Projection Diagnostics for Directional Asymmetry and Tail-Ratio Departure in Multivariate Data

技術要約：多変量データにおける方向性非対称性と裾比率偏差のための投影診断

問題提起
多変量非正規性を評価するための既存手法（Mardiaのモーメントに基づく歪度や尖度、あるいはHenze–Zirkler、Doornik–Hansen、エネルギー距離などのオムニバス検定）は、主に2つの限界に直面している。第一に、これらは非ガウス性の異なる要因を混同してしまう点である。すなわち、正規性の棄却が、方向性の非対称性（歪度）によるものか、裾の膨張（重い裾）によるものか、あるいはその両方の組み合わせによるものかを区別できない。第二に、モーメントに基づくアプローチは3次および4次のモーメントに依存しており、重い裾を持つ設定では不安定または未定義となる可能性があり、高次元の有限標本効果に対して敏感である。また、方向性を考慮したMalkovich–Afifi検定のような投影ベースの競合手法も存在するが、これらは依然としてモーメントに基づいたものであり、計算負荷が高い。著者らは、後続のモデリングの選択（例：対称、歪、裾の偏差、あるいは複合モデルの選択）を導くために、ロバストな分位点ベースの尺度を用いて、方向性の歪みと裾比率の偏差を分離する診断フレームワークの必要性を提唱している。

手法
提案手法は、多変量診断問題を一次元投影の集合へと還元する。$X_1, \dots, X_n$ を $p$ 次元の観測値とする。本手法は、単位球面 $S^{p-1}$ からサンプリングされた方向の集合 $U_m = \{u_1, \dots, u_m\}$ に沿った中心化投影 $Y_i(u) = u^\top(X_i - \hat{\theta})$ 上で動作する。方向の集合は、広範なカバレッジと希薄な（sparse）あるいは周辺的な偏差への感度を確保するために、ランダムな方向と座標方向を組み合わせている。

以下の2つの分位点ベースの要約統計量が、探索された方向に対して計算される。

1. 方向性歪度 ($\hat{S}U_{m, A_S}$): 有限の分位点レベルの集合 $A_S \subset (0, 0.5)$ にわたって評価される非対称性の尺度。著者らはBowley型の統計量と一般化分位歪度を利用している：
   $$\hat{\gamma}_a(u) = \frac{\hat{Q}_{1-a}(u) + \hat{Q}_a(u) - 2\hat{Q}_{0.50}(u)}{\hat{Q}_{1-a}(u) - \hat{Q}_a(u)}$$
   要約統計量は、方向および分位点レベルにおける絶対値の最大値である：$\hat{S}U_{m, A_S} = \max_{u \in U_m} \max_{a \in A_S} |\hat{\gamma}_a(u)|$。

2. 方向性裾比率 ($\hat{T}U_m$): ベンチマーク（例：ガウス分布）に対する裾の厚さの尺度。外側の中心区間の幅を四分位範囲と比較する：
   $$\hat{\tau}_q(u) = \frac{\hat{Q}_{1-q}(u) - \hat{Q}_q(u)}{\hat{Q}_{0.75}(u) - \hat{Q}_{0.25}(u)}$$
   要約統計量は、参照値 $\tau^0_q$ からの最大偏差である：$\hat{T}U_m = \max_{u \in U_m} |\hat{\tau}_q(u) - \tau^0_q|$。

較正と分類
次元数および探索される方向の数を考慮するため、参照モデル（通常はガウス分布であるが、楕円分布による較正についても議論されている）の下でのシミュレーションを通じて、生の統計量が較正される。これにより、歪度（$p_S$）と裾の偏差（$p_T$）の$p$値が得られる。これら2つの次元は、4つのレジーム分類を定義する：

• 対称ベンチマーク・裾型 (Symmetric Benchmark-Tail): 歪度および裾の偏差の両方に有意な偏差がない。
• 対称裾偏差型 (Symmetric Tail-Departed): 裾の偏差は有意であるが、歪度は有意ではない。
• 歪みベンチマーク型 (Skewed Benchmark-Tail): 歪度は有意であるが、裾の偏差は有意ではない。
• 歪み裾偏差型 (Skewed Tail-Departed): 歪度と裾の偏差の両方が有意である。

理論的結果
本論文では、以下の理論的特性を確立している：

• 母集団の分離: 中心対称性の下では、すべての方向において方向性歪度は消失する。楕円分布の下では、スケール不変な裾比率はすべての非退化な方向において一定である。
• 検出可能性: 定理は、有限のランダム方向の集合が、信号が球状近傍に持続する場合に局所的な偏差を検出できることを示している。検出確率は、投影数と球面キャップの質量によって制御される。
• 有限標本の制御: 探索された方向における経験的分位点診断量の一様境界が導出されており、これらは収束率 $\sqrt{\log(m)/n}$ を示す。極めて重要なことに、これらの境界は3次または4次のモーメントの存在を必要としない。
• 一致性: 2つの要約統計量に基づく閾値分類器は、分離されたレジーム（母集団統計量がゼロから離れている場合）において一致性を持つことが示されている。
• 希薄な代替案: ランク1の分析は、ランダムな方向は広範なカバレッジを提供する一方で、希薄な信号に対しては非効率である可能性があることを示している。座標方向を補完することで、希薄で座標に整列した偏差に対する感度が向上する。

シミュレーション結果
モンテカルロ実験により、ガウス分布、Student-$t$分布、skew-normal分布、skew-$t$分布、および混合正規分布における手法の評価を行う。

• 分離: 歪度成分はskew-normalおよびskew-$t$モデルを正しく棄却し、同時に対称モデル（重い裾を持つStudent-$t$や混合正規分布を含む）に対しては公称サイズを維持する。逆に、裾成分はStudent-$t$、skew-$t$、および混合正規分布を棄却し、ガウス分布およびskew-normalデータに対しては安定している。
• 次元性: 密な歪度設定では、信号とランダム投影を一致させることが困難であるため、サンプルサイズが小さい高次元では検出力が低下する。しかし、座標方向を含めることで、希薄な歪度に対する検出力が大幅に向上する。
• 比較: 提案手法は、標準的なオムニバス検定（Mardia、Henze–Zirklerなど）と同等の棄却挙動を示すが、非正規性の原因を分解することによって優れた解釈性を提供する。また、投影追求型の尖度検定よりも計算効率が高い。

実データへの適用
本手法を、インドの5都市における大気質データ（汚染物質10種）に適用する。

• 知見: 全標本の分析により、すべての都市が「歪み裾偏差型」に分類され、歪んだ重い裾を持つモデル（例：skew-$t$）の必要性が示唆された。
• 時間的ダイナミクス: 期間別の分析により、変化が明らかになった。一部の都市（ムンバイ、コルカタ、バンガロール）の2020年以前のデータは「歪みベンチマーク型」（非対称であるが重い裾は持たない）に分類されていたが、2020年以降、すべての都市が「歪み裾偏差型」へとシフトした。これは、オムニバス検定では見逃される、特定のモデリングの選択（例：重い裾が必要かどうか）を導くための本診断法の能力を浮き彫りにしている。

意義と主張
著者らは、本研究を既存のテストに対する生の棄却力の一様な優越性を示すものではなく、ロバストで解釈可能な診断的分解として位置づけている。主要な貢献は、多変量非ガウス性を、方向性の非対称性と裾比率の偏差という2つの明確で解釈可能な成分に分離したことにある。分位点ベースの関数を利用することで、重い裾の設定における高次モーメントの不安定性を回避している。このフレームワークは、正規性を単に棄却するだけでなく、その偏差の性質を特徴付けるためのスクリーニングツールとして設計されており、オムニバス型の正規性検定が残した課題に対処している。論文は、時間的依存性に関する限界や、データ適応的な方向（PCA/ICA）および関数データへの将来的な拡張の可能性についても言及して締めくくられている。