Rank-Based Tests for Mutual Independence of High-Dimensional Random Vectors via $L_q$ Norm

तकनीकी सारांश: Lq नॉर्म के माध्यम से उच्च-आयामी यादृच्छिक वेक्टर्स की पारस्परिक स्वतंत्रता के लिए रैंक-आधारित परीक्षण

समस्या विवरण
यह शोध पत्र एक उच्च-आयामी यादृच्छिक वेक्टर $X = (X_1, \dots, X_p)^\top$ के घटकों के बीच पारस्परिक स्वतंत्रता के परीक्षण की समस्या को संबोधित करता है, जहाँ आयाम $p$, नमूना आकार $n$ के बराबर या उससे काफी अधिक हो सकता है। शून्य परिकल्पना (null hypothesis) यह है कि $X_1, \dots, X_p$ परस्पर स्वतंत्र हैं। यह समस्या जीनोमिक्स, वित्त और नेटवर्क स्क्रीनिंग जैसे क्षेत्रों में महत्वपूर्ण है, जहाँ स्वतंत्रता को गलत रूप से मानना अनिश्चितता के परिमाणीकरण और जोखिम मूल्यांकन को विकृत कर सकता है।

मौजूदा विधियाँ सीमाओं का सामना करती हैं: शास्त्रीय लाइकलीहुड-रेश्यो और सहप्रसरण-आधारित प्रक्रियाएँ $p > n$ होने पर विफल हो जाती हैं क्योंकि सैम्पल कोवेरिएंस मैट्रिसेस सिंगुलर (singular) हो जाते हैं। जबकि सम-प्रकार (sum-type) की प्रक्रियाओं (जो सघन विकल्पों के प्रति संवेदनशील हैं) और मैक्स-प्रकार (maximum-type) की प्रक्रियाओं (जो विरल विकल्पों के प्रति संवेदनशील हैं) को विकसित किया गया है, लेकिन अज्ञात निर्भरता संरचना के स्पर्सिटी स्तर (sparsity level) को वास्तव में जानना दुर्लभ है। इसके अतिरिक्त, पियर्सन-सहसंबंध-आधारित विधियाँ मार्जिनल वितरणों, भारी पूंछ (heavy tails) और गैर-रेखीय निर्भरता के प्रति संवेदनशील होती हैं। रैंक-आधारित विधियाँ वितरण-मुक्त (distribution-free) विकल्प प्रदान करती हैं, लेकिन पिछले रैंक-आधारित मैक्स-सम ढांचे मुख्य रूप से केवल $L_2$ (सम) और $L_\infty$ (अधिकतम) सांख्यिकी को संयोजित करने तक ही सीमित थे।

कार्यप्रणाली
लेखक एक ऐसा ढांचा प्रस्तावित करते हैं जो रैंक-आधारित मैक्स-सम दृष्टिकोण को एक परिमित-$L_q$ स्पेक्ट्रम (finite-$L_q$ spectrum) तक विस्तारित करता है। यह कार्यप्रणाली तीन सामान्य वर्गों के रैंक-आधारित सहसंबंधों पर आधारित है:

1. सरल रैखिक रैंक सांख्यिकी (जैसे, स्पीयरमैन का $\rho$)।
2. गैर-अपभ्रष्ट (Non-degenerate) रैंक-आधारित U-सांख्यिकी (जैसे, केंडल का $\tau$)।
3. अपभ्रष्ट (Degenerate) रैंक-आधारित U-सांख्यिकी (जैसे, होफडिंग का $D$, ब्लम-कीफर-रोसेनब्लैट का $R$, बर्ग्समा-डैसियोस-यानागिमोटो का $\tau^*$)।

एक निश्चित सम पूर्णांक $q \ge 2$ के लिए, लेखक केंद्रित रैंक सांख्यिकी की $q$-वीं घात पर आधारित परिमित-$L_q$ पावर-सम सांख्यिकी ($S_{A,q}$) को परिभाषित करते हैं। ये सांख्यिकी $L_2$ (सम) सांख्यिकी की सघन-विकल्प संवेदनशीलता और $L_\infty$ (अधिकतम) सांख्यिकी की विरल-विकल्प संवेदनशीलता के बीच मध्यस्थता करती हैं। मध्यम-विरल विकल्पों को लक्षित करने के लिए मध्यवर्ती मान $q=4$ और $q=6$ पेश किए गए हैं।

मुख्य सैद्धांतिक घटक शामिल हैं:

• शून्य अंशांकन (Null Calibration): शोध पत्र स्पीयरमैन के $\rho$ और केंडल के $\tau$ के लिए सटीक परिमित-नमूना सेंट्रिंग और वेरिएंस सूत्र व्युत्पन्न करता है। अपभ्रष्ट रैंक सहसंबंधों के लिए, जहाँ उच्च-क्रम के मोमेंट्स कॉम्बिनेटोरियल रूप से जटिल होते हैं, लेखक शून्य मोमेंट्स का अनुमान लगाने के लिए $B=1,000,000$ पुनरावृत्तियों के साथ एक उच्च-परिशुद्धता मोंटे कार्लो अंशांकन का प्रस्ताव करते हैं।
• अनंतस्पर्शी स्वतंत्रता (Asymptotic Independence): एक केंद्रीय सैद्धांतिक योगदान ब्लॉक अनंतस्पर्शी स्वतंत्रता (block asymptotic independence) का प्रमाण है। शून्य परिकल्पना के तहत, रैंकों का कोई भी निश्चित परिमित संग्रह, संगत $L_\infty$ (अधिकतम) सांख्यिकी से अनंतस्पर्शी रूप से स्वतंत्र है। यह कर्नेल (kernel) पर विशिष्ट नियमितता शर्तों और $p$ के सापेक्ष $n$ की वृद्धि दर (जैसे, गैर-अपभ्रष्ट मामलों के लिए $\log p = o(n^{1/3})$) के तहत तीनों रैंक-आधारित वर्गों के लिए मान्य है।
• कॉची संयोजन (Cauchy Combination): विभिन्न स्पर्सिटी व्यवस्थाओं में साक्ष्य को एकत्रित करने के लिए, लेखक $L_2, L_4, L_6,$ और $L_\infty$ सांख्यिकी के p-मानों को संयोजित करने के लिए कॉची संयोजन नियम का उपयोग करते हैं। यह दृष्टिकोण परिमित-$L_q$ ब्लॉक के जटिल संयुक्त वितरण के अनुमान की आवश्यकता को समाप्त करता है, और इसके बजाय अधिकतम सांख्यिकी और परिमित-$L_q$ ब्लॉक के बीच स्थापित स्वतंत्रता पर भरोसा करता है।

प्रमुख योगदान

1. निश्चित परिमित-$L_q$ परीक्षणों का निरूपण: शोध पत्र तीन सामान्य रैंक-आधारित सहसंबंध वर्गों के तहत निश्चित परिमित-$L_q$ पावर-सम परीक्षणों को तैयार करता है, जो मौजूदा मैक्स-सम ढांचे को $L_2$ और $L_\infty$ अंत बिंदुओं से आगे बढ़ाता है।
2. ब्लॉक स्वतंत्रता सिद्धांत: लेखक परिमित-$L_q$ सांख्यिकी के वेक्टर और अधिकतम सांख्यिकी के बीच अनंतस्पर्शी स्वतंत्रता को सिद्ध करते हैं, जो आवश्यक संबंध को परिभाषित करने के लिए स्पष्ट दर सीमाएं (rate bounds) प्रदान करते हैं।
3. अनुकूली प्रक्रिया (Adaptive Procedure): एक अनुकूली कॉची संयोजन प्रक्रिया ($L_{2,4,6,\infty}$) निर्मित की गई है। यह प्रक्रिया स्पर्सिटी स्तर के पूर्व ज्ञान की आवश्यकता के बिना सघन, मध्यम-विरल और बहुत विरल विकल्पों के प्रति संवेदनशीलता बनाए रखती है।
4. कार्यान्वयन विवरण: शोध पत्र स्पीयरमैन के $\rho$ और केंडल के $\tau$ के लिए बंद-रूप (closed-form) परिमित-नमूना सेंट्रिंग और वेरिएंस सूत्र प्रदान करता है, और अपभ्रष्ट रैंक सहसंबंधों के लिए एक उच्च-परिशुद्धता सिमुलेशन प्रोटोकॉल स्थापित करता है।

परिणाम
विभिन्न स्पर्सिटी व्यवस्थाओं और विभिन्न मार्जिनल वितरणों (Normal, $t_3$, और $\chi^2_1$) में अनुभवजन्य आकार (empirical size) और शक्ति (power) का आकलन करने के लिए संख्यात्मक अध्ययन किए गए।

• अनुभवजन्य आकार (Empirical Size): प्रस्तावित रैंक-आधारत प्रक्रियाएं विभिन्न आयामों और मार्जिनल वितरणों में सामान्यतः 5% सार्थकता स्तर बनाए रखती हैं, जो भारी पूंछ (heavy tails) और विषमता (skewness) के प्रति मजबूती प्रदर्शित करती हैं। इसके विपरीत, पियर्सन-आधारित $L_q$ परीक्षणों (विशेष रूप से $L_4, L_6, L_\infty$) ने गैर-गाऊसी मार्जिन के तहत गंभीर आकार विरूपण (size distortion) दिखाया। रैंक परीक्षणों के $L_\infty$ घटक को कुछ मध्यम-आयामी सेटिंग्स में थोड़ा रूढ़िवादी (conservative) पाया गया।
• अनुभवजन्य शक्ति (Empirical Power): $L_{2,4,6,\infty}$ संयोजन प्रक्रिया ने सभी विचारित डिजाइनों में मजबूत शक्ति प्रदर्शित की।
  • बहुत विरल विकल्पों (Very sparse alternatives) के तहत, $L_\infty$ और उच्च-क्रम परिमित नॉर्म ($L_6$) सबसे शक्तिशाली थे।
  • सघन विकल्पों (Dense alternatives) के तहत, $L_2$ सांख्यिकी सबसे शक्तिशाली थी।
  • संयुक्त प्रक्रिया ने विभिन्न स्पर्सिटी स्तरों के अनुकूल होने में सफलता प्राप्त की, और उन परिदृश्यों में व्यक्तिगत घटकों से बेहतर प्रदर्शन किया जहाँ स्पर्सिटी स्तर अज्ञात था।
  • निर्भरता मापों के बीच, होफडिंग का $D$ और $\tau^*$ रैखिक और गैर-रैखिक विकल्पों (sine-cube और sine-cubic रूपांतरणों सहित) के लिए मजबूत शक्ति प्रदान करते हैं, जबकि स्पीयरमैन का $\rho$ और केंडल का $\tau$ अत्यधिक गैर-रैखिक निर्भरता के लिए कम प्रभावी थे।

महत्व
शोध पत्र का दावा है कि परिणामी $L_{2,4,6,\infty}$ प्रक्रिया स्पर्सिटी के प्रति अत्यधिक मजबूत है और विविध डिजाइनों में मजबूत अनुभवजन्य शक्ति रखती है। परिमित-$L_q$ ब्लॉकों और अधिकतम सांख्यिकी के बीच अनंतस्पर्शी स्वतंत्रता को स्थापित करके, यह कार्य एक एकीकृत परीक्षण बनाने में सक्षम बनाता है जिसे स्पर्सिटी के लिए ट्यूनिंग मापदंडों की आवश्यकता नहीं होती है। यह कार्य रैंक-आधारित सहसंबंधों के माध्यम से वितरण-मुक्त मजबूती बनाए रखते हुए उच्च-आयामी स्वतंत्रता परीक्षण में सघन और विरल पहचान के बीच के अंतर को पाटता है। लेखक उल्लेख करते हैं कि भविष्य के कार्य अपभ्रष्ट U-सांख्यिकी के लिए तेज़ सटीक परिमित-नमूना अंशांकन पर ध्यान केंद्रित कर सकते हैं और इन संयोजनों को सशर्त या अवशेष-आधारित (residual-based) स्वतंत्रता सेटिंग्स तक विस्तारित कर सकते हैं।