Elliptical Regularized Hotelling Testing for High Dimensional Data

तकनीकी सारांश: उच्च-आयामी डेटा के लिए दीर्घवृत्तीय नियमितकृत हॉटलिंग परीक्षण (Elliptical Regularized Hotelling Testing)

समस्या विवरण
यह शोध पत्र दीर्घवृत्तीय सममित वितरणों (elliptically symmetric distributions) के तहत एक उच्च-आयामी स्थान पैरामीटर $\theta_p$ के लिए एक-नमूना परीक्षण (one-sample testing) की समस्या को संबोधित करता है। यह परिवेश तीन चुनौतीपूर्ण विशेषताओं द्वारा अभिलक्षित है: आयाम $p$, नमूना आकार $n$ के बराबर या उससे बड़ा है; निर्देशांक व्यापक क्रॉस-सेक्शनल निर्भरता (जैसे कि गैर-शून्य सहसंबंधों के साथ कंपाउंड सिमिट्री) प्रदर्शित करते हैं; और प्रेक्षणों में भारी रेडियल टेल (heavy radial tails) होती हैं, जो साधारण मोमेंट्स (ordinary moments) को कमजोर या अस्तित्वहीन बना सकती हैं। शास्त्रीय हॉटलिंग परीक्षण इस शासन में विफल हो जाते हैं क्योंकि नमूना सहप्रसरण का व्युत्क्रम (sample covariance inverse) अस्थिर होता है, जबकि मौजूदा मजबूत विधियाँ अक्सर स्केलर या विकर्ण मानकीकरण (diagonal standardization) पर निर्भर करती हैं, जो निर्भरता ज्यामिति का पूर्ण लाभ उठाने में विफल रहती हैं या भारी पूंछ (heavy tails) के प्रति संवेदनशील होती हैं।

कार्यप्रणाली
लेखक कॉची संयोजन के साथ दीर्घवृत्तीय नियमितकृत हॉटलिंग परीक्षण (ERHT–CC) का प्रस्ताव करते हैं। कार्यप्रणाली तीन चरणों में आगे बढ़ती है:

1. मजबूत अनुमान (Robust Estimation): परीक्षण सांख्यिकी का निर्माण नमूना स्थानिक माध्यिका (sample spatial median) $\hat{\theta}$ और एक केंद्रित स्थानिक-चिह्न सहप्रसरण मैट्रिक्स (centered spatial-sign covariance matrix - SSCM) $\hat{R}_n$ का उपयोग करके किया जाता है। SSCM को $\hat{R}_n = n^{-1} \sum \tilde{Y}_i \tilde{Y}_i^\top$ के रूप में परिभाषित किया गया है, जहाँ $\tilde{Y}_i = \sqrt{p} U(X_i - \hat{\theta})$ और $U(\cdot)$ एक स्थानिक चिह्न फलन (spatial sign function) है। यह निर्माण रेडियल परिमाणों को हटा देता है जबकि दिशात्मक जानकारी को सुरक्षित रखता है, जो भारी पूंछ के विरुद्ध मजबूती प्रदान करता है।
2. नियमितीकरण (Regularization): उच्च-आयामीता और व्यापक निर्भरता को संभालने के लिए, परीक्षण सांख्यिकी SSCM पर एक रिज नियमितीकरण (ridge regularization) लागू करती है। सांख्यिकी को $T_n(\rho) = n(\hat{\theta} - \theta_{0,p})^\top (\hat{R}_n + \rho I_p)^{-1} (\hat{\theta} - \theta_{0,p})$ के रूप में परिभाषित किया गया है, जहाँ $\rho > 0$ एक रिज पैरामीटर है।
3. एकत्रीकरण (Aggregation): चूंकि इष्टतम रिज पैरामीटर अज्ञात वैकल्पिक परिकल्पना (विशेष रूप से सिग्नल प्रोफाइल और जनसंख्या स्पेक्ट्रम) पर निर्भर करता है, लेखक एक एकल $\rho$ चुनने के बजाय, रिज मापदंडों के एक निश्चित नियत ग्रिड $\mathcal{R}_K = \{\rho^{(1)}, \dots, \rho^{(K)}\}$ पर एक परीक्षण सांख्यिकी की गणना करते हैं। परिणामी मार्जिनल $p$-मानों को अंतिम परीक्षण सांख्यिकी $T_{CC,n}$ बनाने के लिए कॉची संयोजन नियम (Liu and Xie, 2020) का उपयोग करके एकत्रित किया जाता है।

प्रमुख सैद्धांतिक योगदान
लेखक एक वास्तविक दीर्घवृत्तीय मॉडल के तहत एक कठोर स्पर्शोन्मुख सिद्धांत (asymptotic theory) स्थापित करते हैं, जहाँ आकार मैट्रिक्स (shape matrix) $\Omega_p$ में "स्पाइक्स" (eigenvalues जो $p$ के समानुपाती हैं) की एक निश्चित संख्या और एक सीमित बल्क स्पेक्ट्रम होता है।

• शून्य स्पर्शोन्मुख सामान्यता (Null Asymptotic Normality): लेखक व्यवहार्य, केंद्रित, और विचरण-स्केल्ड सांख्यिकी $Z_n(\rho)$ के शून्य स्पर्शोन्मुख सामान्य वितरण को व्युत्पन्न करते हैं। एक महत्वपूर्ण तकनीकी योगदान यह प्रमाण है कि स्थानिक माध्यिका पर केंद्रित करने से होने वाला विक्षोभ (perturbation), व्यापक निर्भरता के तहत ऑपरेटर नॉर्म में नगण्य नहीं है। लेखक स्थानिक माध्यिका के द्विघात-रूप सटीक विस्तार (quadratic-form-accurate expansion) को विकसित करते हैं, जो सेंट्रिंग प्रभाव को एक रैंक-दो सुधार और कारक-प्रेरित परिमित-रैंक पदों में अलग करता है, जिन्हें फिर व्यापक आइगेनस्पेस के साथ रिज रिजॉल्वेंट (ridge resolvent) द्वारा दबा दिया जाता है।
• व्यवहार्य अंशांकन (Feasible Calibration): स्पर्शोन्मुख सेंट्रिंग और विचरण के लिए सुसंगत, पूर्णतः डेटा-संचालित अनुमानक निर्मित किए गए हैं। शोध पत्र सिद्ध करता है कि ये अनुमानक पर्याप्त दरों पर अभिसरण करते हैं ताकि यह सुनिश्चित हो सके कि व्यवहार्य सांख्यिकी $Z_n(\rho)$ एक मानक सामान्य वितरण की ओर अभिसरित होती है।
• स्थानीय शक्ति और ऑरेकल रिज (Local Power and Oracle Ridge): घने विकल्पों (dense alternatives) के लिए एक स्थानीय शक्ति फलन व्युत्पन्न किया गया है। विश्लेषण एक सिग्नल-टू-नॉइज़ मानदंड की पहचान करता है जो "ऑरेकल" रिज पैरामीटर $\rho^*_G$ को निर्धारित करता है। शोध पत्र दिखाता है कि शक्ति-इष्टतम $\rho$, अज्ञात सिग्नल माप $G$ और जनसंख्या स्पेक्ट्रम पर निर्भर करता है।
• एकत्रीकरण के लिए संयुक्त गॉसियन सीमा (Joint Gaussian Limit for Aggregation): जटिल क्रॉस-रिज सहसंबंधों का अनुमान लगाने के बिना कॉची एकत्रीकरण को न्यायसंगत बनाने के लिए, लेखक सांख्यिकीओं के वेक्टर $(Z_n(\rho^{(1)}), \dots, Z_n(\rho^{(K)}))^\top$ के लिए एक परिमित-ग्रिड संयुक्त गॉसियन सीमा स्थापित करते हैं। वे सिद्ध करते हैं कि मानक कॉची कटऑफ पर आधारित विश्लेषणात्मक संयुक्त $p$-मान छोटे टेल प्रोबेबिलिटी के लिए स्पर्शोन्मुख रूप से वैध है, भले ही क्रॉस-रिज सहसंबंध मैट्रिक्स का स्पष्ट रूप से अनुमान न लगाया गया हो।

अनुभवजन्य परिणाम
मोंटे कार्लो सिमुलेशन ERHT–CC की तुलना कई मौजूदा विधियों से करते हैं: विकर्ण-हटाया गया द्विघात U-सांख्यिकी (CQ), स्थानिक-चिह्न परीक्षण (WPL), और कॉची एकत्रीकरण के साथ सहप्रसरण-आधारित नियमितकृत हॉटलिंग परीक्षण (RHT–CC)।

• आकार नियंत्रण (Size Control): ERHT–CC, व्यापक कंपाउंड सिमिट्री के तहत भी, गॉसियन, मल्टीवेरिएट $t_5$, और नॉर्मल मिक्सचर वितरणों में नाममात्र 5% स्तर के करीब अनुभवजन्य आकार बनाए रखता है। इसके विपरीत, RHT–CC भारी पूंछ के तहत रूढ़वादी (conservative) हो जाता है, और WPL/CQ उदार (liberal) हो सकते हैं।
• शक्ति प्रदर्शन (Power Performance): सीमित-स्पेक्ट्रम निर्भरता (AR(1)) के तहत, ERHT–CC, WPL के साथ प्रतिस्पर्धी है। हालांकि, व्यापक निर्भरता (कंपाउंड सिमिट्री) के तहत, ERHT–CC, WPL और CQ की तुलना में पर्याप्त शक्ति लाभ प्रदर्शित करता है, विशेष रूप से घने सिग्नलों के लिए। यह विधि कमजोर, सहसंबंधित सिग्नलों को प्रभावी ढंग से संचित करती है।
• मजबूती (Robustness): स्थानिक-माध्यिका और स्थानिक-चिह्न निर्माण भारी पूंछ वाले परिदृश्यों में शक्ति की रक्षा करता है जहाँ सहप्रसरण-आधारित विधियाँ (RHT–CC) दक्षता खो देती हैं।
• वास्तविक डेटा अनुप्रयोग: युग्मित फेफड़ों के कैंसर जीन-अभिव्यक्ति डेटा (GSE19804) का एक विश्लेषण विधि की संवेदनशीलता को दर्शाता है। कमजोर मार्जिनल साक्ष्य वाले प्रोब्स पर केंद्रित एक सब-सैंपलिंग प्रयोग में, ERHT–CC ने लगातार उच्चतम रिजेक्शन फ्रीक्वेंसी प्राप्त की, जो RHT–CC, WPL और CQ से बेहतर रही।

महत्व और दावे
शोध पत्र का दावा है कि ERHT–CC एक एकीकृत समाधान प्रदान करता है जो भारी पूंछ और व्यापक निर्भरता दोनों को एक साथ संबोधित करता है। इसका महत्व निम्नलिखित में निहित है:

1. निर्भरता ज्यामिति का लाभ उठाना: स्केलर-मानकीकृत साइन परीक्षणों के विपरीत, पूर्ण SSCM का नियमितकृत व्युत्क्रम (regularized inverse) सहप्रसरण संरचना का उपयोग करता है, जिससे जब आइगेन-दिशाएं प्रभावशाली होती हैं, तो शक्ति लाभ मिलता है।
2. मजबूती: स्थानिक मात्राओं का उपयोग भारी रेडियल पूंछ के विरुद्ध शक्ति की रक्षा करता है, जो गैर-गॉसियन सेटिंग्स में सहप्रसरण-आधारित नियमितकृत परीक्षणों (RHT–CC) की तुलना में बेहतर प्रदर्शन करता है।
3. अनुकूलन क्षमता (Adaptivity): एक निश्चित ग्रिड पर कॉची एकत्रीकरण, एक एकल, विकल्प-निर्भर रिज पैरामीटर चुनने की आवश्यकता को समाप्त करता है, जिससे विभिन्न सिग्नल संरचनाओं के लिए समान प्रदर्शन मिलता है।
4. सैद्धांतिक कठोरता: कार्य एक नवीन प्रमाण रणनीति प्रदान करता है जो अनुमानित स्थानिक केंद्रों, भारी-पूंछ वाले रेडियाई और व्यापक आइगेनवैल्यू के एक साथ उपस्थिति के लिए तैयार की गई है, जो क्रॉस-सहसंबंध अनुमान की आवश्यकता के बिना एक निश्चित-ग्रिड एकत्रीकरण के लिए एक संयुक्त सीमा स्थापित करती है।

लेखक निष्कर्ष निकालते हैं कि यह विधि व्यापक निर्भरता और भारी पूंछ के तहत घने विकल्पों के लिए विशेष रूप से प्रभावी है, साथ ही यह भी उल्लेख करते हैं कि भविष्य के कार्य इस ढांचे को स्पर्सिटी-अनुकूली (sparsity-adaptive) प्रक्रियाओं और बहु-नमूना समस्याओं तक विस्तारित कर सकते हैं।