技术摘要：异质性数据分位数的更紧致置信区间

问题陈述

标准的非参数分位数推断通常假设数据是独立同分布（i.i.d.）的。然而，在许多现代应用中，观测值虽然是独立的，但源自不同的分布（即异质性数据）。虽然经典的理论结果（例如 Shorack, 1973; van Zuijlen, 1976）已经确立了经验分布函数的渐近方差在 i.i.d. 抽样下达到最大，并且在异质性存在时可以显著降低，但这一理论优势在实际推断中尚未得到利用。

目前，尚不存在能够量化这种方差缩减效应的普适且渐近正确的非参数方法，用于处理一般的异质性设定。因此，统计学家被迫面临两种选择：

1. 使用基于 i.i.d. 的置信区间，这在存在异质性时过于保守（过宽）。
2. 将分析限制在不切实际的、异质性可以忽略不计的情景中，从而实际上退回到了 i.i.d. 的极限情况。

本研究的具体推断目标是对应于平均分布 $\bar{F}_n = n^{-1}\sum_{i=1}^n F_{n,i}$ 的分位数 $\bar{Q}_n(\tau)$，其中 $X_i \sim F_{n,i}$ 是独立但不同分布的。

方法论

框架与假设

作者考虑了一个由 $n$ 个独立一元数据 $X_i \sim F_{n,i}$ 组成的三角阵列，其中 $1 \le i \le n$。数据被划分为 $g$ 个组，记为索引集 $I_{n,j}$，同一组内的观测值具有共同的分布，但不同组之间的分布可以任意不同。

• 假设 1： 对于所有 $n \ge 2$，存在一个索引划分，使得对于属于同一组的所有 $i, i'$，均有 $F_i = F_{i'}$，且每个组至少包含两个索引。
• 假设 2： 满足 Lindeberg 型条件：当 $n \to \infty$ 时，$n V_n(\tau) \to \infty$，其中 $V_n(\tau)$ 为渐近方差。

方差缩减与估计

经验分布函数 $\hat{F}$ 在目标分位数处的估计方差由下式给出：
$$V_n(\tau) = n^{-1} \sum_{i=1}^n F_i(\bar{Q}_n(\tau)) [1 - F_i(\bar{Q}_n(\tau))]$$
在 i.i.d. 条件下，$V_n(\tau) \equiv \tau(1-\tau)$。在异质性条件下，$V_n(\tau) \le \tau(1-\tau)$，且通常存在严格不等式关系。

核心的方法论贡献是构建了一个针对该异质方差的比例一致估计量 $\hat{V}(\tau)$。该估计量利用了分组结构：
$$\hat{V}(\tau) = n^{-1} \sum_{j=1}^g \frac{1}{m_j - 1} \left( \sum_{\ell \in I_{n,j}} \mathbb{1}\{X_\ell \le \hat{Q}(\tau)\} \right) \left( \sum_{\ell \in I_{n,j}} \mathbb{1}\{X_\ell > \hat{Q}(\tau)\} \right)$$
其中 $m_j$ 是第 $j$ 组的大小，$\hat{Q}(\tau)$ 是经验分位数。该估计量是基于秩的，并且在严格单调变换下具有不变性。

理论结果

1. 一致性： 在假设 1 和 2 下，估计量 $\hat{V}(\tau)$ 是比例一致的，即 $\hat{V}(\tau)/V_n(\tau) \xrightarrow{p} 1$。
2. 渐近正态性： 通过结合方差估计量的一致性与经验分布函数的中心极限定理，作者确立了：
   $$\left( \frac{n}{\hat{V}(\tau)} \right)^{1/2} (\hat{F}(\bar{Q}_n(\tau)) - \tau) \xrightarrow{d} N(0, 1)$$
3. 置信区间： 通过使用 Galois 不等式（联系分布函数与分位数函数）对渐近结果进行反转，本文推导出了 $\bar{Q}_n(\tau)$ 的渐近正确 $100(1-\alpha)\%$ 置信区间：
   $$(\hat{Q}(\tau - \hat{c}(\alpha)), \hat{Q}(\tau + \hat{c}(\alpha)))$$
   其中 $\hat{c}(\alpha) = \hat{V}(\tau)/n^{1/2} \Phi^{-1}(1-\alpha/2)$。值得注意的是，该程序不需要分位数密度函数的存在。

模拟结果

作者进行了 $n=350$ 且 10,000 次蒙特卡洛复制的模拟研究，以评估该方法的性能。

• 数据生成机制： 测试了三种类型的异质性数据（正态、指数、均匀分布），并通过参数 $\gamma \in \{1, 2, 3, 4\}$ 控制不同程度的异质性。
• 分组设计： 对比了两种分组策略：“孪生组”（Twin groups，$m_j=2, g=175$）和“三角形组”（Triangular groups，$m_j=j+1, g=25$）。
• 研究发现：
  • 方差缩减： 与从平均分布中抽取的 i.i.d. 样本相比，异质性数据的估计误差明显更小。“孪生组”设计表现出更高的异质性，其变异性降低最为显著。
  • 覆盖率： 所提出的置信区间在所有场景下均实现了非常接近名义 95% 水平的覆盖概率（范围大约在 93.0% 至 95.2% 之间）。
  • 区间宽度： 与基于标准 i.i.d. 假设得到的区间相比，所得区间显著更短，而后者被证明过于保守。

意义与主张

本文声称提供了第一个用于构建异质性设定下分位数置信区间的通用且渐近正确的非参数方法。通过显式地对分组结构进行建模并估计缩减后的方差，该方法使统计学家能够：

1. 在数据具有异质性时，避免使用基于 i.i.d. 的区间所带来的过度保守问题。
2. 在不需要底层分布存在平滑条件（如分位数密度）的情况下，获得有效的推断。
3. 构建显著更紧致的置信区间，同时保持正确的覆盖率，从而提高在 i.i.d. 假设失效的现代应用场景中分位数估计的精确度。