Projection Diagnostics for Directional Asymmetry and Tail-Ratio Departure in Multivariate Data

तकनीकी सारांश: बहुभिन्निकीय डेटा में दिशात्मक विषमता और टेल-अनुपात विचलन के लिए प्रोजेक्शन डायग्नोस्टिक्स

समस्या विवरण
बहुभिन्निकीय गैर-सामान्यता (non-normality) का आकलन करने वाली मौजूदा विधियाँ, जैसे कि मार्डिया के मोमेंट-आधारित स्क्यूनेस (skewness) और कर्टोसिस (kurtosis) या ओम्निबस टेस्ट (जैसे हेन्ज़-ज़िरकल, डोरनिक-हैनसेन, एनर्जी डिस्टेंस), दो प्राथमिक सीमाओं का सामना करती हैं। पहला, वे गैर-गाऊसी (non-Gaussianity) के विभिन्न स्रोतों को मिला देती हैं; सामान्यता (normality) की अस्वीकृति यह अंतर नहीं कर पाती है कि विचलन दिशात्मक विषमता (स्क्यूनेस), टेल इन्फ्लेशन (भारी पूंछ/heavy tails), या दोनों के संयोजन से प्रेरित है। दूसरा, मोमेंट-आधारित दृष्टिकोण तीसरे और चौथे मोमेंट्स पर निर्भर करते हैं, जो भारी-पूंछ (heavy-tailed) सेटिंग्स में अस्थिर या अपरिभाषित हो सकते हैं और उच्च-आयामी परिमित-नमूना प्रभावों के प्रति संवेदनशील होते हैं। इसके अतिरिक्त, माल्कोविच-अफीफी जैसे प्रोजेक्शन-आधारित प्रतिस्पर्धी, हालांकि दिशात्मकता को संबोधित करते हैं, फिर भी मोमेंट-आधारित रहते हैं और गणनात्मक रूप से गहन होते हैं। लेखक एक ऐसे डायग्नोस्टिक फ्रेमवर्क का प्रस्ताव करते हैं जो दिशात्मक स्क्यूनेस को टेल-अनुपात विचलन से अलग करने के लिए रोबस्ट, क्वांटाइल-आधारित उपायों का उपयोग करता है ताकि बाद के मॉडलिंग विकल्पों (जैसे कि सममित, स्क्यूड, टेल-डिपार्टेड, या संयुक्त मॉडल के बीच चयन करना) का मार्गदर्शन किया जा सके।

कार्यप्रणाली (Methodology)
प्रस्तावित प्रक्रिया बहुभिन्निकीय डायग्नोस्टिक समस्या को एकत्रीकरण वाले एक-आयामी प्रोजेक्शन में बदल देती है। मान लीजिए $X_1, \dots, X_n$ $p$-आयामी अवलोकन हैं। विधि केंद्रित प्रोजेक्शन $Y_i(u) = u^\top(X_i - \hat{\theta})$ पर कार्य करती है, जो दिशाओं के एक सेट $U_m = \{u_1, \dots, u_m\}$ के साथ $S^{p-1}$ यूनिट स्फीयर से ली गई हैं। दिशा सेट में व्यापक कवरेज और विरल (sparse) या मार्जिनल विचलन के प्रति संवेदनशीलता सुनिश्चित करने के लिए रैंडम दिशाओं (यूनिफॉर्मली सैम्पल्ड) और कोआर्डिनेट दिशाओं का संयोजन है।

दो क्वांटाइल-आधारित सारांशों की खोज की गई दिशाओं पर गणना की जाती है:

1. दिशात्मक स्क्यूनेस ($\hat{S}U_{m, A_S}$): एक असीमेट्री माप जिसे क्वांटाइल स्तरों के एक परिमित सेट $A_S \subset (0, 0.5)$ पर आंका जाता है। लेखक बोले-टाइप (Bowley-type) सांख्यिकी और सामान्यीकृत क्वांटाइल स्क्यूनेस का उपयोग करते हैं:
   $$\hat{\gamma}_a(u) = \frac{\hat{Q}_{1-a}(u) + \hat{Q}_a(u) - 2\hat{Q}_{0.50}(u)}{\hat{Q}_{1-a}(u) - \hat{Q}_a(u)}$$
   सारांश सांख्यिकी दिशाओं और क्वांटाइल स्तरों पर अधिकतम पूर्ण मान है: $\hat{S}U_{m, A_S} = \max_{u \in U_m} \max_{a \in A_S} |\hat{\gamma}_a(u)|$।

2. दिशात्मक टेल-अनुपात ($\hat{T}U_m$): एक बेंचमार्क (जैसे गाऊशियन) के सापेक्ष टेल थिकनेस का माप। यह इंटर-क्वाटाइल रेंज के मुकाबले एक बाहरी केंद्रीय अंतराल की चौड़ाई की तुलना करता है:
   $$\hat{\tau}_q(u) = \frac{\hat{Q}_{1-q}(u) - \hat{Q}_q(u)}{\hat{Q}_{0.75}(u) - \hat{Q}_{0.25}(u)}$$
   सारांश एक संदर्भ मान $\tau^0_q$ से अधिकतम विचलन है: $\hat{T}U_m = \max_{u \in U_m} |\hat{\tau}_q(u) - \tau^0_q|$।

कैलिब्रेशन और वर्गीकरण
आयामीता और खोजी गई दिशाओं की संख्या को ध्यान में रखने के लिए, कच्चे सांख्यिकीय मानों को एक संदर्भ मॉडल (आमतौर पर गाऊशियन, हालांकि एलिप्टिकल कैलिब्रेशन पर चर्चा की गई है) के तहत सिमुलेशन के माध्यम से कैलिब्रेट किया जाता है। यह दो $p$-मान प्रदान करता: स्क्यूनेस ($p_S$) और टेल विचलन ($p_T$) के लिए। ये दो आयाम एक चार-रीजीम वर्गीकरण (four-regime classification) को परिभाषित करते हैं:

• सिमेट्रिक बेंचमार्क-टेल: कोई महत्वपूर्ण स्क्यूनेस या टेल विचलन नहीं।
• सिमेट्रिक टेल-डिपार्टेड: महत्वपूर्ण टेल विचलन लेकिन कोई स्क्यूनेस नहीं।
• स्क्यूड बेंचमार्क-टेल: महत्वपूर्ण स्क्यूनेस लेकिन कोई टेल विचलन नहीं।
• स्क्यूड टेल-डिपार्टेड: महत्वपूर्ण स्क्यूनेस और टेल विचलन दोनों।

सैद्धांतिक परिणाम
लेखक कई सैद्धांतिक गुणों को स्थापित करते हैं:

• पॉपुलेशन सेपरेशन: केंद्रीय समरूपता (central symmetry) के तहत, दिशात्मक स्क्यूनेस सभी दिशाओं में शून्य हो जाती है। एलिप्टिसिटी के तहत, स्केल-फ्री टेल-अनुपात सभी गैर-डीजेनरेट दिशाओं में स्थिर रहता है।
• डिटेक्टेबिलिटी (पता लगाने की क्षमता): प्रमेय यह प्रदर्शित करते हैं कि दिशाओं का एक परिमित सेट स्थानीयकृत विचलन का पता लगा सकता है यदि सिग्नल एक गोलाकार पड़ोस (spherical neighborhood) में बना रहता है, जिसमें डिटेक्शन की संभावना प्रोजेक्शन की संख्या और स्फेरिकल कैप मास द्वारा नियंत्रित होती है।
• परिमित-नमूना नियंत्रण: खोजी गई दिशाओं पर एम्पिरिकल क्वांटाइल डायग्नोस्टिक्स के लिए यूनिफॉर्म बाउंड्स प्राप्त किए गए हैं, जो $\sqrt{\log(m)/n}$ की दर से अभिसरण (convergence) दिखाते हैं। महत्वपूर्ण रूप से, इन बाउंड्स को तीसरे या चौथे मोमेंट्स के अस्तित्व की आवश्यकता नहीं है।
• कंसिस्टेंसी (संगति): दिखाया गया है कि दो सारांशों वाला एक थ्रेशोल्ड क्लासिफायर अलग-अलग रीजीम के तहत सुसंगत (consistent) है (जहाँ जनसंख्या सांख्यिकी शून्य से दूर सीमित है)।
• स्पार्स अल्टरनेटिव्स: एक रैंक-वन विश्लेषण दर्शाता है कि जबकि रैंडम दिशाएं व्यापक कवरेज प्रदान करती हैं, वे स्पार्स सिग्नल के लिए अक्षम हो सकती हैं। कोआर्डिनेट दिशाओं को शामिल करना स्पार्स, कोआर्डिनेट-अलाइन्ड विचलन के लिए संवेदनशीलता सुनिश्चित करता है।

सिमुलेशन परिणाम
मोंटे कार्लो प्रयोग गाऊशियन, स्टूडेंट-$t$, स्क्यू-नॉर्मल, स्क्यू-$t$, और कंटैमिनेटेड नॉर्मल वितरणों के माध्यम से पद्धति का मूल्यांकन करते हैं।

• सेपरेशन (पृथक्करण): स्क्यूनेस घटक स्क्यू-नॉर्मल और स्क्यू-$t$ मॉडलों को सही ढंग से खारिज करता है और सममित मॉडलों (स्टूडेंट-$t$ और कंटैमिनेटेड नॉर्मल सहित) के लिए नाममात्र आकार (nominal size) बनाए रखता है। इसके विपरीत, टेल घटक स्टूडेंट-$t$, स्क्यू-$t$, और कंटैमिनेटेड नॉर्मल को खारिज करता है और गाऊशियन तथा स्क्यू-नॉर्मल डेटा के लिए स्थिर रहता है।
• आयामीता: घने (dense) स्क्यूनेस सेटिंग्स में, छोटे नमूने के आकार के साथ उच्च आयामों में शक्ति (power) कम हो जाती है क्योंकि रैंडम प्रोजेक्शन को सिग्नल के साथ संरेखित करना कठिन होता है। हालांकि, कोआर्डिनेट दिशाओं को शामिल करने से स्पार्स स्क्यूनेस के लिए शक्ति में काफी सुधार होता है।
• तुलना: प्रस्तावित विधि मानक ओम्निबस टेस्ट (मार्डिया, हेन्ज़-ज़िरकल, आदि) के समान रिजेक्शन व्यवहार प्रदर्शित करती है, लेकिन गैर-गाऊसी होने के स्रोत को विघटित करके बेहतर व्याख्यात्मकता (interpretability) प्रदान करती है। यह प्रोजेक्शन-पर्पस कर्टोसिस टेस्ट की तुलना में गणनात्मक रूप से अधिक कुशल भी है।

वास्तविक-डेटा अनुप्रयोग
विधि को पांच भारतीय शहरों से वायु गुणवत्ता डेटा (10 प्रदूषक) पर लागू किया गया है।

• निष्कर्ष: पूर्ण-नमूना विश्लेषण सभी शहरों को "स्क्यूड टेल-डिपार्टेड" के रूप में वर्गीकृत करता है, जो स्क्यू-टी (skew-$t$) जैसे स्क्यूड हैवी-टेल्ड मॉडलों की आवश्यकता का सुझाव देता है।
• टेम्पोरल डायनेमिक्स (सामयिक गतिशीलता): उप-अवधि विश्लेषण एक बदलाव को प्रकट करता। कुछ शहरों (मुंबई, कोलकाता, बैंगलोर) के लिए प्री-2020 डेटा को "स्क्यूड बेंचमार्क" (असममित लेकिन भारी-पूंछ वाला नहीं) के रूप में वर्गीकृत किया गया था, जबकि पोस्ट-2020 डेटा सभी शहरों के लिए "स्क्यूड टेल-डिपार्टेड" में बदल गया। यह डायग्नोस्टिक की क्षमता को उजागर करता है कि वह विशिष्ट मॉडलिंग विकल्पों (जैसे कि क्या भारी पूंछ आवश्यक है) को निर्देशित कर सके, जिसे ओम्निबस टेस्ट मिस कर सकते थे।

महत्व और दावे
लेखक इस कार्य को मौजूदा परीक्षणों पर शुद्ध रिजेक्शन पावर में एक समान प्रभुत्व के रूप में नहीं, बल्कि एक रोबस्ट, व्याख्यात्मक डायग्नोस्टिक डिकंपोजिशन के रूप में प्रस्तुत करते हैं। इसका प्राथमिक योगदान बहुभिन्निकीय गैर-गाऊसी को दो अलग-अलग, व्याख्यात्मक घटकों में विभाजित करना है: दिशात्मक विषमता और टेल-अनुपात विचलन। क्वांटाइल-आधारित फंक्शनल्स का उपयोग करके, यह विधि भारी-पूंछ वाले सेटिंग्स में उच्च-क्रम के मोमेंट्स की अस्थिरता से बचती है। यह फ्रेमवर्क एक स्क्रीनिंग टूल के रूप में डिज़ाइन किया गया है जो बाद के पैरामीट्रिक मॉडलों (सिमेट्रिक बनाम स्क्यूड, लाइट-टेल्ड बनाम हेवी-टेल्ड) के चयन को सूचित करता है, जो उन ओम्निबस नॉर्मलिटी टेस्ट के अंतराल को भरता है जो केवल शून्य को खारिज करते हैं बिना प्रकृति का वर्णन किए। लेख निष्कर्ष निकालता है कि इसमें टेम्पोरल डिपेंडेंस और डेटा-एडाप्टिव दिशाओं (PCA/ICA) और फंक्शनल डेटा वाले भविष्य के विस्तार की संभावनाएं मौजूद हैं।