High-Dimensional Two-Sample Test for Elliptical Symmetry Distribution

Sintesi Tecnica: Test a Due Campioni ad Alta Dimensionalità per la Distribuzione di Simmetria Ellittica

Enunciato del Problema
Il lavoro affronta il problema della posizione a due campioni ad alta dimensionalità, in particolare il test di uguaglianza di due vettori di posizione ($H_0: \theta_1 = \theta_2$) quando la dimensione $p$ è confrontabile o supera le dimensioni dei campioni ($n_1, n_2$). Si assume che i dati seguano distribuzioni a simmetria ellittica con strutture di dipendenza arbitrarie nella matrice di dispersione.

La letteratura esistente presenta due limitazioni principali in questo contesto:

1. Robustezza vs. Dipendenza: Sebbene le procedure basate sul segno spaziale siano robuste a dati a code pesanti, la loro calibrazione standard si basa su condizioni di traccia che assumono matrici di dispersione sparse o debolmente dipendenti. Sotto dipendenze forti e dense, questi test falliscono nel mantenere la dimensione corretta perché la distribuzione nulla diventa una miscela pesata di chi-quadro anziché una distribuzione normale, e i loro standardizzatori diagonali a punto fisso non riescono a recuperare la vera forma diagonale della distribuzione ellittica.
2. Condizioni sui Momenti: Molti metodi robusti richiedono condizioni di momento positivo sulla variabile radiale, che potrebbero non valere per distribuzioni a code pesanti.

Metodologia
Gli autori propongono un nuovo test basato sul segno spaziale fondato sulle scale quantili delle differenze a coppie per coordinata (PDQ). La procedura prevede i seguenti passaggi:

1. Standardizzazione Diagonale: Invece dell'estimatore iterativo a punto fisso utilizzato in lavori precedenti (ad es. Feng et al., 2016; Li et al., 2016), gli autori stimano la diagonale della matrice di forma ellittica utilizzando le scale quantili delle differenze a coppie per coordinata. Per un campione $k$ e una coordinata $j$, lo stimatore di scala $\hat{d}_{kj}$ è definito come il quadrato del quantile $\alpha$ delle differenze assolute $|X_{kij} - X_{k\ell j}|$.

   • Questo stimatore è libero dalla posizione e non richiede condizioni di momento positivo sulla variabile radiale.
   • Recupera la forma diagonale fino a un fattore scalare specifico del campione, che si annulla dopo la normalizzazione spaziale.

2. Mediana Spaziale e Segni: Utilizzando la matrice diagonale stimata $\hat{D}_k$, gli autori calcolano la mediana spaziale dell'intero campione $\hat{\theta}_k$ e i segni spaziali standardizzati $\hat{S}_{ki} = U(\hat{D}_k^{-1/2}(X_{ki} - \hat{\theta}_k))$.

3. Statistica del Test: La statistica del test è una forma quadratica con eliminazione diagonale dei segni spaziali:
   $$\hat{R}^{PDQ}_n = -\frac{1}{n_1 n_2} \sum_{i=1}^{n_1} \sum_{j=1}^{n_2} \hat{S}_{1i}^\top \hat{S}_{2j}$$
   Per correggere i termini diagonali empirici nello sviluppo, viene sottratta una correzione empirica di eliminazione diagonale $\hat{b}_n$, ottenendo la statistica fattibile $T^{PDQ}_n = \hat{R}^{PDQ}_n - \hat{b}_n$.

4. Calibrazione: Riconoscendo che la distribuzione nulla sotto forte dipendenza è generalmente una miscela pesata di chi-quadro non gaussiana, gli autori impiegano un bootstrap selvaggio di Rademacher per la calibrazione. Questo metodo stima in modo coerente la legge nulla senza richiedere la stima esplicita dei pesi spettrali sconosciuti o degli autovalori della distribuzione limite.

Principali Contributi Teorici

• Sviluppo Stocastico a Tasso Esplicito: Gli autori derivano uno sviluppo stocastico a tasso esplicito per la statistica dell'intero campione, stabilendo i tassi di convergenza dello stimatore diagonale, della mediana spaziale e delle matrici di inserimento.
• Distribuzione Nulla Generale: Sotto strutture di correlazione arbitrarie, il lavoro stabilisce che la statistica oracle con eliminazione diagonale converge a una miscela pesata generale di chi-quadro. Si dimostra che l'approssimazione normale è un caso speciale che si verifica solo quando nessun singolo autovalore domina lo spettro.
• Giustificazione dell'Eliminazione Diagonale: Il lavoro giustifica la correzione empirica di eliminazione diagonale, mostrando che rimuove i termini diagonali intra-campione necessari per lo sviluppo quadratico senza richiedere che il termine di correzione stimi la media della popolazione con alta precisione.
• Coerenza del Bootstrap: È dimostrato che il bootstrap selvaggio di Rademacher stima in modo coerente la legge nulla, fornendo un metodo di calibrazione valido sia per regimi asintoticamente normali che non normali.
• Assunzioni Rilassate: Il quadro teorico non richiede sparsità, struttura a banda o debole correlazione delle matrici di dispersione. Accoglie strutture di dipendenza arbitrarie purché la dimensione soddisfi $p = o\{n_0^2 / \log^2(p + n_0)\}$ in regimi a spettro limitato.

Risultati Empirici
Gli studi di simulazione confrontano il test PDQ proposto con:

• SST: Il test basato sul segno spaziale di Li et al. (2016) con iterazione diagonale basata sui segni.
• ART: Il test di randomizzazione approssimato di Wang e Xu (2022).
• BF-F: Il test di tipo F basato su riferimento normale di Zhu et al. (2024).

Le simulazioni considerano distribuzioni normali multivariate, $t$ multivariate (a code pesanti) e miscele normali sotto strutture di dipendenza AR(1) e Simmetria Composta (CS) con alta correlazione ($\rho=0.9$).

• Controllo della Dimensione: Il test PDQ proposto dimostra un controllo accurato e stabile del livello nominale in tutte le impostazioni, inclusi dati a code pesanti e contaminati. Al contrario, SST è sistematicamente liberale (rifiuta eccessivamente) sotto forte dipendenza e non-gaussianità, mentre BF-F diventa conservativo sotto code pesanti.
• Potenza: Sotto alternative dense, PDQ segue le prestazioni dei metodi concorrenti con dati gaussiani, ma li supera significativamente sotto distribuzioni a code pesanti e contaminate. I guadagni di potenza apparenti di SST in alcuni scenari sono attribuiti alla sua distorsione della dimensione (rifiuto eccessivo sotto l'ipotesi nulla) piuttosto che a una reale capacità di discriminazione.

Significato e Affermazioni
Il lavoro afferma di colmare il divario tra test basati sulla media con covarianza arbitraria e test basati sul segno spaziale robusti alle code pesanti. Sostituendo lo standardizzatore diagonale a punto fisso con uno stimatore quantile delle differenze a coppie e utilizzando un bootstrap selvaggio per la calibrazione, il metodo proposto:

1. Rimane valido sotto forte e densa dipendenza, dove le teorie precedenti basate sul segno spaziale falliscono.
2. Non richiede condizioni di momento positivo sulla variabile radiale, rendendolo adatto a distribuzioni a code pesanti.
3. Fornisce un quadro unificato che si adatta alla struttura di dipendenza sottostante, producendo un limite di chi-quadro pesato in generale e un limite normale solo come caso speciale.

Gli autori concludono che la procedura proposta offre le prestazioni complessive più affidabili per il test di posizione a due campioni ad alta dimensionalità quando la dipendenza è forte e le distribuzioni sono potenzialmente a code pesanti o contaminate.