On the extensions of the Chatterjee-Spearman test

技術的サマリー：チャタージー・スピアマン検定の拡張について

問題提起
チャタージーの相関（2021）は、すべての対立仮説に対して一貫性を持ち、解析的な$p$値計算を可能にする単純な漸近理論を備えた、順位に基づく独立性検定である。しかし、チャタージー検定の重大な限界は、スピアマンの相関やケンドールの相関といった確立された順位検定と比較して、単調な関係を検出する際の統計的検出力が低いことにある。この問題に対処するため、先行研究（Zhang, 2024）はチャタージーの相関とスピアマンの相関を組み合わせた「最大値型」統計量を提案したが、いくつかの重要なギャップが残されていた：

1. 非対称性：元の結合統計量は非対称であり、応答変数（$Y$）と独立変数（$X$）を交換すると異なる結果が得られる可能性がある。これは、対称的な検定が好まれる遺伝子共発現分析などの応用において問題となる。
2. 結合の範囲の限定：先行の枠組みはチャタージーの相関とスピアマンの相関のみを結合していた。ケンドールの$\tau$や四象限相関といった他の順位相関と結合した場合のパフォーマンスは不明であった。
3. 多変量への限界：既存の検定は確率スカラーに限定されていた。この枠組みを確率ベクトル（多変量独立性検定）に拡張するには、新たな理論的発展が必要であった。

手法
本論文は、チャタージー・スピアマン枠組みに対する 3 つの主要な拡張を提案する：

1. 対称化：
   著者らは、独立性の帰無仮説の下で、スピアマンの相関（$S_n$）、チャタージーの相関（$\xi_n(X,Y)$）、および反転したチャタージーの相関（$\xi_n(Y,X)$）の漸近的な同時分布を導出した。これら 3 つの統計量は漸近的に正規分布に従い、互いに独立であることを証明した。これに基づき、対称的な最大値型統計量を定義する：
   $$\tilde{I}^S_n(X,Y) = \max\left\{ |S_n(X,Y)|, \sqrt{5/2}\xi_n(X,Y), \sqrt{5/2}\xi_n(Y,X) \right\}$$
   漸近的な帰無分布を解析的に導出することで、置換なしで直接$p$値を計算可能とした。

2. 他の順位相関への拡張：
   本研究は、チャタージーの相関とケンドールの$\tau_n$および四象限相関$Q_n$との間の漸近的な関係を調査した。著者らは、独立性の下では$\xi_n$が$\tau_n$および$Q_n$の両方と漸近的に独立であることを確立した。これにより、2 つの新しい対称検定を定義する：

   • チャタージー・ケンドール：$\tilde{I}^\tau_n(X,Y) = \max\left\{ |\tau_n(X,Y)|, \sqrt{5/2}\xi_n(X,Y), \sqrt{5/2}\xi_n(Y,X) \right\}$
   • チャタージー・四象限：$\tilde{I}^Q_n(X,Y) = \max\left\{ 3/2|Q_n(X,Y)|, \sqrt{5/2}\xi_n(X,Y), \sqrt{5/2}\xi_n(Y,X) \right\}$
     これらの統計量に対する解析的$p$値は、同時正規性の結果に基づいて導出される。

3. 多変量への拡張：
   多変量データ（$X \in \mathbb{R}^p, Y \in \mathbb{R}^q$）に対して 2 つのアプローチが検討された：

   • Grothe ら（2014）の式：多変量順位を用いて$S_n$および$\tau_n$を定義する。多変量スピアマン/ケンドールの比の形式により、結合された最大値統計量の漸近的な帰無分布を解析的に導出することが困難であるため、著者らは$p$値および標準偏差を推定するために置換検定を推奨する。
   • ボレル同型：ボレル結合関数（例：二進展開）を用いて確率ベクトルを確率スカラーに変換し、一変量の結果を直接適用する。しかし、シミュレーションでは、このアプローチが多変量設定における単調な関係の検出において検出力が低下する可能性があることが示唆された。

主要な結果

• 理論的：本論文は、独立性の下ではチャタージーの相関がスピアマン、ケンドール、および四象限の相関と漸近的に独立であることを証明した。これらの統計量の漸近的な同時正規性を確立し、対称的な一変量検定に対する解析的$p$値の導出を可能にした。
• シミュレーション（一変量）：
  • 提案されたすべての検定は、第一種過誤率を効果的に制御する。
  • チャタージー・ケンドール検定は、特に小サンプルサイズ（$n=20$）および線形/段階的（単調）設定において、チャタージー・スピアマン検定よりも優れた統計的検出力を示す。
  • 結合検定は、多様な相関パターン（線形、二次、正弦波、段階的）において、個別の検定（チャタージー、スピアマン、ケンドール）を上回る。
• シミュレーション（多変量）：
  • Grohe らの式を用いた置換ベースのアプローチは、堅牢な検出力をもたらす。
  • ボレル同型のアプローチは理論的には便利であるが、小サンプルにおいて解析的$p$値を使用する際に第一種過誤率の制御に失敗することが多く、多変量設定における単調な関連性に対して検出力が低い傾向を示す。
• 実データ応用：
  • 酵母転写オミクス：4,381 遺伝子に適用した結果、チャタージー・ケンドール検定は細胞周期に関連する最も有意な遺伝子（897 個）を同定し、個別の検定を上回った。これは、単一の検定では見逃されていた振動的（非単調）および単調なパターンの両方を成功裡に検出した。
  • 営業担当者データ：営業成績と推論スコア間の多変量関連に適用した結果、置換ベースのチャタージー・ケンドール検定は高い感度を示し（小サンプルシミュレーションにおける棄却率は 95.1%）、対称化されたチャタージー検定を上回った。

意義と主張
本論文は、順位に基づく結合独立性検定の適用範囲を大幅に拡大したと主張する。統計量を対称化することで、応答変数と独立変数を恣意的に指定する必要性を排除し、遺伝子共発現などの対称的な関連分析に適した手法とした。チャタージーの相関が他の主要な順位相関と漸近的に独立であることを実証することで、枠組みの柔軟性を検証し、スピアマンの相関をケンドールまたは四象限の相関に置換可能であることを示した。

著者らは控えめに結論づけており、チャタージー・ケンドール検定は特に小サンプルやノイズの多いデータにおいて経験的な検出力が優れているが、局所対立仮説に対してチャタージー・スピアマン検定を上回る理由を説明する理論的根拠は現時点では存在しないと述べている。また、Grothe らの式に基づく多変量拡張は、高次元設定における多変量順位の希薄さにより、現在では低次元に限定されており、高次元の独立性検定には距離相関法の方が依然として好ましいと指摘している。