Two-Sample Homogeneity Test via Entropic Optimal Transport

技術要約：エントロピー正則化最適輸送による二標本均質性検定

問題設定
本論文は、多変量設定（$d \ge 1$）における二標本均質性検定という根本的な統計的問題を扱う。未知の分布 $P$ および $Q$ から得られた2つの独立なサンプルに対し、帰無仮説 $H_0: P = Q$ を対、対立仮説 $H_1: P \neq Q$ を検証することを目的とする。一変量検定は標準的な順序付け（例：分位関数）の恩脈を受けるが、多変量検定には自然な順序が存在しないため、幾何学的構造を保持する分布表現を構築することが困難である。エネルギー距離、カーネルベースの最大平均偏差（MMD）、グラフベースの統計量といった既存の手法は、通常、分布間の差異を単一のスカラー値へと集約する。このような集約は、ある分布が他の分布または共通の参照分布に対してどのように構成されているかという、写像レベルの情報（map-level information）をしばなし落としてしまう。さらに、多変量設定における経験的ワッサースタイン距離に基づく推論は、計算コストが高く、非標準的な漸近挙動に悩まされることが多い。

手法
著者らは、共通の参照分布からのエントロピー正則化最適輸送（EOT）写像に基づく均質性検定を提案する。その手法は以下の通りである：

1. 共通参照の構築： $U_d$ を単位球 $B_d \subset \mathbb{R}^d$ 上の一様分布とする。任意のターゲット分布 $P$ に対し、本手法は、参照分布 $U_d$ と $P$ の間の唯一のエントロピー正則化最適結合 $\pi_{\varepsilon, P}$ の重心射影であるエントロピー輸送写像 $T_{\varepsilon, P}: B_d \to \mathbb{R}^d$ を定義する。ここで、コストは $\int \frac{1}{2}\|u-x\|^2 d\pi + \varepsilon \text{KL}(\pi \| U_d \otimes P)$ を最小化する。
2. 経験的推定： サンプル $X_1, \dots, X_n \sim P$ および $Y_1, \dots, Y_m \sim Q$ が与えられたとき、母集団の写像は、ソース分布を固定された $U_d$（数値的に近似された参照サンプル）とし、ターゲットを経験的測度 $P_n$ および $Q_m$ に置き換えることで、その経験的対応物 $\hat{T}_{\varepsilon, n}$ および $\hat{T}_{\varepsilon, m}$ によって推定される。
3. 検定統計量： 検定統計量 $T_{n,m}$ は、参照領域上の2つの経験的写像間のスケーリングされた二乗 $L^2$ 距離である：
   $$T_{n,m} = \frac{nm}{n+m} \int_{B_d} \| \hat{T}_{\varepsilon, n}(u) - \hat{T}_{\varepsilon, m}(u) \|^2 dU_d(u).$$
4. 較正（キャリブレーション）： $T_{n,m}$ の帰無分布は、未知の共分散構造を持つガウス過程（非ピボット的）に依存するため、著者らは重み付きマルチプライヤー・ブートストラップを提案する。この手順では、ソースを固定したまま、経験的ターゲット測度を個別に再重み付けすることで、臨界値を近似するための条件付き分布を生成する。

主な貢献
本論文は、この写像ベースの検定フレームワークの理論的および実用的な基礎を確立する：

• 識別可能性： コンパクトなサポートと固定された正則化の仮定の下で、著者らは、エントロピー正則化されたEOT写像が背後の分布を一意に決定することを証明する。具体的には、$P = Q$ であることと、$U_d$-ほとんど至る所で $T_{\varepsilon, P} = T_{\varepsilon, Q}$ であることは同値である。これにより、帰無仮説の下で母集団の不一致が正確に消失することが保証される。
• 漸近理論：
  • 帰無分布の極限： $H_0$ の下での経験的写像の差に関する関数中心極限定理（FCLT）が導出される。統計量は、極限ガウス場の共分散作用素の固有値 $\omega_k$ を持つガウス二次形式 $\sum \omega_k Z_k^2$ に収束する。
  • 一致性： 本検定は、固定された対立仮説（$P \neq Q$）に対して一致性が示されており、統計量は無限大に発散する。
  • 局所検出力： 連続的な局所的対立仮説の下での漸近的検出力が特徴付けられ、本検定が分布の接線方向の差異に対して敏感であることが示される。
• ブートストラップの妥当性： 重み付きマルチプライヤー・ブートストラップの妥当性が確立され、ブートストラップ統計量の条件付き分布が帰無極限分布を一貫して推定することが証明された。
• 診断能力： スカラーの不一致テストとは異なり、本手法は推定されたベクトル場（$\hat{T}_{\varepsilon, n} - \hat{T}_{\varepsilon, m}$）を提供し、分布の差異の方向と性質（例：平行移動、半径方向の拡大、せん断）を可視化できる。

結果
広範な数値実験および実データへの適用が、理論的知見を支持している：

• 有限標本での較正： 重み付きマルチプライヤー・ブートストラップは、様々な帰無分布（ガウス分布、Student-t分布、ガウス混合分布）および次元（$d=2, 5, 10$）において信頼性の高いサイズ制御を提供し、経験的な棄却率は公称レベル（0.05）に近い。
• 検出力： 本検定は、既存の手法（Energy, MMD, Sinkhorn divergence, k-NN, Wasserstein, OT-rank）に対して競争力のある検出力を示す。特に、写像間のコヒーレントな方向的変位が容易に検出される位置の対立仮説において強力な性能を発揮する。また、スケール、相関、混合の対立仮説に対しても頑健な検出力を示すが、具体的な対立仮説や次元に応じて、他の手法との比較で性能が変動する。
• 計算効率： EOT写像テストは、EnergyやMMDよりも低速であるが、置換検定を用いたSinkhornダイバージェンスよりは高速である。計算コストは参照点の数 $N$ によって調整可能であり、適度な $N$ の値を用いることで、安定した検出力とサイズを維持しつつ、実行時間を大幅に削減できる。
• 実データへの適用： Citi Bikeのトリップデータ（メンバー利用者 vs カジュアル利用者）に適用したところ、本検定は出発地点の分布における有意な差を検出した。写像レベルの可視化により、その不一致は単なるグローバルなシフトではなく、複雑な空間的変動を伴うものであることが明らかになり、座標ごとの分解によって経度と緯度の両方からの寄与が示された。

意義と主張
本論文は、提案されたEOT写像検定を、既存のスカラー不一致テストを全面的に置き換えるものではなく、競争力があり解釈可能な補完的手段として位置づけている。その主な意義は以下の通りである：

1. 幾何学的解釈性： 分布の変化に関する方向的および幾何学的な情報を保持しており、研究者が単に「差異があるか」だけでなく、「どのように異なるか」（例：ベクトル場の可視化を通じて）を診断することを可能にする。
2. 理論的厳密性： 固定された正則化の下でのEOT写像に関する厳密な極限理論を提供し、非正則化されたワッサースタイン距離に伴う非標準的な漸近挙動の問題を克服している。
3. 実用的有用性： 本手法は、統計的検出力、計算の扱いやすさ（Sinkhornアルゴリズムとブートストラップによる）、および診断的洞察の間の実用的なバランスを提供しており、分布のシフトの構造を理解することが検定の決定自体と同じくらい重要となるアプリケーションに適している。