On the extensions of the Chatterjee-Spearman test

기술적 요약: 차터지-스피어만 검정의 확장

문제 제기
차터지의 상관관계 (2021) 는 모든 대안에 대해 일관성을 가지며, 분석적 $p$-값 계산을 가능하게 하는 간단한 점근 이론을 갖춘 순위 기반 독립성 검정입니다. 그러나 차터지 검정의 주요한 한계는 스피어만이나 켄달의 상관관계와 같은 기존 순위 검정에 비해 단조 관계를 탐지할 때 통계적 검정력 (statistical power) 이 낮다는 점입니다. 이전 연구 (Zhang, 2024) 는 이러한 문제를 해결하기 위해 차터지 상관관계와 스피어만 상관관계를 결합한 "최대형 (max-type)" 통계량을 제안했으나, 몇 가지 중요한 공백이 남아있었습니다:

1. 비대칭성: 원래 결합 통계량은 비대칭적입니다; 반응 변수 ($Y$) 와 독립 변수 ($X$) 를 서로 바꾸면 다른 결과가 나올 수 있으며, 이는 대칭적 검정이 선호되는 유전자 공동 발현 분석과 같은 응용 분야에서 문제가 됩니다.
2. 결합의 제한된 범위: 이전 프레임워크는 차터지 상관관계와 스피어만 상관관계만 결합했습니다. 켄달의 $\tau$나 사분면 상관관계 (quadrant correlation) 와 같은 다른 순위 상관관계와 결합했을 때의 성능은 명확하지 않았습니다.
3. 다변량 한계: 기존 검정은 무작위 스칼라로 제한되었습니다. 이 프레임워크를 무작위 벡터 (다변량 독립성 검정) 로 확장하려면 새로운 이론적 발전이 필요했습니다.

방법론
본 논문은 차터지 - 스피어만 프레임워크에 세 가지 주요 확장을 제안합니다:

1. 대칭화:
   저자들은 독립성 귀무가설 하에서 스피어만 상관관계 ($S_n$), 차터지 상관관계 ($\xi_n(X,Y)$), 그리고 역방향 차터지 상관관계 ($\xi_n(Y,X)$) 의 점근적 결합 분포를 유도합니다. 이들은 세 통계량이 점근적으로 결합 정규분포를 따르며 상호 독립임을 증명합니다. 이를 바탕으로 대칭적 최대형 통계량을 정의합니다:
   $$\tilde{I}^S_n(X,Y) = \max\left\{ |S_n(X,Y)|, \sqrt{5/2}\xi_n(X,Y), \sqrt{5/2}\xi_n(Y,X) \right\}$$
   점근적 귀무분포가 분석적으로 유도되어 치환 (permutation) 없이 직접 $p$-값을 계산할 수 있습니다.

2. 다른 순위 상관관계로의 확장:
   본 연구는 차터지 상관관계와 켄달의 $\tau_n$ 및 사분면 상관관계 $Q_n$ 간의 점근적 관계를 조사합니다. 저자들은 독립성 하에서 $\xi_n$이 $\tau_n$과 $Q_n$ 모두와 점근적으로 독립임을 입증합니다. 이에 따라 두 가지 새로운 대칭적 검정을 정의합니다:

   • 차터지 - 켄달: $\tilde{I}^\tau_n(X,Y) = \max\left\{ |\tau_n(X,Y)|, \sqrt{5/2}\xi_n(X,Y), \sqrt{5/2}\xi_n(Y,X) \right\}$
   • 차터지 - 사분면: $\tilde{I}^Q_n(X,Y) = \max\left\{ 3/2|Q_n(X,Y)|, \sqrt{5/2}\xi_n(X,Y), \sqrt{5/2}\xi_n(Y,X) \right\}$
     결합 정규성 결과에 기반하여 이러한 통계량에 대한 분석적 $p$-값이 유도됩니다.

3. 다변량 확장:
   다변량 데이터 ($X \in \mathbb{R}^p, Y \in \mathbb{R}^q$) 에 대해 두 가지 접근법이 탐구됩니다:

   • Grothe 등 (2014) 의 공식: 다변량 순위를 사용하여 $S_n$과 $\tau_n$을 정의합니다. 다변량 스피어만/켄달의 비율 형태로 인해 결합 최대 통계량의 점근적 귀무분포를 분석적으로 유도하기 어렵기 때문에, 저자들은 $p$-값과 표준편차를 추정하기 위해 치환 검정 (permutation test) 을 권장합니다.
   • 보렐 동형사상 (Borel Isomorphism): 보렐 병합 함수 (예: 이진 전개) 를 사용하여 무작위 벡터를 무작위 스칼라로 변환하여 단변량 결과를 직접 적용합니다. 그러나 시뮬레이션은 이 접근법이 다변량 환경에서 단조 관계를 탐지할 때 낮은 검정력을 초래할 수 있음을 시사합니다.

주요 결과

• 이론적: 본 논문은 독립성 하에서 차터지 상관관계가 스피어만, 켄달, 사분면 상관관계와 점근적으로 독립임을 증명합니다. 또한 이러한 통계량의 점근적 결합 정규성을 확립하여 대칭적 단변량 검정에 대한 분석적 $p$-값 유도를 가능하게 합니다.
• 시뮬레이션 (단변량):
  • 제안된 모든 검정은 유의하게 제 1 오류율을 통제합니다.
  • 차터지 - 켄달 검정은 특히 작은 표본 크기 ($n=20$) 와 선형/단계별 (단조) 환경에서 차터지 - 스피어만 검정보다 우수한 통계적 검정력을 보여줍니다.
  • 결합 검정은 다양한 상관 패턴 (선형, 이차, 정현파, 단계별) 에서 개별 검정 (차터지, 스피어만, 켄달) 보다 우수한 성능을 발휘합니다.
• 시뮬레이션 (다변량):
  • Grohe 등 의 공식을 사용한 치환 기반 접근법은 견고한 검정력을 제공합니다.
  • 보렐 동형사상 접근법은 이론적으로 편리하지만, 작은 표본에서 분석적 $p$-값을 사용할 때 제 1 오류율 통제를 실패하는 경우가 많으며, 다변량 환경에서 단조 연관성에 대해 낮은 검정력을 보입니다.
• 실제 데이터 적용:
  • 효모 전사체학: 4,381 개의 유전자에 적용된 차터지 - 켄달 검정은 세포 주기와 관련된 가장 유의미한 유전자 (897 개) 를 식별하여 개별 검정보다 우수한 성능을 보였습니다. 이는 단일 검정에서 놓친 진동 (비단조) 과 단조 패턴 모두를 성공적으로 탐지했습니다.
  • 영업사원 데이터: 영업 성과와 추론 점수 간의 다변량 연관성에 적용된 치환 기반 차터지 - 켄달 검정은 높은 민감도 (작은 표본 시뮬레이션에서 95.1% 기각률) 를 보여 대칭화된 차터지 검정보다 우수한 성능을 발휘했습니다.

의의 및 주장
본 논문은 순위 기반 결합 독립성 검정의 적용 범위를 크게 넓혔다고 주장합니다. 통계량을 대칭화함으로써 반응 변수와 독립 변수를 임의로 지정할 필요가 없어졌으며, 이는 유전자 공동 발현과 같은 대칭적 연관성 분석에 적합하게 만듭니다. 차터지 상관관계가 다른 주요 순위 상관관계와 점근적으로 독립임을 입증함으로써, 프레임워크의 유연성을 검증하여 스피어만 상관관계를 켄달이나 사분면 상관관계로 대체할 수 있음을 보여줍니다.

저자들은 차터지 - 켄달 검정이 특히 작은 표본과 잡음이 많은 데이터에서 경험적 검정력이 더 좋음을 결론지으며, 국소 대안 (local alternatives) 에 대해 차터지 - 스피어만 검정보다 우수한 성능을 보이는 이론적 근거는 현재 부재하다고 겸손하게 결론 내립니다. 또한, Grothe 등 의 공식을 기반으로 한 다변량 확장은 고차원 환경에서 다변량 순위의 희소성으로 인해 현재 저차원으로 제한되어 있으며, 고차원 독립성 검정을 위해서는 거리 상관관계 (distance correlation) 방법이 여전히 선호된다고 지적합니다.