Two-Sample Homogeneity Test via Entropic Optimal Transport

기술 요약: 엔트로피적 최적 운송을 이용한 이표본 동질성 검정

문제 정의
본 논문은 다변량 설정($d \ge 1$)에서의 근본적인 통계적 문제인 두 표본 동질성 검정을 다룬다. 미지의 분포 $P$와 $Q$로부터 추출된 두 독립적인 표본이 주어졌을 때, 목표는 귀무가설 $H_0: P = Q$를 대립가설 $H_1: P \neq Q$에 대해 검정하는 것이다. 단변량 검정은 정형화된 순서(예: 분위수 함수)의 이점을 누리지만, 다변량 검정은 자연스러운 순서가 결여되어 있어 기하학적 구조를 보존하는 분포 표현을 구축하기 어렵다. 에너지 거리(energy distances), 커널 기반 최대 평균 불일치(MMD), 그래프 기반 통계량과 같은 기존 방법들은 일반적으로 분포 간의 차이를 하나의 스칼라 값으로 요약한다. 이러한 집계 방식은 한 분포가 다른 분포 또는 공통 참조 대상에 대해 어떻게 조직되어 있는지에 관한 맵 수준의 정보를 종종 유실시킨다. 또한, 다변량 설정에서 경험적 와서스타인 거리(Wasserstein distances)에 기반한 추론은 계산 비용이 많이 들고 비표준적 점근 특성을 갖는 경우가 많다.

방법론
저자들은 공통 참조 분포로부터의 엔트로피적 최적 운송(Entropic Optimal Transport, EOT) 맵에 기반한 동질성 검정법을 제안한다. 방법론은 다음과 같이 진행된다:

1. 공통 참조 구축: $U_d$를 단위 구(unit ball) $B_d \subset \mathbb{R}^d$ 상의 균등 분포라고 하자. 임의의 타겟 분포 $P$에 대하여, 본 방법은 엔트로피적 운송 맵 $T_{\varepsilon, P}: B_d \to \mathbb{R}^d$를 정의한다. 이 맵은 $\int \frac{1}{2}\|u-x\|^2 d\pi + \varepsilon \text{KL}(\pi \| U_d \otimes P)$를 최소화하는 $U_d$와 $P$ 사이의 유일한 엔트로피적 최적 결합(entropic optimal coupling) $\pi_{\varepsilon, P}$의 무게중심 투영(barycentric projection)이다.
2. 경험적 추정: $X_1, \dots, X_n \sim P$ 및 $Y_1, \dots, Y_m \sim Q$인 표본이 주어지면, 모집단 맵은 경험적 대응물인 $\hat{T}_{\varepsilon, n}$ 및 $\hat{T}_{\varepsilon, m}$에 의해 추정된다. 이때 소스 분포는 고정된 $U_d$(수치적으로 근사된 참조 샘플)로 유지되며, 타겟은 경험적 측도 $P_n$ 및 $Q_m$으로 대체된다.
3. 검정 통계량: 검정 통계량 $T_{n,m}$은 참조 영역 상에서 두 경험적 맵 사이의 스케일링된 제곱 $L^2$-거리이다:
   $$T_{n,m} = \frac{nm}{n+m} \int_{B_d} \| \hat{T}_{\varepsilon, n}(u) - \hat{T}_{\varepsilon, m}(u) \|^2 dU_d(u).$$
4. 교정(Calibration): $T_{n,m}$의 귀무 분포가 알려지지 않은 공분산 구조(비피벗적/non-pivotal)를 가진 극한 가우시안 프로세스에 의존하므로, 저자들은 **가중 멀티플라이어 부트스트랩(weighted multiplier bootstrap)**을 제안한다. 이 절차는 소스를 고정한 채 경험적 타겟 측도를 별도로 재가중하여, 임계값을 근사하기 위한 조건부 분포를 생성한다.

주요 기여
본 논문은 이 맵 기반 검정 프레임워크의 이론적 및 실무적 토대를 확립한다:

• 식별 가능성(Identifiability): 컴팩트 지지 집합(compact support) 및 고정된 정규화 가정을 하에서, 저자들은 모집단 EOT 맵이 기저 분포를 유일하게 결정함을 증명한다. 즉, $U_d$-거의 모든 곳에서 $T_{\varepsilon, P} = T_{\varepsilon, Q}$인 것은 $P = Q$인 것과 동치이다. 이는 모집단 불일치가 귀무가설 하에서 정확히 소멸됨을 보장한다.
• 점근 이론(Asymptotic Theory):
  • 귀무 극한(Null Limit): 귀무가설 $H_0$ 하에서 경험적 맵 차이에 대한 함수적 중심한계정리(FCLT)가 도출된다. 통계량은 가우시안 이차 형식 $\sum \omega_k Z_k^2$로 수렴하며, 여기서 $\omega_k$는 극한 가우시안 장(field)의 공분산 연산자의 고윳값이다.
  • 일치성(Consistency): 본 검정은 고정된 대립가설($P \neq Q$)에 대해 일치성이 있음이 입증되었으며, 통계량은 무한대로 발산한다.
  • 국소 검정력(Local Power): 연속적인 국소 대립가설(contiguous local alternatives) 하에서의 점근적 검정력이 특징지어지며, 이는 검정이 분포의 접선 방향(tangent directions) 차이에 민감함을 보여준다.
• 부트스트랩 타당성: 가중 멀티플러 부트스트랩의 타당성이 확립되었으며, 이는 부트스트랩 통계량의 조건부 분포가 귀무 극한 분포를 일관되게 추정함을 증명한다.
• 진단 능력(Diagnostic Capability): 스칼라 불일치 검정과 달리, 본 방법은 추정된 벡터장($\hat{T}_{\varepsilon, n} - \hat{T}_{\varepsilon, m}$)을 제공하여 분포 차이의 방향과 성격(예: 이동, 방사형 확장, 전단 변형)을 시각화할 수 있다.

결과
광범적인 수치 실험과 실제 데이터 적용은 이론적 발견을 뒷받침한다:

• 유한 표본 교정: 가중 멀티플플라이어 부트스트랩은 다양한 귀무 분포(가우시안, Student-t, 가우시안 혼합 모델)와 차원($d=2, 5, 10$)에서 신뢰할 수 있는 크기 제어(size control)를 제공하며, 경험적 기각률은 명목 수준(0.05)에 근접한다.
• 검정력: 본 검정은 기존 방법들(Energy, MMD, Sinkhorn divergence, k-NN, Wasserstein, OT-rank)과 경쟁적인 검정력을 보여준다. 특히 맵 간의 일관된 방향적 변위가 쉽게 탐지되는 **위치 대립가설(location alternatives)**에서 강력한 성능을 보인다. 또한 척도, 상관관계, 혼합 대립가설 하에서도 견고한 검정력을 보이지만, 특정 대립가설과 차원에 따라 타 방법 대비 성능은 달라질 수 있다.
• 계산 효율성: EOT-맵 검정은 Energy나 MMD보다는 느리지만, 순열 교정된 Sinkhorn divergence보다는 빠르다. 계산 비용은 참조점의 수 $N$을 통해 조절 가능하다. 적절한 $N$ 값은 안정적인 검정력과 크기를 유지하면서 실행 시간을 크게 단로한다.
• 실제 데이터 적용: Citi Bike 여행 데이터(회원 vs 일반 이용자)에 적용했을 때, 본 검정은 출발 위치 분포의 유의미한 차이를 탐지했다. 맵 수준의 시각화는 불일치가 단순히 전역적인 이동(global shift)이 아니라 복잡한 공간적 변동을 포함하고 있음을 드러냈으며, 좌표별 분해를 통해 경도와 위도 모두에서 기여가 있음을 보여주었다.

의의 및 주장
본 논문은 제안된 EOT-맵 검정을 기존의 스칼라 불일치 검정을 일률적으로 대체하는 것이 아니라, 경쟁력 있고 해석 가능한 보완재로 포지셔닝한다. 주요 의의는 다음과 같다:

1. 기하학적 해석 가능성: 분포의 변화에 대한 방향 및 기하학적 정보를 유지함으로써, 연구자가 단순히 차이가 있는지 여부를 넘어 어떻게 다른지를 진단(예: 벡터장 시각화)할 수 있게 한다.
2. 이론적 엄밀성: 고정된 정규화 하에서의 EOT 맵에 대한 엄격한 극한 이론을 제공하여, 비표준적 점근 특성을 갖는 경우가 많은 비정규화된 와서스타인 거리 문제를 극복한다.
3. 실용적 유용성: 본 방법은 통계적 검정력, 계산적 용이성(Sinkhorn 알고리즘 및 부트스트랩을 통해), 그리고 진단적 통찰력 사이의 실용적인 균형을 제공하며, 분포 변화의 구조를 이해하는 것이 검정 결정만큼 중요한 응용 분야에 적합하다.