📊 statistics

Statistical description and dimension reduction of continuous time categorical trajectories with multivariate functional principal components

本文提出了一种多元函数主成分分析框架，该框架将分类轨迹转化为希尔伯特空间中的二元指示函数，从而在弱正则性假设下实现分段常数路径的一致降维与统计比较，并在感官感知数据上进行了验证。

原作者： Hervé Cardot, Caroline Peltier

发布于 2026-05-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Hervé Cardot, Caroline Peltier

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在观看一群人品尝不同的食物。每隔几秒，他们就必须大声喊出他们感受最强烈的味道：“甜！”、“酸！”、“苦！”或“咸！”。在一分钟的时间里，每个人都会创造出一条独特且参差不齐的味道时间线。

在统计学世界中，分析这些时间线颇具挑战性。传统方法通常假设数据是平滑且连续的（如同流淌的河流）。但这些味道时间线更像是一系列突然的跳跃（如同电灯开关的反复开合）。如果你试图将这些“跳跃”数据强行纳入平滑模型中，就会丢失重要细节。

本文介绍了一种新颖而巧妙的方法，用于绘制和比较这些跳跃式味道时间线，且不会丢失任何信息。以下是他们方法的分解说明，辅以简单的类比：

1. 问题所在：“参差不齐”的时间线

通常，统计学家会查看任意给定秒数的“平均”味道。如果 50 人品尝柠檬，平均值可能会显示第 1 秒为“柠檬”，第 2 秒为“酸”，第 3 秒为“甜”。

缺陷：这种平均值掩盖了个体的故事。它无法告诉你谁较早切换到了“甜”，或者谁较晚仍停留在“酸”。此外，如果人们能同时尝出两种味道（例如同时尝出“甜”和“咸”），这种方法也会陷入困境，而这种情况在某些实验中确实会发生。

2. 解决方案：“电灯开关”技巧

作者提出了一种简单但强大的技巧：与其直接分析复杂的“味道”，不如将每一种可能的味道转化为其独立的二元电灯开关。

想象一个控制面板，上面有 8 个开关，分别对应每种味道（柠檬、甜、酸等）。
对于任何特定的人在特定的一秒，“柠檬”开关要么处于**开启（1）状态，要么处于关闭（0）**状态。
如果此人正在品尝柠檬，则“柠檬”开关开启，其余所有开关均关闭（在标准实验中）。
通过这样做，他们将一条复杂且跳跃的时间线转化为一组简单的、二元的开/关故事。

3. 地图：寻找“主要主题”

既然他们拥有了这些开/关故事，便使用了一种称为**多元函数主成分分析（MFPCA）**的技术。

类比：这就像在一首歌曲中寻找“主要主题”。如果你有 150 段不同的人品尝食物的录音，MFPCA 会问：“这些时间线最常见的变化方式是什么？”
结果：他们找到了几个“主模式”（称为主成分），这些模式解释了人与人之间的大部分差异。
- 模式 1 可能代表了先尝到“柠檬”的人与先尝到“甜”的人之间的差异。
- 模式 2 可能代表了最后尝到“咸”的人与未尝到“咸”的人之间的差异。

4. 为何此法优于旧方法

本文将他们新的“电灯开关”方法与一种名为“连续时间对应分析”的旧方法进行了比较（后者类似于试图使用复杂的多维网格来绘制味道地图）。

旧方法的弱点：当某种味道在特定时间无人选择时，它难以应对。这就像试图绘制一张某些街道不存在的城市地图；数学会崩溃，地图会出现空洞。此外，它使用“乘法”数学（数字相乘），难以解释。
新方法的优点：它使用“加法”数学（数字相加）。它能完美处理“空洞”（即无人选择某种味道的时刻）。它将数据视为一系列简单的开/关开关集合，即使数据杂乱无章或人们同时尝出多种味道，该方法依然稳健。

5. 现实世界测试：味觉测试

作者在包含 150 人品尝三种不同受控液体刺激（S04、S06、S07）的真实数据集上测试了该方法。

结果：他们的新方法成功将人群分为三个截然不同的簇，完美匹配了他们品尝的三种不同液体。
解读：他们可以观察这些“模式”并指出：“啊，A 组的人较早尝到了柠檬，较晚尝到了甜”，这与他们所喝液体的实际配方相符。旧方法也能区分这些组，但很难解释为何它们不同，并且会被无人品尝的味道（例如本测试中的“薄荷”）搞糊涂。

总结

简而言之，本文指出：“不要试图平滑分类数据中参差不齐的跳跃。相反，将每个类别转化为一个简单的开/关开关，然后寻找这些开关翻转的主要模式。”

这使得统计学家能够：

保留所有原始信息（不丢失任何数据）。
处理人们同时尝出多种味道的情况。
通过观察哪些味道同时升降，轻松解读结果。
将大量复杂的时间线数据简化为少数几个简单易懂的“得分”，从而讲述完整的故事。

技术摘要：连续时间分类轨迹的统计描述与降维

1. 问题陈述

本文旨在解决连续时间分类轨迹集的统计描述与比较挑战。虽然函数数据分析（FDA）已为取值为 $\mathbb{R}$ 的随机轨迹开发了丰富的工具，但对于取值于有限非数值状态集 $S = \{S_1, \dots, S_q\}$ 的轨迹，相关研究则较少。

现有方法面临特定局限：

分类函数数据分析（CFDA）： 该方法基于连续时间对应分析（Deville, 1982），将轨迹编码为实数分量。然而，对单个轨迹的解释往往十分棘手，且该方法难以处理在特定时间点发生概率为零的状态。
马尔可夫/半马尔可夫过程： 这些过程在总体层面建模轨迹的规律，但通常过于简化，难以用于个体层面的分析。此外，它们难以处理可同时观测到多个状态的框架（例如“时间性全选”或 TCATA），因为这需要系统状态数量呈指数级增长（ $2^q$ ）。

作者旨在提供一种工具，用于简单表示和比较分类轨迹，同时不丢失信息，特别适用于轨迹为具有有限跳跃的分段常数且多个状态可能共存的情景。

2. 方法论

所提出的方法将分类轨迹的统计描述问题转化为多变量函数主成分分析（MFPCA）。

数学框架：

二元指示变换： 作者不直接分析分类过程 $Y(t)$ ，而是将每个状态 $S_j$ 与二元随机指示函数 $X_j(t) = \mathbb{1}_{\{Y(t) \ni S_j\}}$ 相关联。这生成了一个取值于 $\{0, 1\}^q$ 的多变量函数向量 $X(t) = (X_1(t), \dots, X_q(t))$ 。
函数空间： 轨迹被建模为希尔伯特空间 $H = L^2([0, T], \mathbb{R}^q)$ 中的随机元素。作者证明，在轨迹依概率连续（假设 H1）且属于右连续左极限函数空间（ $D([0, T], \mathbb{R}^q)$ ）的弱假设下，这些过程是联合可测的，并具有定义良好的均值和协方差算子。
加法分解： 与使用联合概率乘法分解的 CFDA 不同，该方法依赖于协方差结构的加法分解。协方差算子 $\Gamma$ 通过核 $\gamma(s, t)$ 定义，其中非对角项代表对独立性的偏离。
降维： 该方法对向量 $X$ 执行 MFPCA。Karhunen-Loève 展开允许将中心化过程 $X - p$ （其中 $p$ 为均值轨迹）表示为由特征函数 $\phi_r$ 张成的低维子空间。

估计：

一致性： 在弱正则性假设下，论文提供了经验均值 $\hat{p}$ 和经验协方差算子 $\hat{\Gamma}$ 的一致性结果。
离散观测： 作者指出，虽然在受控实验中轨迹可以被完全观测，但利用足够密集的离散化点网格，通过非参数平滑（局部线性平滑器）也能获得一致的估计量，其收敛速率可达参数速率（至多相差一个对数因子）。

3. 主要贡献

统一框架： 该方法涵盖了时间优势感知（TDS）（任意时刻恰好一个状态激活）和TCATA（多个状态可同时激活），而无需导致状态空间维度的爆炸式增长。
理论严谨性： 论文为将不连续的分段常数分类轨迹视为平方可积函数希尔伯特空间中的随机元素提供了严格的数学论证，并在依概率连续的假设下确立了均值和协方差函数的连续性。
可解释性： 所得主成分被证明易于解释为围绕每个状态的平均概率曲线的变异。该方法允许识别个体轨迹中的主导模式。
对零概率的鲁棒性： 通过使用协方差的加法分解而非对应分析的乘法方法，该方法避免了当某状态在特定时间点发生概率为零时编码函数未定义的问题。

4. 结果

该方法通过一个包含 150 次感官感知实验的数据集进行了说明，涉及 50 名评审员品尝三种不同的味觉计控制刺激（S04、S06、S07），其中 $q=8$ 种可能的感觉状态。

降维： 前两个主成分解释了总方差的 34%（分别为 23% 和 11%）。特征值下降缓慢，反映了轨迹的不连续性。
刺激区分：
- PC1 有效地区分了 S04 刺激（特征是开始时“柠檬”概率高，结束时“甜”概率高）与 S06 刺激（特征是相反的模式）。
- PC2 将 S07 刺激（酸 $\to$ 甜 $\to$ 咸）与其他刺激区分开来。
与 CFDA 的比较：
- MFPCA 得分与 CFDA 得分的第一维显示出高度线性相关性（0.93），成功分离了刺激组。
- 然而，MFPCA 在发生概率方面提供了更直接的解读。
- CFDA 在处理“薄荷”描述符（干扰项）时遇到困难，因为当发生比例为零时，编码函数未定义。相比之下，MFPCA 自然地处理了这些零概率区间。
- CFDA 的第二维主要捕捉异常值（如薄荷干扰项等罕见事件），而 MFPCA 的第二维则成功地将 S07 信号与其他信号分离。

5. 意义与主张

作者声称，该方法为分类函数数据的降维提供了一种强有力的工具，兼具统计一致性和可解释性。

个体层面分析： 与专注于总体规律的基于马尔可夫的方法不同，该方法促进了个体轨迹的分析和比较。
处理同时状态： 该方法自然地处理了如 TCATA 等实验框架，其中多个状态共存，而使用标准马尔可夫或对应分析方法处理此类情景则需大幅增加复杂性。
预测效用： 降维表示（主成分得分）可作为预测模型的解释变量，例如标量对分类函数数据回归。作者证明，基于这些得分的简单判别分析可以准确预测底层的品尝实验（S04、S06 或 S07）。
通用性： 该框架被呈现为先前工作（Cardot 和 Peltier, 2025）的扩展，提供了更详细的数学描述以及在弱假设下的一致性估计量，适用于任何具有有限跳跃的连续时间分类过程。