A Powerful Bootstrap Test of Independence in High Dimensions

이 논문은 고차원 데이터 환경에서 한 확률변수 $X$와 많은 다른 확률변수들의 집합 $Y_1, \dots, Y_p$ 사이의 쌍별 독립성 (pairwise independence) 을 검정하는 새로운 비모수적 방법을 제안합니다. 특히, $p$가 표본 크기 $n$보다 훨씬 큰 상황 (고차원) 에서도 유효하며, $Y_1, \dots, Y_p$ 간의 의존성 구조를 전혀 제한하지 않는다는 점이 핵심 특징입니다.

다음은 논문의 기술적 요약입니다.

1. 연구 문제 및 배경

• 검정 가설:
  • 귀무가설 ($H_0$): 모든 $j \in \{1, \dots, p\}$에 대해 $Y_j$와 $X$는 독립이다 ($Y_j \perp X$).
  • 대립가설 ($H_1$): 적어도 하나의 $j$에 대해 $Y_j$와 $X$는 종속이다.
• 도전 과제:
  • 기존 거리 공분산 (distance covariance) 기반의 검정 방법들은 고차원 환경에서 크기 (size) 를 통제하지 못하거나, $Y_1, \dots, Y_p$ 간의 의존성에 대한 특정 가정 (예: 교환 가능성) 을 요구하는 한계가 있었습니다.
  • 고차원 데이터 ($p \gg n$) 에서 $Y$ 변수들 간의 복잡한 상관관계를 고려하면서도, 가족별 오차율 (Family-Wise Error Rate, FWER) 을 통제하며 독립성을 위반하는 변수들을 선별할 수 있는 강력한 검정법이 필요했습니다.

2. 제안된 방법론 (Methodology)

2.1 검정 통계량

• Chatterjee의 순위 상관계수: 각 개별 가설 $H_{0,j}: Y_j \perp X$에 대해 Chatterjee (2021) 가 제안한 순위 상관계수 $\hat{\xi}_j$를 사용합니다.
  • 이 계수는 $X$와 $Y_j$가 독립일 때 0 이 되며, 연속 분포를 가정할 때 점근적 선형 표현 (asymptotic linear representation) 을 가집니다.
• 최대값 통계량: 전체 가설을 검정하기 위해 개별 통계량의 최댓값을 사용합니다.
  $$\hat{T} := \sqrt{n} \max_{1 \le j \le p} \hat{\xi}_j$$

2.2 블록 승수 부트스트랩 (Block Multiplier Bootstrap)

• 문제점: Chatterjee의 통계량은 1-의존 (1-dependent) 과정을 따르며, 표준 부트스트랩은 이 의존성을 무시하여 분산 추정을 왜곡합니다 (Lin and Han, 2024).
• 해결책: 저자들은 블록 승수 부트스트랩을 도입했습니다.
  1. 블록 분할: 1-의존성을 가진 합계 항들을 '큰 블록 (big blocks)'과 '작은 블록 (small blocks)'으로 분할하여, 큰 블록들이 서로 독립이 되도록 합니다.
  2. 승수 곱셈: 각 큰 블록 합계에 표준 정규 분포를 따르는 승수 $\varepsilon_k$를 곱하여 부트스트랩 통계량을 생성합니다.
  3. 임계값 계산: 생성된 부트스트랩 통계량의 분포에서 임계값을 도출하여 검정을 수행합니다.

2.3 최적 블록 크기 선택

• 블록 크기 $q$는 점근적 이론에서는 무한대로 발산해야 하지만, 유한 표본에서는 어떻게 선택할지 명확하지 않습니다.
• 저자들은 **부트스트랩 분산과 이론적 분산 간의 평균 제곱 오차 (MSE)**를 최소화하는 $q$를 제안했습니다.
• 이를 통해 $n$에 따른 최적 블록 크기 $q^*(n)$를 근사하는 간단한 공식 ($\tilde{q}(n) \approx (n/16)^{1/3}$) 을 제시했습니다. 시뮬레이션 결과, 이 선택은 검정의 크기와 검정력 (power) 에 매우 민감하지 않음을 보였습니다.

2.4 단계적 절차 (Stepwise Procedure)

• 독립성을 위반하는 변수들을 선별하기 위해 Romano and Wolf (2005) 의 단계적 하향 (stepdown) 절차를 적용합니다.
• 이 절차는 **가족별 오차율 (FWER)**을 점근적으로 통제하며, $p$가 $n$에 대해 지수적으로 증가하더라도 유효합니다.

3. 주요 이론적 결과

1. 균일한 크기 통제 (Uniform Size Control):
   • 제안된 검정은 $p$가 $n$에 대해 지수적으로 증가할 수 있는 넓은 범위의 데이터 생성 과정 (DGP) 에서 귀무가설 하에 크기 (Type I error) 를 균일하게 통제합니다.
   • $Y_1, \dots, Y_p$ 간의 의존성 구조에 대한 어떠한 가정도 필요하지 않습니다.
2. 일관성 (Consistency):
   • 고정된 대립가설 하에서 검정은 점근적으로 일관성을 가집니다 (검정력이 1 에 수렴).
3. 부트스트랩의 유효성:
   • 기존 부트스트랩이 Chatterjee 통계량의 분포를 일관되게 추정하지 못한다는 Lin and Han (2024) 의 결과와 달리, 제안된 블록 승수 부트스트랩은 1-의존성을 정확히 반영하여 유효한 근사를 제공합니다.

4. 시뮬레이션 결과

• 크기 통제: 제안된 검정 (BMB) 은 다양한 시나리오 (선형, 코사인, 희소/밀집 대립가설) 에서 명목 수준 (5%) 을 잘 통제합니다. 반면, 기존 거리 공분산 기반 검정 (dcov.test, dcorT.test 등) 은 $Y$ 변수들 간의 의존성이 $X$에 의존하는 경우 (즉, $H_0$는 성립하지만 $H_{joint}$는 성립하지 않는 경우) 크기 통제를 실패하는 것으로 나타났습니다.
• 검정력:
  • 고차원 환경 ($p$가 매우 큰 경우) 과 $Y$ 변수들 간에 의존성이 존재하는 상황에서 제안된 검정이 경쟁 방법들보다 일반적으로 더 높은 검정력을 보입니다.
  • 특히, 코사인 형태의 비선형 의존성이나 희소 (sparse) 한 대립가설에서 우수한 성능을 발휘합니다.
• 블록 크기 민감도: 블록 크기 $q$의 선택이 검정의 성능에 미치는 영향은 미미하여, 제안된 최적화 규칙을 따르는 것이 안전합니다.

5. 실증 분석 (Empirical Application)

• 데이터: 마우스 간세포의 전사체 발현 데이터 (GSE11923, $p=45,101$ 유전자, $n=48$ 시간점).
• 목표: 세포 주기 동안 진동하는 유전자를 식별 (시간 $X$와 유전자 발현 $Y_j$의 독립성 검정).
• 결과: 제안된 단계적 절차를 적용하여 약 10.1% (4,554 개) 의 유전자가 독립성 가설을 위반하는 것으로 확인되었습니다. 이는 기존 연구 (3,667 개) 보다 더 많은 유전자를 발견하면서도 FWER 를 엄격하게 통제한다는 장점을 보여주었습니다. 발견된 유전자 중 1,919 개는 기존 연구와 중복되었고, 2,635 개는 새로운 진동 유전자로 확인되었습니다.

6. 의의 및 기여

1. 고차원 독립성 검정의 새로운 표준: $p \gg n$ 환경에서 $Y$ 변수들의 복잡한 의존성을 제한 없이 다룰 수 있는 최초의 강력한 비모수적 검정법 중 하나입니다.
2. 이론적 엄밀성: Chatterjee 통계량의 점근적 선형 표현과 고차원 가우스 근사 이론을 결합하여, 블록 부트스트랩의 유효성을 엄밀하게 증명했습니다.
3. 실용성: 계산 비용이 낮고 (고차원에서도 실행 가능), R 패키지 hdIndep을 통해 구현이 용이합니다.
4. FWER 통제: 다중 검정 문제에서 가족별 오차율을 통제하면서 변수를 선별할 수 있는 체계적인 절차를 제공합니다.

이 논문은 고차원 통계학, 특히 변수 선택과 인과 추론, 공정한 머신러닝 등 다양한 분야에서 독립성 검정이 필요한 응용 분야에 중요한 방법론적 기여를 하고 있습니다.