माण में निहित है, जिसे $\Sigma_{\ddot{X}\ddot{Y}|Z}$ द्वारा दर्शाया गया है।
  • मानक कंडीशनल कोवेरिएंस ऑपरेटर्स (CCO) CI परीक्षण के लिए अपर्याप्त हैं क्योंकि वे केवल रैखिक सशर्त निर्भरता को पकड़ते हैं।
  • लेखक $\ddot{X} = (X, Z)$ और $\ddot{Y} = (Y, Z)$ को परिभाषित करते हैं और CCCO का निर्माण इस प्रकार करते हैं:
    $$\Sigma_{\ddot{X}\ddot{Y}|Z} = \Sigma_{\ddot{X}\ddot{Y}} - \Sigma_{\ddot{X}Z}\Sigma_{ZZ}^{\dagger}\Sigma_{Z\ddot{Y}}$$
    जहाँ $\Sigma^{\dagger}$ मूर-पेनरोस इनवर्स (Moore-Penrose inverse) को दर्शाता है।
• सैद्धांतिक तुल्यता (Theoretical Equivalence): प्रमेय 1 स्थापित करता है कि विशिष्ट मान्यताओं (characteristic kernels और smoothness conditions) के तहत, $\Sigma_{\ddot{X}\ddot{Y}|Z} = 0$ यदि और केवल यदि $X \perp\!\!\!\perp Y \mid Z$ हो।

2.2 टेस्ट स्टैटिस्टिक का निर्माण

• अनुमान (Estimation): जनसंख्या ऑपरेटर का अनुमान नमूना डेटा का उपयोग करके लगाया जाता है। एम्पिरिकल कोवेरिएंस ऑपरेटर $\hat{\Sigma}_{ZZ}$ की विलक्षणता (singularity) के कारण, टिक्होनोव रेगुलराइजेशन (Tikhonov regularization) लागू किया जाता है: $(\hat{\Sigma}_{ZZ} + \epsilon_n I)^{-1}$।
• सांख्यिकी (Statistic): टेस्ट स्टैटिस्टिक अनुमानित CCCO के स्क्वेयर्ड हिल्बर्ट-श्मिट नॉर्म (squared Hilbert-Schmidt norm) पर आधारित है:
  $$T_n = n \|\hat{\Sigma}_{\ddot{X}\ddot{Y}|Z}\|_{HS}^2$$
  शून्य परिकल्पना (null hypothesis, $H_0: X \perp\!\!\!\perp Y \mid Z$) के तहत, $T_n$ छोटा होना चाहिए; वैकल्पिक परिकल्पना के तहत, यह बड़ा होना चाहिए।

2.3 एसिम्प्टोटिक थ्योरी (मुख्य सैद्धांतिक योगदान)

पिछले कार्य (Zhang et al., 2011) में एक बड़ी बाधा टेस्ट स्टैटिस्टिक के एसिम्प्टोटिक वितरण (asymptotic distribution) के लिए कठोर प्रमाण की कमी थी, जिसका मुख्य कारण फंक्शनल सेटिंग में इनवर्स कोवेरिएंस ऑपरेटर की धीमी अभिसरण दर (convergence rate) है।

• अभिसरण दर में सुधार: लेखक हाल ही में स्थापित रिग्रेशन ऑपरेटरों के सुव्यवस्थित अभिसरण दर (sharpened convergence rate) का लाभ उठाते हैं (Choi et al., 2026)।
• शर्तें: वे कोवेरिएंस ऑपरेटर के स्मूथनेस पैरामीटर $\beta$ और आइगेनवैल्यू डिके रेट $\alpha$ पर विशिष्ट शर्तें प्राप्त करते हैं। विशेष रूप से, यदि $\beta > \frac{\alpha-1}{2\alpha}$ है और रेगुलराइजेशन पैरामीटर $\epsilon_n$ को इष्टतम रूप से ट्यून किया गया है, तो एस्टीमेटर की अभिसरण दर $n^{-1/4}$ से अधिक होती है।
• परिणाम: यह तेज़ दर सुनिश्चित करती है कि त्रुटि पद (error terms) पर्याप्त तेज़ी से लुप्त हो जाते हैं, जिससे एसिम्प्टोटिक वितरण का व्युत्पन्न संभव होता है:
  $$n \|\hat{\Sigma}_{\ddot{X}\ddot{Y}|Z}\|_{HS}^2 \xrightarrow{d} \sum_{k=1}^{\infty} \lambda_k Z_k^2$$
  जहाँ $\lambda_k$ लिमिटिंग ऑपरेटर के आइगेनवैल्यू हैं और $Z_k$ i.i.d. स्टैंडर्ड नॉर्मल्स हैं। यह कर्नेल-आधारित CI परीक्षणों के लिए प्रथम कठोर औचित्य (first rigorous justification) प्रदान करता है, जो फंक्शनल और मल्टीवेरिएट दोनों डेटा पर लागू होता है।

2.4 व्यावहारिक कार्यान्वयन

• वक्र पुनर्निर्माण (Curve Reconstruction): चूंकि फंक्शनल डेटा को असतत बिंदुओं (discrete points) पर देखा जाता है, इसलिए लेखक निरंतर प्रक्षेपवक्र (continuous trajectories) को पुनर्गठित करने के लिए RKHS स्मूथर्स (Tikhikov regularization के साथ) का उपयोग करते हैं।
• इनर प्रोडक्ट सन्निकटन (Inner Product Approximation): दूसरे स्तर के कर्नेल्स के लिए आवश्यक इनर प्रोडक्ट और दूरियों को अनुमानित करने के लिए संख्यात्मक एकीकरण (सिम्पसन का नियम) का उपयोग किया जाता है।
• ट्यूनिंग पैरामीटर्स: गौसियन कर्नेल्स के लिए बैंडविड्थ और रेगुलराइजेशन पैरामीटर्स ($\delta_n$ वक्र स्मूथिंग के लिए, $\epsilon_n$ CCCO अनुमान के लिए) को जनरलाइज्ड क्रॉस-वैलिडेशन (GCV) के माध्यम से चुना जाता है।
• कंप्यूटेशनल त्वरण (Computational Acceleration): $n^2 \times n^2$ मैट्रिसेस के आइगेन-डीकंपोजिशन की उच्च कंप्यूटेशनल लागत को संभालने के लिए, लेखक एक रैंक-रिडक्शन एल्गोरिदम (Tang and Li, 2024 पर आधारित) का उपयोग करते हैं, जो समस्या को $n \times n$ मैट्रिक्स के आइगेनवैल्यू खोजने तक सीमित कर देता है।

3. प्रमुख योगदान

1. फंक्शनल डेटा के लिए विस्तार: यादृच्छिक फलनों के लिए विशेष रूप से डिज़ाइन किया गया पहला नॉनपैरामेट्रिक कर्नेल-आधारित CI परीक्षण।
2. कठोर एसिम्प्टोटिक औचित्य: यह शोध पत्र एक पूर्ण प्रमाण प्रदान करके एक लंबे समय से चले आ रहे सैद्धांतिक अंतराल को हल करता है, जो Zhang et al. (2011) के अधूरे प्रमाण को सुधारता है। यह RKHS में रिग्रेशन ऑपरेटरों के नए अभिसरण दरों पर निर्भर करता है।
3. CCCO लक्षण वर्णन: कंजॉइन्ड कंडीशनल कोवेरिएंस ऑपरेटर को फंक्शनल कंडीशनल इंडिपेंडेंस के एक वैध माप के रूप में औपचारिक परिचय और प्रमाण।
4. एल्गोरिदम दक्षता: बड़े पैमाने के फंक्शनल डेटा के लिए एक कंप्यूटेशनल रूप से व्यवहार्य एल्गोरिदम का विकास, जिसमें कर्व रिकंस्ट्रक्शन और त्वरित आइगेनवैल्यू गणना शामिल है।

4. परिणाम

4.1 सिमुलेशन अध्ययन

• सेटअप: लेखकों ने विभिन्न निर्भरता संरचनाओं (एडिटिव, मल्टीप्लिकेटिव और नॉन-लीनियर ट्रांसफॉर्मेशन) और नमूना आकार ($n=50$ से $500$) के साथ पांच मॉडल सिम्युलेट किए। संतुलित और असंतुलित ऑब्जर्वेशन स्कीम्स दोनों का परीक्षण किया गया।
• निष्कर्ष:
  • टाइप I एरर: शून्य परिकल्पना (मॉडल 1) के तहत, p-वैल्यू यूनिफॉर्मली डिस्ट्रीब्यूटेड थे, जिनमें से अधिकांश 0.05 से अधिक थे, जो सही साइज कंट्रोल को दर्शाता है।
  • पावर (Power): वैकल्पिक परिकल्पनाओं (मॉडल 2–5) के तहत, टेस्ट ने उच्च पावर प्रदर्शित की, जिसमें नमूना आकार बढ़ने के साथ p-वैल्यू 0.05 से काफी नीचे गिर गई।
  • मजबूती (Robustness): विधि ने संतुलित और असंतुलित दोनों ऑब्जर्वेशन शेड्यूल्स के तहत लगातार अच्छा प्रदर्शन किया।

4.2 वास्तविक डेटा अनुप्रयोग

• WISDM डेटासेट (गति पहचान):
  • कार्य: विभिन्न गतिविधियों के लिए z-एक्सिस त्वरण (acceleration) के दिए जाने पर x- और y-एक्सिस त्वरण की सशर्त स्वतंत्रता का परीक्षण करना।
  • परिणाम: गतिशील गतिविधियों (चलना, दौड़ना, सीढ़ियाँ चढ़ना) के लिए, शून्य परिकल्पना को अस्वीकार नहीं किया गया (p > 0.05), जिसका अर्थ है कि z-एक्सिस x और y के बीच के संबंध को कैप्चर करता है। बैठने (sitting) के लिए, शून्य परिकल्पना को अस्वीकार किया गया (p < 0.05), जो z द्वारा स्पष्ट न होने वाली x और y के बीच एक अवशिष्ट निर्भरता (residual dependency) को दर्शाता है, जो शरीर के डगमगाने (body sway) के भौतिक अवलोकन के अनुरूप है।
• WDI डेटासेट (मैक्रोइकोनॉमिक्स):
  • कार्य: यह परीक्षण करना कि क्या सामाजिक-आर्थिक संकेतक (जैसे, जीवन प्रत्याशा, मुद्रास्फीति, बेरोजगारी) GDP के दिए जाने पर सशर्त स्वतंत्र हैं।
  • परिणाम: एक कंडीशनल डिपेंडेंसी ग्राफ बनाया गया। विशेष रूप से, जीवन प्रत्याशा (Life Expectancy) को GDP के नियंत्रण के बाद भी अधिकांश अन्य कारकों पर सशर्त रूप से निर्भर पाया गया, जबकि वास्तविक ब्याज दर (Real Interest Rate) GDP के दिए जाने पर अन्य कारकों से सशर्त स्वतंत्र प्रतीत हुई।

5. महत्व

यह शोध पत्र फंक्शनल डेटा विश्लेषण और कॉज़ल इंफरेंस (causal inference) के क्षेत्र को महत्वपूर्ण रूप से आगे बढ़ाता है।

• सैद्धांतिक प्रभाव: एसिम्प्टोटिक वितरण को कठोरता से स्थापित करके, यह कर्नेल-आधारित CI परीक्षणों के उपयोग को हाई-डायमेंशनल और अनंत-आयामी सेटिंग्स में मान्य करता है, जो पिछले सैद्धांतिक अंतराल को सुधारता है।
• व्यावहारिक उपयोगिता: यह शोधकर्ताओं को जटिल फंक्शनल डेटा (जैसे, मेडिकल सिग्नल, क्लाइमेट डेटा, इकोनॉमिक टाइम सीरीज़) के लिए एक शक्तिशाली, नॉनपैरामेट्रिक टूल प्रदान करता है ताकि छिपी हुई सशर्त निर्भरता को उजागर किया जा सके जिन्हें रैखिक या पैरामेट्रिक विधियाँ मिस कर सकती हैं।
• व्यापक प्रयोज्यता: अभिसरण दर और एसिम्प्टोटिक वितरणों के संबंध में सैद्धांतिक परिणाम केवल फंक्शनल डेटा तक सीमित नहीं हैं, बल्कि मौजूदा मल्टीवेरेट CI परीक्षणों के सैद्धांतिक आधार को भी मजबूत करते हैं।