技術的概要：マルティンゲル核独立性検定

1. 問題提起

本論文は、核ベースの独立性検定、特にヒルベルト・シュミット独立性基準（HSIC）およびその結合独立性への拡張である dHSIC に内在する計算的・統計的較正の課題に取り組んでいる。

HSIC および dHSIC の標準的な実装は、退化した V-統計量に依存している。独立性の帰無仮説（$H_0$）の下では、スケーリングされた統計量は、重みが未知の結合データ分布に依存する $\chi^2$ 確率変数の加权和に収束する。したがって、実用的な較正には、帰無分布を近似するための置換検定が必要となる。このプロセスには、統計量を $B$ 回（通常 $B \ge 200$）再計算することが含まれ、1 検体あたりの計算コストを $O(n^2)$ から $O(B n^2)$ に増大させ、2 桁のオーダーの増加をもたらす。

著者らは、既知の分布フリーな帰無極限（標準正規分布）を持つ統計量を構築することで、置換ステップを完全に排除し、1 検体あたりのコストを偏りのある V-統計量自体の二次的な複雑さに一致させることを目指している。

2. 手法

提案されたアプローチは、2 標本検定における最近のマルティンゲル MMD 構築（Chatterjee および Ramdas [2025]）を独立性の設定に適応させたものである。中核的なアイデアは、標準的な二次時間の推定量をマルティンゲル差の和に変換し、それを自己正規化マルティンゲル中心極限定理（CLT）を通じて標準正規分布に収束させるように学生化することである。

2.1 mHSIC 統計量（2 変数独立性）

2 つの変数 $X$ と $Y$ の独立性を検定するために、著者らはmHSICを定義する。

• 構築: 統計量は、2 つの実験的に中心化されたグラム行列（$K_X$ および $K_Y$）のアダマール積の、学生化された下三角和である。
  $$\hat{T}^{\text{mHSIC}}_n = \frac{1}{n} \sum_{i=2}^n \frac{1}{i} \sum_{j=1}^{i-1} (HK_XH)_{ij} (HK_YH)_{ij}$$
• 学生化: 統計量は、その実験的な二次変動 $\hat{\sigma}_n$ によって正規化される。
• 理論的基盤: $H_0$ の下では、核の積 $\bar{k}_X \bar{k}_Y$（ここで $\bar{k}$ は母集団中心化核を表す）はマルティンゲル差列を形成する。実験的な中心化行列 $H$ は偏りを導入するが、著者らはこの偏りが $O_P(1/\sqrt{n})$ であり、学生化後に漸近的に無視できることを証明している。
• 性質: 有界な 4 次モーメント条件の下で、mHSIC はデータ法則に関係なく $\mathcal{N}(0, 1)$ に収束する。これはすべての固定された対立仮説に対して一貫性を持ち、サンプル分割なしで $O(n^2)$ の計算コストを維持する。

2.2 mdHSIC 統計量（結合独立性）

$d$ 個の変数（$X_1, \dots, X_d$）間の結合独立性を検定する場合、mHSIC の単純な拡張は失敗する。

• 直接積の失敗: 2 変数核を $d$ 重の中心化核の積に置き換えると、集積偏りが $O_P(d/\sqrt{n})$ となる。変数の数 $d$ が $\sqrt{n}$ を超えると、この偏りは学生化されたスケールを支配し、標準正規較正を破綻させる。
• 分割マルティンゲル解法（mdHSIC）: これを解決するために、著者らは単一の半サンプル分割を導入する。
  1. 分割: サンプルを $S_1$（前半）と $S_2$（後半）に分割する。
  2. 中心化: 平均埋め込みと中心化核は、$S_1$ のみを用いて推定される。
  3. マルティンゲル実行: $S_1$ で中心化された核を $S_2$ 内のペアに適用し、下三角の自己正規化マルティンゲル和を計算する。
• 理論的基盤: この構築により、核の積の条件付き平均残差が $O_P(m^{-d/2})$（ここで $m \approx n/2$）となることが保証される。この残差は $d$ に対して指数関数的に小さく、任意の固定された $d \ge 2$ に対して無視できる。
• 性質: mdHSIC は、任意の固定された $d$ に対して結合独立性の下で $\mathcal{N}(0, 1)$ に収束する。1 検体あたりのコストは $O(d n^2)$ であり、$d$ に対して線形であり、置換因子 $B$ を回避する。

3. 主な貢献

1. mHSIC: 帰無仮説下で標準正規分布に収束し、偏りのある HSIC V-統計量の $O(n^2)$ コストに匹敵する、置換フリーかつサンプル分割フリーの 2 変数独立性統計量。
2. mdHSIC: $d$ 変数の結合独立性のための置換フリー統計量。単一の半サンプル分割を通じて直接積拡張の実験的中心化偏りを補正し、任意の固定された $d$ に対して漸近正規性を保証し、$O(d n^2)$ の複雑さを有する。
3. 理論的保証: 自己正規化マルティンゲル CLT（Fan [2018]）に依存し、帰無仮説下での $\mathcal{N}(0, 1)$ への収束（定理 3 および 6）と固定された対立仮説に対する一貫性の証明。
4. 実証的検証: 両方の統計量が、置換較正ベースラインの第 1 種誤り率と検出力と一致しつつ、大幅な高速化を達成することを示した。

4. 実験結果

著者らは、さまざまな次元とサンプルサイズを持つ合成データ上で手法を評価した。

• 較正（第 1 種誤り）:
  • mHSIC: 環境次元が最大 500 の 2 変数データにおいて、$\alpha=0.05$ における実証的な第 1 種誤り率は、十分に大きな $n$ に対して公称レベルの周りに緊密に維持された。著者らは、残差中心化偏りにより $d_{\text{ambient}} \gtrsim n^{0.875}$ の場合、誤り率が膨張する「有限サンプルの次元の呪い」に言及している。
  • mdHSIC: $d \in \{2, \dots, 10\}$ の結合独立性タスクにおいて、第 1 種誤り率はすべてのテストされたサンプルサイズと次元で $[0.036, 0.066]$ の範囲内に留まり、分布フリー較正を確認した。
• 検出力: 両統計量は、依存性の強さとサンプルサイズとともに単調に増加する検出力を示し、置換ベースのベースラインのパフォーマンスと一致した。
• 計算効率:
  • mHSIC および mdHSIC は、置換較正された対応物（$B=200$ の HSIC-perm および dHSIC-perm）よりも25 倍から 60 倍高速であった。
  • $n=16,000$ の場合、mHSIC は 0.042 秒を要したのに対し、HSIC-perm は 2.532 秒を要した。
  • この高速化は $n$ に伴ってスケーリングする。なぜなら、置換コストは $B$ に比例して線形に増加するのに対し、マルティンゲルコストは 1 検体あたり一定であるためである。

5. 意義と主張

本論文は、核独立性検定における較正のボトルネックを解決すると主張している。マルティンゲル構造を活用することで、著者らは高価な置換リサンプリングの必要性を排除し、統計的妥当性を維持しつつ計算負担を 2 桁のオーダーで削減した。

• 置換フリー: 主な意義は、$O(B n^2)$ の置換ステップを単一の正規分位点の検索に置き換えたことであり、置換が不可能となる大規模データセットにおいても検定を実行可能にしたことである。
• ロバスト性: 手法は分布フリーであり、軽微なモーメント条件が満たされれば、基礎となるデータ法則に関係なく帰無極限は標準正規分布となる。
• スケーラビリティ: mdHSIC 統計量は、特に単純な拡張が累積偏りにより失敗する高次元結合独立性検定におけるスケーラビリティの問題に特に対処する。

著者らは、自らの作業を独立性問題へのマルティンゲル MMD パラダイム（Chatterjee および Ramdas [2025]）の直接的な適応として位置づけており、既存のサンプル分割法（xHSIC など）に対する実用的な代替案を提供している。これは、2 番目の半サンプル内の利用可能なすべてのペアを活用する下三角構造を維持することで、長方形のクロスブロックアプローチに比べて統計的検出力を向上させるものである。