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

1. Il Problema

L'indipendenza condizionale è un concetto fondamentale in aree come la riduzione della dimensione sufficiente, l'inferenza causale e i modelli grafici statistici. Tuttavia, la maggior parte dei test esistenti per l'indipendenza condizionale (CI) è stata sviluppata per dati multivariati (vettori).
Nelle moderne applicazioni, i dati emergono sempre più spesso sotto forma di funzioni casuali (dati funzionali), ad esempio segnali provenienti da dispositivi indossabili o serie temporali economiche.
Il problema centrale affrontato da questo lavoro è la mancanza di metodi teorici e pratici per determinare se due funzioni casuali ($X$ e $Y$) sono condizionalmente indipendenti data una terza funzione ($Z$), ovvero verificare se $X \perp\!\!\!\perp Y | Z$ nel contesto funzionale.

2. Metodologia Proposta

Gli autori estendono i test basati su kernel (RKHS - Spazi di Hilbert a Kernel Riproducente) al setting funzionale, introducendo un approccio basato sull'Operatore di Covarianza Condizionata Congiunta (Conjoined Conditional Covariance Operator - CCCO).

A. Quadrio Teorico (RKHS e Operatori)

• Spazi di Hilbert Annidati: Si definiscono spazi di Hilbert separabili $H_X, H_Y, H_Z$ per le funzioni e si introducono kernel positivi definiti $\kappa_X, \kappa_Y, \kappa_Z$ che generano spazi RKHS $G_X, G_Y, G_Z$.
• Operatore di Covarianza Condizionata (CCO): Viene definito l'operatore $\Sigma_{XY|Z}$ come la covarianza residua tra $X$ e $Y$ dopo aver rimosso l'effetto di $Z$.
• CCCO ($\Sigma_{\ddot{X}\ddot{Y}|Z}$): Poiché il CCO standard non è sufficiente a caratterizzare l'indipendenza condizionale completa (richiede che la covarianza condizionata sia zero per tutte le funzioni, non solo in media), gli autori definiscono un operatore modificato. Si considerano le variabili congiunte $\ddot{X} = (X, Z)$ e $\ddot{Y} = (Y, Z)$ e si costruisce l'operatore CCCO:
  $$\Sigma_{\ddot{X}\ddot{Y}|Z} = \Sigma_{\ddot{X}\ddot{Y}} - \Sigma_{\ddot{X}Z}\Sigma_{ZZ}^{\dagger}\Sigma_{Z\ddot{Y}}$$
  dove $\Sigma^{\dagger}$ è l'inverso di Moore-Penrose.
• Teorema di Caratterizzazione: È dimostrato che $\Sigma_{\ddot{X}\ddot{Y}|Z} = 0$ se e solo se $X \perp\!\!\!\perp Y | Z$, assumendo che i kernel siano "caratteristici".

B. Statistica del Test

La statistica del test proposta è basata sulla norma di Hilbert-Schmidt dell'estimatore del CCCO:
$$T_n = n \| \hat{\Sigma}_{\ddot{X}\ddot{Y}|Z} \|_{HS}^2$$
Sotto l'ipotesi nulla ($H_0: X \perp\!\!\!\perp Y | Z$), la statistica dovrebbe essere piccola; sotto l'alternativa, tende a essere grande.

C. Stima e Implementazione Numerica

• Stima degli Operatori: Gli operatori di covarianza sono stimati sostituendo le aspettative con medie campionarie. Poiché l'inversione dell'operatore di covarianza $\Sigma_{ZZ}$ è un problema mal posto (ill-posed), viene utilizzata la regolarizzazione di Tikhonov con un parametro $\epsilon_n$.
• Approssimazione delle Funzioni: Poiché i dati funzionali sono osservati solo in punti discreti, le traiettorie vengono ricostruite utilizzando uno "smoother" basato su kernel (RKHS smoother) e l'integrazione numerica (regola di Simpson) per calcolare i prodotti interni e le distanze.
• Distribuzione Asintotica: La distribuzione asintotica di $T_n$ sotto $H_0$ è una somma pesata di variabili chi-quadro ($\sum \lambda_k Z_k^2$), dove $\lambda_k$ sono gli autovalori di un operatore limite.

3. Contributi Chiave e Innovazioni Teoriche

Il contributo teorico più significativo del paper risiede nella giustificazione rigorosa della distribuzione asintotica, un punto che era stato solo abbozzato in lavori precedenti (es. Zhang et al., 2011) per dati multivariati.

1. Miglioramento del Tasso di Convergenza:

   • La difficoltà principale nella prova asintotica deriva dalla stima dell'inverso dell'operatore di covarianza tramite regolarizzazione di Tikhonov, che rallenta la convergenza.
   • I lavori precedenti utilizzavano un tasso di convergenza per l'operatore di regressione di ordine $O(n^{-1/4})$, che si è rivelato insufficiente per garantire la distribuzione asintotica corretta.
   • Gli autori sfruttano un risultato recente di Choi et al. (2026) che fornisce un tasso di convergenza "affinato" (sharpened) per l'operatore di regressione.
   • Dimostrano che, sotto condizioni specifiche sulla regolarità ($\beta$) e sul decadimento degli autovalori ($\alpha$), il tasso di convergenza può essere superiore a $n^{-1/4}$, rendendo possibile la derivazione rigorosa della distribuzione asintotica.

2. Generalizzazione ai Dati Funzionali:

   • Estendono la teoria dai vettori alle funzioni, gestendo la complessità aggiuntiva delle $\sigma$-algebre di Borel e degli spazi di funzioni infinite-dimensionali.

3. Algoritmo di Accelerazione Computazionale:

   • Poiché la matrice degli autovalori necessaria per la distribuzione asintotica ha dimensione $n^2 \times n^2$ (dove $n$ è la dimensione del campione), il calcolo diretto è proibitivo.
   • Gli autori propongono un algoritmo che riduce il problema al calcolo degli autovalori di una matrice $n \times n$, sfruttando la struttura a basso rango dell'operatore stimato, rendendo il metodo praticabile per campioni di dimensioni moderate.

4. Risultati

Simulazioni

Sono stati condotti studi di simulazione su cinque modelli diversi con diverse strutture di dipendenza (additiva, moltiplicativa, non lineare).

• Dimensione del Test (Size): Per il modello di indipendenza (Model 1), i valori p sono stati coerentemente superiori a 0.05, confermando che il test mantiene il livello di significatività nominale.
• Potenza (Power): Per i modelli con dipendenza (Modelli 2-5), il test ha mostrato un'elevata potenza, rifiutando l'ipotesi nulla nella maggior parte dei casi, anche con dimensioni campionarie ridotte ($n=50$).
• Robustezza: Le prestazioni sono state simili sia per schemi di osservazione bilanciati (stessi punti temporali per tutti) che sbilanciati (punti temporali casuali).

Applicazioni Reali

1. Dataset WISDM (Accelerometri):

   • Testato se le accelerazioni negli assi X e Y sono indipendenti condizionalmente all'asse Z durante diverse attività (camminata, corsa, salita, ecc.).
   • Risultato: Per camminata, corsa, salita e discesa, l'indipendenza condizionale non è stata rifiutata (le oscillazioni sono sincronizzate e Z cattura la relazione). Per l'attività "Seduti", l'indipendenza è stata rifiutata, indicando una forte dipendenza residua tra X e Y non spiegata da Z (coerente con l'analisi fisica dei dati).

2. Dataset WDI (Indicatori di Sviluppo Mondiale):

   • Analizzata l'indipendenza condizionale tra coppie di indicatori socioeconomici (es. inflazione, disoccupazione, aspettativa di vita) data la crescita del PIL.
   • Risultato: L'aspettativa di vita è risultata dipendente da quasi tutti gli altri fattori anche condizionando al PIL, suggerendo relazioni complesse non mediate solo dalla ricchezza economica. Il tasso di interesse reale, invece, appare condizionalmente indipendente dagli altri fattori dato il PIL.

5. Significato e Impatto

Questo lavoro colma una lacuna significativa nella letteratura statistica fornendo il primo test rigoroso e non parametrico per l'indipendenza condizionale di dati funzionali.

• Validità Teorica: Risolve le ambiguità sui tassi di convergenza che avevano limitato l'applicabilità dei test basati su kernel in contesti funzionali e multivariati complessi.
• Utilità Pratica: Offre uno strumento essenziale per l'analisi di dati moderni (wearable, serie temporali, immagini) permettendo di costruire modelli grafici funzionali e di effettuare inferenza causale in spazi di funzioni.
• Flessibilità: Il metodo non richiede assunzioni parametriche (come la normalità) e gestisce naturalmente la non linearità e le interazioni complesse tra variabili.

In sintesi, Tang e Li hanno non solo esteso un metodo esistente ai dati funzionali, ma hanno anche rafforzato le fondamenta teoriche su cui poggia l'intera classe di test di indipendenza basati su kernel, rendendoli più robusti e affidabili.