用于检测具有重复观测值的多变量函数数据均值向量函数变化的全球检验方法

《Journal of Multivariate Analysis》:Global tests for detecting change in mean vector functions of multivariate functional data with repeated observations

【字体: 大 中 小 】 时间:2026年01月31日 来源:Journal of Multivariate Analysis 1.6

编辑推荐:

  邱志平|林伟|涂夏明|张金婷中国福建师范大学数学与统计学院,福州摘要在许多科学和技术领域中,多变量函数数据往往会在不同条件下随时间被反复观测。一个核心问题是,在整个观测期内,均值向量函数是否始终保持不变。本文提出了两种新的全局检验统计量,利用积分技术来解决这一问题。我们推导了在零

  邱志平|林伟|涂夏明|张金婷中国福建师范大学数学与统计学院,福州摘要在许多科学和技术领域中,多变量函数数据往往会在不同条件下随时间被反复观测。一个核心问题是,在整个观测期内,均值向量函数是否始终保持不变。本文提出了两种新的全局检验统计量,利用积分技术来解决这一问题。我们推导了在零假设下这些检验统计量的渐近分布,并证明了它们的根一致性。通过模拟研究评估了所提检验的数值性能,同时还通过分析公开可用的脑电图运动数据对之进行了进一步验证。引言近年来,随着数据采集和存储技术的快速发展,以函数形式呈现的观测数据在各类研究和工业领域中日益常见。因此,函数数据分析已成为统计研究与应用中一个充满活力且发展迅速的领域。关于函数数据分析在理论和实践方面的进展,可参考Ramsay和Silverman在2005年、Horváth和Kokoszka在2012年、Zhang在2013年以及Kokoszka和Reimherr在2017年所著的经典教材,还有Cuevas在2014年、Goia和Vieu在2016年以及Aneiros等人于2022年撰写的综述文章,以及其中的参考文献。上述所有研究都集中在单变量函数数据上。然而,在许多实际应用中,每个受试者都会被记录下多个变量,这些变量可能是离散的,也可能是近乎连续的,从而形成多变量函数数据。一个典型的例子是加拿大的天气数据集(Ramsay和Silverman,2005年),该数据集包含了加拿大35个地点的每日温度和降水量数据,构成一个双变量函数数据集。我们所研究的另一个例子是脑电图运动/想象数据集(Schalk等人,2009年),在该数据集中,109名受试者在执行各种运动和想象任务时,其64通道的脑电图信号被使用BCI2000系统记录下来——这套软件套件广泛用于脑机接口研究中,用于数据采集、刺激呈现以及大脑监测。在这种情况下,每位受试者会生成64条同时记录的曲线,从而形成一个64维的函数数据集。多变量函数数据的一个显著特点是,同一受试者内的不同曲线之间存在潜在的相关性。有效建模这些受试者内部的相关性以及同时处理多个功能成分,是当前面临的重要挑战,近年来也引起了越来越多的关注。相关研究包括主成分分析(Berrendero等人,2011年;Chiou等人,2014年;Happ和Greven,2018年)、聚类分析(Tokushige等人,2007年;Ieva和Paganoni,2013年;Jacques和Preda,2014年)、典型相关分析(Keser和Kocako?,2015年;Zhu等人,2012年;Chiou等人,2016年)、回归分析(Wong等人,2019年;Zhu等人,2019年)以及假设检验(Górecki和Smaga,2017年;Qiu等人,2021年;Zhu等人,2022年;Qiu等人,2024年)等。至于其他方法,可参考Claeskens等人(2014年)关于异常值检测的技术,以及Zhang等人(2021年)提出的动态子空间学习框架。在本文中,我们专注于多变量函数数据的重复观测分析,即从相同受试者在不同条件下收集的重复多变量函数观测值。从数学上讲,设,,表示在有限区间上独立的p维函数观测值。这些观测值满足以下加法模型:其中是未知的均值向量函数,而是一个p维随机过程,其均值向量为零,协方差矩阵函数为对于。时间区间自然可以被划分为个子区间,在这些子区间内对应的函数观测值代表了在不同条件下的重复测量。在这些子区间上的相应组均值函数可以表示为,,而对应的函数样本则可以表示为。我们的主要目标是检验以下零假设:与至少有两个组均值向量函数不相等的备择假设相对立。在零假设下,这个子区间上的均值函数是相同的,这意味着不同条件的影响可以忽略不计。如前文所述,在分析与运动/想象相关的脑电图数据时,就会出现这种检验问题(3)的典型例子。在这项研究中,我们从109名志愿者那里收集了他们在执行各种运动任务和运动想象任务时的64通道脑电图记录。我们的主要兴趣在于确定这64通道脑电图记录在运动任务和运动想象任务之间是否存在显著变化。这一情景与(3)中的假设检验框架十分契合。关于这个脑电图数据集的更多细节将在第4节中介绍。需要指出的是,这些函数样本(2)之间存在固有的相关性,这一点从根本上将我们的方法与Zhu等人(2022年)研究的非重复多变量函数数据的样本问题区分开来。一个核心挑战在于如何有效地将这种相关性纳入检验统计量的构建中,以及如何推导和近似所提检验统计量的渐近零分布。更多细节见第2节。另外值得一提的是,已有几种方法被用于解决单变量情况下的检验问题(3)()。例如,Martínez-Camblor和Corral(2011年)首次使用基于样本均值函数差异积分的检验统计量来处理这个问题,并采用了自助法和排列法。随后,Smaga(2019年)提出了一种更高效的方法,他使用Box型近似技术来近似检验统计量的分布,从而降低了计算成本。最近,Smaga(2020年)通过将经典的配对检验方法适配到函数数据环境中,提出了两种新的检验统计量,而Acal和Aguilera(2023年)则基于基展开技术开发了一种新方法。此外,Kurylo和Smaga(2024年)还研究了函数重复观测数据的方差分析问题。尽管取得了这些进展,但据我们所知,对于具有重复观测值的多变量函数数据,检验均值向量函数是否相等仍然是一个未解决的问题。不同功能成分之间的相关性,以及不同时期重复观测函数内部的相关性,进一步增加了统计推断的复杂性,使得这个问题尤为棘手。本文的结构如下。第2节中,我们介绍了两种新的检验统计量,推导了它们的渐近分布,讨论了近似其零分布的方法,并证明了它们的根一致性。第3节通过大量的模拟研究来评估所提检验在有限样本条件下的性能。为了证明它们的实际应用价值,我们在第4节中将这些检验应用于一个真实数据案例。第5节给出了总结性意见,而主要结果的技术证明则放在附录A中。章节摘录符号与检验统计量设L2(T)为由T上所有平方可积函数构成的可分希尔伯特空间,其内积定义为〈f,g〉=∫Tf(t)g(t)dt,其中f,g∈L2(T)。对于向量v=(vi)i=1p,用‖v‖=∑i=1pvi21/2表示通常的l2范数,用v?2=vv?表示其转置向量。对于矩阵A=(aij)m×n,用vec(A)=[a11,…,am1,…,a1n,…,amn]?表示其向量化形式,用‖A‖=∑i=1m∑j=1naij21/2表示其弗罗贝尼乌斯范数。当A为n×n方阵时,用tr(A)表示其迹,即tr(A)=∑i=1naii。此外,对于两个模拟研究在本节中,我们通过模拟研究来评估所提检验在有限样本条件下的性能。设Cnws和Dnws分别表示当它们的零分布通过W-S χ2近似方法近似时的所提检验Cn和Dn。我们使用以下模型生成模拟样本:Xj(t)=μ(t)+ej(t),t∈[0,3],j∈{1,…,n},其中误差项ej(t)由ej(t)=A[zj1(t),zj2(t),zj3(t)]?给出。为简化起见,矩阵A的前三行分别设置为(1,?1,0)、(0,1数据示例本节利用第1节简要介绍的公开可用的脑电图运动/想象PhysioNet数据集(Schalk等人,2009年)来说明所提出的检验方法。该数据集可从https://physionet.org/content/eegmmidb/1.0.0/获取。脑机接口(BCI),也称为脑机器接口(BMI),是在大脑的电活动与外部设备——通常是计算机或机械肢体——之间建立直接通信路径的技术。脑机接口的核心目标是在结论性意见本文提出了两种新的全局检验统计量,它们采用基于积分的方法,用于评估在不同条件下随时间被反复观测的多变量函数数据的均值向量函数在不同组之间是否相等。我们在零假设和局部备择假设下都推导出了这些统计量的渐近分布。为了近似零分布,我们采用了Welch–Satterthwaite χ2近似方法。这些统计量的有效性CRediT作者贡献声明邱志平:概念设计、方法论、软件、理论、原文撰写。林伟:软件。涂夏明:审稿与编辑。张金婷:审稿与编辑。致谢邱志平的工作得到了中国国家自然科学基金(NSFC)(12571281)以及中国福建省自然科学基金(项目编号2024J01307)的支持。张金婷的工作则得到了新加坡国立大学学术研究基金(A-8001952-00-00)的支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号