Logarithmic energy distances and Gini covariance for Hilbert-valued random elements

技术摘要：希尔伯特值随机元的对数能量距离与 Gini 协方差

问题陈述
本文研究了取值于实可分希尔伯特空间 $H$ 的广义能量距离和 Gini 协方差统计量的边界情形。这些统计量传统上是基于形式为 $(x, y) \mapsto \|x - y\|^\alpha$（其中 $\alpha \in (0, 2)$）的幂距离核定义的。虽然这些方法在非参数推断和拟合优度检验中已得到广泛应用，但在参数趋向于下边界 $\alpha \downarrow 0$ 时，这些统计量的行为在无限维设定下的特征尚未得到充分表征。作者旨在确定该类核函数的极限对象，并研究其统计性质，特别是针对两样本和 $k$ 样本问题。

方法论
其核心方法论依赖于幂函数在零附近的初等展开：当 $\alpha \downarrow 0$ 时，$\|x - y\|^\alpha = 1 + \alpha \log \|x - y\| + o(\alpha)$。通过将此展开式应用于广义能量距离 $E_\alpha(X, Y)$ 的定义，作者表明在抵消常数项并进行适当归一化（除以 $\alpha$）后，该距离收敛于对数能量距离：
$$E_0(X, Y) = 2\mathbb{E}[\log \|X - Y\|] - \mathbb{E}[\log \|X - X'\|] - \mathbb{E}[\log \|Y - Y'\|],$$
其中 $X'$ 和 $Y'$ 分别是 $X$ 和 $Y$ 的独立副本。

作者将这一概念扩展到 $k$ 样本问题，定义了对数 Gini 协方差 $c_{\log}$，它作为两两对数能量距离的加权和。理论推导分为以下几个步骤：

1. 表征： 本文证明了 $E_0(X, Y) = 0$ 当且仅当 $X$ 与 $Y$ 的分布相同。证明过程利用 Frullani 公式将对数距离表示为与高斯核 $k_z(x, y) = \exp(-z\|x - y\|^2)$ 相关的平方最大均差（MMD）的积分。这种表示法利用了 Schoenberg 定理，以及概率测度在可分希尔伯特空间上由其有限维边际分布决定的事实。
2. 结构性质： 对数 Gini 协方差被证明在共同平移和尺度变换下具有不变性，这一性质使其区别于标准的幂核 Gini 协方差（后者按 $b^\alpha$ 缩放）。
3. 渐近理论：
   • 在原假设（$H_0$）下： 对于固定的 $k$，经验对数 Gini 协方差是渐近退化的。其极限分布被推导为与核函数 $K_0(x, y)$ 相关的积分算子特征值对应的中心化卡方随机变量的无限加权和。
   • 在备择假设下： 当分布不同时，该统计量是非退化的。论文证明了在固定备择假设下的经验统计量的渐近正态性，从而建立了相容性。
4. 实现： 由于零分布依赖于未知的特征值，作者提出了一种基于置换的程序来校准检验统计量。

主要贡献
本文做出了三个主要贡献：

1. 引入对数类似物： 它正式引入了对数能量距离和对数 Gini 协方差，作为幂距离族在 $\alpha \downarrow 0$ 时的自然边界对象。
2. 希尔伯特空间中的表征： 它证明了对数能量距离保留了基本的表征性质（$E_0 = 0 \iff P=Q$），并将其与高斯核 MMD 联系起来。这扩展了能量统计的应用范围，而无需修改其方法论，使其适用于函数型数据。
3. 渐近与实践框架： 它在固定-$k$ 框架下推导了经验对数 Gini 协方差的渐近零假设和备择假设理论，并提供了一个实用的基于置换的实现策略。

结果
作者通过模拟研究和实际数据应用展示了数值结果：

• 模拟： 研究将提出的对数检验（$E_0$ 和变体 $E_{\log}$）与标准能量距离检验（$E_1$）以及另一个竞争者进行了比较。结果表明，虽然所有检验都保持了标称显著性水平，但对数程序在面对尺度和形状备择假设（特别是涉及协方差结构变化、正态性偏离或相对离散度差异的假设）时，表现出显著更高的功效。这种增益在更高维度和函数型数据设定下更为明显。
• 实际数据应用：
  • 鸢尾花（Iris）和葡萄酒（Wine）数据集： 检验成功拒绝了 Fisher 鸢尾花和葡萄酒数据集关于分布相等的原假设，这与已知样本间的差异一致。
  • 伯克利生长数据（Berkeley Growth Data）： 应用于函数型数据（男孩和女孩的生长曲线），对数检验检测到了在特定年龄区间（[1, 4), [13, 18), [1, 18]）内存在的分布差异（这些区间内均值函数也存在差异），同时在均值函数相似的区间 [4, 13) 内正确地未能拒绝相等假设。

意义与主张
论文声称对数框架揭示了能量型统计族中的一种“新边界现象”。其意义在于：

• 函数型数据分析： 希尔伯特空间公式允许直接处理函数型数据，避免了降维或对方法论进行特定修改的需求。
• 对几何结构的敏感性： 与强调全局分离的普通能量核不同，对数核被描述为对相对几何结构和局部相互作用更加敏感。这为现有的能量统计提供了一个互补工具，特别是在检测非位置备择假设方面。
• 与核方法的联系： 其推导建立了对数能量距离与高斯核最大均差之间的理论联系，架起了不同非参数推断领域之间的桥梁。

作者的结论较为谦逊，指出这项工作为未来的研究开辟了多个方向，包括向一般 Banach 空间的扩展、高维渐近机制（$d_N \gg N$）以及结合多个 $\alpha$ 值的自适应程序。