Bias-Corrected Multiplier Bootstrap Inference for Spectral Edges of Large Covariance Matrices

技術要約：大規模共分散行列のスペクトル端におけるバイアス補正マルチプライヤー・ブートストラップ推論

1. 問題提起
本論文は、高次元設定における大規模共分散行列のスペクトル端（spectral edges）に関する統計的推論という、根本的な問題に取り組んでいる。具体的には、標本共分散行列のバルク（bulk）スペクトルの決定論的な右端（$E$）に対する、有効な信頼区間を構築することを目的としている。

主要な困難は、最大級の非スパイク（non-spiked）標本固有値が、トレイシー・ウィドム（Tracy–Widom）スケール（$n^{-2/3}$）で変動することにある。これらの変動に関する漸近理論は確立されているが（例：Johnstone, 2001; El Karoui, 2007）、有効な統計的推論を行うには、決定論的な端による正確なセンタリングと、正確なスケーリング定数が必要となる。一般的な、未知の母共分散構造の下では、これらのセンタリングおよびスケーリング量を推定することは、実用上極めて困難である。その結果、トレイシー・ウィドム分布に基づく直接的な推論は、理論的に繊細であり、実用上の利便性にも欠ける。さらに、「スパイク」（バルクから分離した固有値）の数を決定するには、通常、逐次テストや閾値ルールに依存するが、これらはスパイクが明確であるか、あるいは十分に大きいことを要求する場合がある。

2. 手法
著者らは、決定論的なスペクトル端 $E$ を推論するために、バイアス補正マルチプライヤー・ブートストラップ法を提案している。この手法は、ガウス近似を容易にするために、意図的に変動スケールを変更するという点で、標準的なブートストラップ・アプローチとは異なる。

• マルチプライヤーによる摂動（Multiplier Perturbation）: 本手順では、独立なマルチプライヤー $\xi_i^2$ によって元の標本ベクトル $y_i$ を摂動させることにより、マルチプライヤー・ブートストラップ共分散行列 $Q_{MB}$ を構築する。
  • マルチプライヤーは、その分散が $n^{-1/3+\delta}$ のオーダー（ここで $\delta > 0$）となるように選択される。この分散は、本来のトレイシー・ウィドムの変動スケール（$n^{-2/3}$）よりも漸近的に大きく、かつ、基礎となるスペクトル構造を保持するのに十分なほど小さい。
  • この摂動は、端の変動を「正則化」し、そのスケールを拡大することで、最大級の非スパイク・ブートストラップ固有値の分布を、トレイシー・ウィドムではなく、データに条件付けられた漸近的なガウス分布へと変化させる。
• バイアス補正: 重要な新規性は、マルチプライヤーによる摂動が、決定論的な端自体を $E$ から摂動された端 $E_{MB}$ へとシフトさせてしまう点にある。これは系統的なバイアスを導入する。著者らは、このバイアスを補正するためのデータ駆動型の再センタリング・ステップを提案している：
  • バイアス $\Delta_{r_0}$ は、観測された標本固有値 $\mu_{r_0}$ と、ブートストラップ固有値の平均 $\bar{\lambda}_{r_0}$ との差として推定される。
  • この補正項により、ブートストラップ分布を元の標本統計量に整合させる。
• 推論と推定:
  • 補正された中心と推定されたブートストラップ標準偏差を用いて、$E$ に対する信頼区間を直接構築する。
  • この区間は、スパイクの数（$\hat{r}$）のための閾値なしの推定器として機能する。この推定器は、バルクの端の信頼区間の上限を超える標本固有値をカウントする。
• キャリブレーション: マルチプライヤーの分散を制御するチューニング・パラメータ $N$ は、ランダム行列理論の普遍性の原理を活用し、ガウス参照モデル（ウィシャート行列）に基づくキャリブレーション手順によって選択される。これにより、次元のペア $(p, n)$ のみに依存する、データに依存しない選択が可能となる。

3. 主な理論的貢献
著者らは、標準的な高次元仮定（固定されたスパイク数、有界な固有値、および特定の分離条件）の下で、以下の理論的結果を確立している：

• 漸近正規性: 定理 3.1 は、バイアス補正と再スケーリングを行った後、最大級の数個の非スパイク・ブートストラップ固有値が、データに条件付けられた漸近的なガウス分布に従うことを証明している。これは、扱いが困難なトレイシー・ウィドム極限を、より扱いやすいガウス極限（わずかに拡大されたスケール $n^{-2/2+\delta/2}$）に置き換えるものである。
• 信頼区間の妥当性: 定理 3.2 は、提案された信頼区間の漸近的な妥当性を確立している。
  • 帰無仮説（候補となる固有値がバルクに属する場合）の下で、この区間は公称被覆確率を達成する。
  • 対立仮説（追加のスパイクがバルクから分離する場合）の下では、スパイクの分離が $n^{-1/6}$ （多項式因子を除いて）よりも大きい場合、被覆確率は消失する。
• スパイク検出と推定: 本論文は、同一の信頼区間が、逐次テストを必要とせずに、スパイクの数を一貫した推定器として提供することを実証している。この手順は、指定された局所スケールでバルクから分離している場合には、退化したスパイクに対しても一貫性を示す。

4. 実験結果
数値シミュレーションおよび実データ解析は、以下の理論的知見を支持している：

• 有限標本精度: 提案された信頼区間は、様々な共分散構造（均質、一様、および二質量バルク）および次元のペアにおいて、公称被覆確率（0.90 および 0.95）に近い経験的被覆確率を達成している。
• 検出力: 本手順は、スパイクがバルクから分離する際の検出において高い検出力を示し、分離パラメータが増加するにつれて検出力が着実に上昇する。
• 比較: スパイクの数を推定する際、提案手法は、既存の手法（BN2002, Onat2009, PY2014, DY2022 を含む）と比較して、特に、弱いスパイクや不均質なバルク・スペクトルを持つ困難な設定において、優れた性能を示す。本手法は、競合手法よりも小さな分離レベルにおいて正しいスパイクの数を特定する。
• 実データ: GEUVADIS 遺伝子発現データおよび 1000 Genomes Project の EUR ジェノタイプ・データに適用したところ、本手法は集団構造（スパイク）の数を 4 と正しく推定し、ラベルベースのベンチマークと一致した。本手法は、より困難な EUR ジェノタイプ・データセットにおいて、この精度を達成できた唯一の手法であった。

5. 意義と主張
著者らは、本研究が、トレイシー・ウィドムのセンタリングおよびスケーリング定数の直接的な推定を回避する、実用的で、完全にデータ駆動型であり、かつ理論的に正当化された、スペクトル端推論のためのフレームワークを提供すると主張している。

手法の意義に関する主な主張は以下の通りである：

• 扱いやすさ（Tractability）: 変動スケールをガウス領域へとシフトさせることで、一般的な共分散構造の下でのトレイシー・ウィドム推論に伴う計算および理論上の困難を回避している。
• 堅牢性（Robustness）: 手順は、スパイクが明確であることや、十分に大きいことを要求しない。$n^{-1/6}$ の閾値を超える弱いスパイクや退化したケースにおいても効果的である。
• 統一性（Unification）: スペクトル端の信頼区間構築、スパイク存在の仮説検定、およびスパイク数の推定という3つの統計的タスクを、単一の整合した手順へと統合している。
• 実用性（Practicality）: マルチプライヤーのキャリブレーションは次元に基づいたデータ非依存のものであるため、観測されたスペクトルに対する反復的なチューニングを行うことなく、容易に実装できる。

本論文は、このアプローチを、既存のリサンプリング手法に対する重要な改善として位置づけている。既存の手法は、スペクトル端の固有値が決定論的な端の位置に対して非常に敏感であることや、スパイクの大きさに強い仮定を必要とすることが多い。