High-Dimensional Two-Sample Test for Elliptical Symmetry Distribution

Resumo Técnico: Teste de Duas Amostras de Alta Dimensão para Distribuição de Simetria Elíptica

Enunciação do Problema
O artigo aborda o problema de localização de duas amostras de alta dimensão, especificamente testando a igualdade de dois vetores de localização ($H_0: \theta_1 = \theta_2$) quando a dimensão $p$ é comparável ou excede os tamanhos das amostras ($n_1, n_2$). Assume-se que os dados seguem distribuições de simetria elíptica com estruturas de dependência arbitrárias na matriz de dispersão.

A literatura existente enfrenta duas limitações primárias neste cenário:

1. Robustez vs. Dependência: Embora os procedimentos de sinal espacial sejam robustos a dados de caudas pesadas, sua calibração padrão depende de condições de traço que assumem matrizes de dispersão esparsas ou fracamente dependentes. Sob dependência forte e densa, esses testes falham em manter o tamanho correto porque a distribuição nula torna-se uma mistura ponderada de qui-quadrado em vez de uma distribuição normal, e seus padronizadores diagonais de ponto fixo falham em recuperar a forma diagonal verdadeira da distribuição elíptica.
2. Condições de Momento: Muitos métodos robustos requerem condições de momento positivo na variável radial, o que pode não valer para distribuições de caudas pesadas.

Metodologia
Os autores propõem um novo teste de sinal espacial baseado em escalas de quantis de diferenças pareadas coordenada a coordenada (PDQ). O procedimento envolve as seguintes etapas:

1. Padronização Diagonal: Em vez do estimador iterativo de ponto fixo usado em trabalhos anteriores (por exemplo, Feng et al., 2016; Li et al., 2016), os autores estimam a diagonal da matriz de forma elíptica usando quantis de diferenças pareadas coordenada a coordenada. Para uma amostra $k$ e coordenada $j$, o estimador de escala $\hat{d}_{kj}$ é definido como o quadrado do quantil $\alpha$ das diferenças absolutas $|X_{kij} - X_{k\ell j}|$.

   • Este estimador é livre de localização e não requer condições de momento positivo na variável radial.
   • Ele recupera a forma diagonal até um fator escalar específico da amostra, que desaparece após a normalização espacial.

2. Mediana Espacial e Sinais: Usando a matriz diagonal estimada $\hat{D}_k$, os autores calculam a mediana espacial da amostra completa $\hat{\theta}_k$ e os sinais espaciais padronizados $\hat{S}_{ki} = U(\hat{D}_k^{-1/2}(X_{ki} - \hat{\theta}_k))$.

3. Estatística de Teste: A estatística de teste é uma forma quadrática com remoção diagonal dos sinais espaciais:
   $$\hat{R}^{PDQ}_n = -\frac{1}{n_1 n_2} \sum_{i=1}^{n_1} \sum_{j=1}^{n_2} \hat{S}_{1i}^\top \hat{S}_{2j}$$
   Para corrigir os termos diagonais empíricos na expansão, uma correção de remoção diagonal empírica $\hat{b}_n$ é subtraída, resultando na estatística viável $T^{PDQ}_n = \hat{R}^{PDQ}_n - \hat{b}_n$.

4. Calibração: Reconhecendo que a distribuição nula sob dependência forte é geralmente uma mistura ponderada de qui-quadrado não gaussiana, os autores empregam um bootstrap selvagem de Rademacher para calibração. Este método estima consistentemente a lei nula sem exigir a estimação explícita dos pesos espectrais desconhecidos ou dos autovalores da distribuição limite.

Principais Contribuições Teóricas

• Expansão Estocástica de Taxa Explícita: Os autores derivam uma expansão de taxa explícita para a estatística da amostra completa, estabelecendo as taxas de convergência do estimador diagonal, da mediana espacial e das matrizes de plug-in.
• Distribuição Nula Geral: Sob estruturas de correlação arbitrárias, o artigo estabelece que a estatística com remoção diagonal órfã converge para uma mistura ponderada geral de qui-quadrado. A aproximação normal é mostrada como um caso especial que ocorre apenas quando nenhum autovalor único domina o espectro.
• Justificativa da Remoção Diagonal: O artigo justifica a correção de remoção diagonal empírica, mostrando que ela remove os termos diagonais dentro da amostra necessários para a expansão quadrática sem exigir que o termo de correção estime a média populacional com alta precisão.
• Consistência do Bootstrap: É provado que o bootstrap selvagem de Rademacher estima consistentemente a lei nula, fornecendo um método de calibração válido tanto para regimes assintoticamente normais quanto não normais.
• Pressupostos Relaxados: O arcabouço teórico não exige esparsidade, banda ou correlação fraca das matrizes de dispersão. Ele acomoda estruturas de dependência arbitrárias, desde que a dimensão satisfaça $p = o\{n_0^2 / \log^2(p + n_0)\}$ em regimes de espectro limitado.

Resultados Empíricos
Estudos de simulação comparam o teste PDQ proposto contra:

• SST: O teste de sinal espacial de Li et al. (2016) com iteração diagonal baseada em sinais.
• ART: O teste de randomização aproximado de Wang e Xu (2022).
• BF-F: O teste do tipo F de referência normal de Zhu et al. (2024).

As simulações consideram distribuições normal multivariada, $t$ multivariada (caudas pesadas) e normal mista sob estruturas de dependência AR(1) e Simetria Composta (CS) com alta correlação ($\rho=0.9$).

• Controle de Tamanho: O teste PDQ proposto demonstra controle preciso e estável do nível nominal em todas as configurações, incluindo dados de caudas pesadas e contaminados. Em contraste, o SST é sistematicamente liberal (rejeita em excesso) sob dependência forte e não gaussianidade, enquanto o BF-F torna-se conservador sob caudas pesadas.
• Poder: Sob alternativas densas, o PDQ acompanha o desempenho dos métodos concorrentes sob dados gaussianos, mas supera significativamente esses métodos sob distribuições de caudas pesadas e contaminadas. Os ganhos aparentes de poder do SST em alguns cenários são atribuídos à sua distorção de tamanho (rejeição em excesso sob a hipótese nula) e não a uma capacidade genuína de discriminação.

Significado e Alegações
O artigo afirma resolver a lacuna entre testes baseados em média de covariância arbitrária e testes de sinal espacial robustos a caudas pesadas. Ao substituir o padronizador diagonal de ponto fixo por um estimador de quantis de diferenças pareadas e utilizar um bootstrap selvagem para calibração, o método proposto:

1. Permanece válido sob dependência forte e densa, onde teorias anteriores de sinal espacial falham.
2. Não requer condições de momento positivo na variável radial, tornando-o adequado para distribuições de caudas pesadas.
3. Fornece um arcabouço unificado que se adapta à estrutura de dependência subjacente, resultando geralmente em um limite de qui-quadrado ponderado e apenas como caso especial em um limite normal.

Os autores concluem que o procedimento proposto oferece o desempenho geral mais confiável para testes de localização de duas amostras de alta dimensão quando a dependência é forte e as distribuições são potencialmente de caudas pesadas ou contaminadas.