High-Dimensional Tests for Elliptical Models via Radial--Directional Dependence

技术摘要：基于径向–方向依赖的高维椭圆模型检验

问题陈述
椭圆模型是多变量分析的核心，提供了一个灵活的框架，既保留了高斯分布的仿射几何特性，又允许径向分布未指定。这种灵活性支持稳健统计、金融建模和信号处理。然而，现有的椭圆对称性拟合优度检验主要针对固定维度设计（$p$固定，$n \to \infty$）。在高维设定下（$p \to \infty$），这些经典方法面临重大挑战：样本协方差矩阵可能变得奇异，位置和形状参数的估计误差会传播到每一个坐标，且对椭圆性的偏离可能是“稠密”的（影响许多坐标但较弱）或“稀疏”的（影响少数坐标但较强）。尽管近期工作已解决高维椭圆推断问题（例如稳健形状检验和稀疏精度估计），但针对椭圆模型本身的直接拟合优度检验仍然有限。具体而言，亟需一种检验，其拒绝并非仅仅由于非高斯径向尾部，而是专门针对仿射标准化后径向分量与方向分量之间的结构独立性。

方法论
作者提出了一种基于椭圆性结构含义的高维拟合优度检验：在原假设下，标准化向量 $Y = \Sigma^{-1/2}(X - \mu)$ 分解为半径 $R = \|Y\|$ 和方向 $U = Y/\|Y\|$，两者相互独立，且 $U$ 均匀分布于单位球面 $S^{p-1}$ 上。

检验过程包含三个主要阶段：

1. 仿射标准化：由于位置 $\mu$ 和形状矩阵 $\Sigma$ 未知，作者采用高维 Hettmansperger–Randles (HR) 插入估计量。该稳健程序结合了空间中位数用于位置估计、空间符号图拉索（spatial-sign graphical-lasso）用于初始精度估计，以及用于位置和形状的迭代 HR 更新。由此得到的标准化观测值允许计算经验半径（$\hat{R}_i$）和方向（$\hat{U}_i$）。

2. 径向–方向相关性：检验聚焦于对数半径 $L_i = \log \hat{R}_i$ 和方向分量 $\hat{U}_{ij}$。在原假设下，$L_i$ 与任何坐标 $U_{ij}$ 之间的相关性应为零。该方法构建了一个中心化对数半径与方向分量之间的经验坐标相关性向量 $\hat{g}_n$。

3. 双统计量框架：为了处理稠密和稀疏备择假设，作者构建了两个互补统计量：

   • 求和统计量（$T_{sum}$）：聚合平方坐标相关性（$n \|\hat{g}_n\|_2^2$），旨在检测许多坐标表现出弱依赖性的稠密偏离。
   • 最大统计量（$T_{max}$）：关注最大绝对坐标相关性（$n \|\hat{g}_n\|_\infty^2 - 2\log p + \log \log p$），旨在检测仅少数坐标表现出强依赖性的稀疏偏离。
   • 自适应组合：使用求和统计量和最大统计量 p 值的柯西（Cauchy）组合作为单一自适应检验（$T_{cau}$），无需预先知道稀疏模式。

主要贡献
本文做出了五项主要贡献：

1. 框架：引入了一种针对高维椭圆拟合优度的径向–方向矩检验框架，适用于未指定的径向分布、位置和形状。该统计量计算简单，并提供坐标级别的诊断信息。
2. 神谕理论：对于神谕标准化观测值（即已知 $\mu$ 和 $\Sigma$），作者在 $p$ 随 $n$ 发散的机制下建立了原假设分布理论。求和统计量被证明渐近正态，最大统计量遵循 Gumbel 极限，且两个分量被证明渐近独立。
3. 插入有效性：本文证明，在明确的扰动条件下，用高维 HR 插入估计量替换未知参数可保持这些一阶极限。这将径向–方向检验论证与稳健标准化论证分离开来，明确了所需的估计量精度。
4. 局部备择理论：作者证明，在平衡的局部备择假设下，求和与最大分量仍保持渐近独立，此时两个分量均具有非平凡的功效，从而为柯西组合方法提供了依据。
5. 实证验证：通过模拟和真实数据应用，该方法展示了在各种径向定律（包括集中分布和重尾分布）下稳定的规模控制，并表现出稠密–稀疏功效的互补性。

结果

• 规模控制：模拟显示，提出的检验在单位矩阵、自回归和稀疏精度形状矩阵下，以及针对各种径向定律（高斯、Kotz 型、有界、$t_{10}$ 和混合正态）中，均保持了接近名义水平（0.05）的经验规模。HR 标准化有效地处理了未知的仿射几何。
• 功效：求和统计量对稠密备择假设功效显著，而最大统计量对稀疏备择假设功效显著。柯西组合检验有效自适应，在两种机制下均追踪更强的分量。与 Wang 和 Lopes (2026) 的基于投影的检验相比，所提出的方法在径向–方向依赖备择假设下显示出显著更高的功效。
• 真实数据应用：
  • 汽油光谱学：该方法识别了特定波长窗口（如 A1 和 A2）中局部化的径向–方向偏离，这些偏离被现有检验遗漏或以不同方式表征，从而区分了聚合效应与局部效应。
  • Arcene 质谱：检验在顶部方差特征集中检测到了稀疏的径向–方向偏离，而在这些区域竞争性的 WL 检验显著性较低。
  • 饼干和玻璃数据：该方法提供了可解释的诊断，识别出偏离是由许多坐标（求和）还是少数坐标（最大）驱动的。

意义
本文声称其主要意义在于提供了一个严谨的高维拟合优度框架，专门针对椭圆模型的结构独立性属性。通过利用求和与最大统计量的渐近独立性，所提出的柯西组合检验提供了一种稳健且自适应的解决方案，无需分析人员指定备择假设的稀疏性。此外，在明确扰动率下对 HR 插入标准化的理论验证，弥合了稳健估计与高维推断之间的差距，确保了即使在形状矩阵于高维中被估计的情况下，检验依然有效。该方法提供可解释的坐标级别诊断，使研究人员能够区分对椭圆性的稠密偏离与稀疏偏离，这是现有基于投影的全局检验所不具备的能力。