《Journal of Multivariate Analysis》：Local inference for functional data on manifold domains using permutation tests
编辑推荐：
专业术语翻译的摘要
局部推断（local inference）对于函数型数据（functional data）而言，是指能够在数据定义域上评估调整后的p值函数（adjusted p-value function）的方法，从而能够将零假设（null hypoth
专业术语翻译的摘要
局部推断（local inference）对于函数型数据（functional data）而言，是指能够在数据定义域上评估调整后的p值函数（adjusted p-value function）的方法，从而能够将零假设（null hypothesis）的拒绝归因于定义域的特定部分。本研究将此思想拓展至定义域为黎曼流形（Riemannian manifold）或黎曼流形乘积空间的情形。这一拓展需要开发新的方法论，包括在流形乘积空间上定义调整集（adjustment set），以及在定义域具有非零曲率时对检验统计量（test statistic）进行近似。研究人员从理论上刻画了新程序所提供的第一类错误率（type I error rate）控制类型。通过在一个非平凡的“变色龙形状”流形上进行模拟，探索了程序在第一类错误控制与统计功效（statistical power）之间的权衡。研究人员将该程序应用于两个涉及卫星时空数据（satellite space-time data）的真实世界场景，这两个场景均与气候变化相关。
论文解读文章
研究背景与现存问题
函数型数据分析（Functional Data Analysis, FDA）是统计学中快速发展的领域，其研究对象是函数、曲面或其他定义在连续统上的对象。然而，绝大多数方法发展集中于定义在一维区间上的函数数据，对于具有复杂定义域（如高维或非欧几里得几何结构）的函数型数据关注有限。尽管已有学者在球面定义域的协方差估计、黎曼流形上的主成分分析以及非欧几里得定义域的估计方法等方面做出了贡献，但在复杂定义域上进行零假设检验的理论框架却极为稀少。
一个日益重要的议题是局部推断（Local Inference），即确定在给定检验框架下，定义域中哪些区域违反了零假设。这本质上是一个多重检验问题，因为同时检验的是不可数无穷多个假设。若不进行调整，则无法对定义域上的错误率提供有意义的控制，导致程序不具实用性。现有方法主要分为两类：一类旨在控制错误发现率（False Discovery Rate, FDR），另一类则旨在控制族系错误率（Family-Wise Error Rate, FWER）。这些方法还可进一步划分为全局调整（global-adjustment）和局部调整（local-adjustment）两类。全局调整方法通过对整个p值集合进行排序或阈值化来进行多重性校正，不依赖定义域的几何结构；而局部调整方法则显式地利用定义域的结构（如邻近性或连通性）来构造调整集。目前，一维情形下的区间检验（Interval-Wise Testing, IWT）是FDA中唯一的局部调整方法。
研究内容与主要结论
本研究旨在将局部调整的假设检验程序推广到流形定义域上，这是首次在一般流形定义域上实现局部FWER控制的同时，显式考虑其内在几何结构的尝试。研究的主要动机源于卫星时空测量数据的分析，例如全球月平均温度（定义域为球面与圆环的笛卡尔积S2 × S1）或北半球海冰覆盖年度测量（定义域为S2的非平凡子集）。
研究人员提出了一个两方面的创新贡献：首先，发展了适用于任意维度流形的局部调整概念，不再依赖区间，而是通过流形的内在几何结构（如测地线距离）构造一族预先指定的调整集，从而在尊重曲率、拓扑和边界约束的条件下进行多重性校正。其次，引入了一个调节参数（tuning parameter），用于控制调整的强度，使得程序可以在全局调整（最大化错误控制但可能保守）和限于有界子集的调整（提高功效但仍保持严格的有限样本保证）之间连续变化，提供了平衡错误控制与灵敏度的新机制。
研究从理论上证明了该程序在交换性（exchangeability）条件下具有有限样本的FWER控制能力，无需分布假设，也无需将问题简化为外在的欧几里得嵌入。通过在一个“变色龙形状”的流形上进行模拟，研究人员探讨了第一类错误控制与统计功效之间的权衡。此外，还将该程序应用于两个真实的气候变化相关的卫星时空数据集。
主要关键技术方法
研究人员采用了以下几种关键方法：首先，为了处理弯曲流形上的计算问题，直接在流形上构建三角剖分（triangulation），用以表示函数观测值并计算内在的测地线距离（geodesic distance），确保调整过程尊重曲率且距离计算保持在流形内部。其次，采用置换检验（permutation test）来计算与所选调整集关联的集合级p值（setwise p-values），然后将这些集合级p值聚合，得到定义在整个流形上的调整后p值函数（adjusted p-value function）。该方法不需要分布假设，仅依赖于数据的可交换性。
研究结果
2. 设定与统计模型（Setting and statistical model）： 研究人员定义了黎曼流形及其内在度量、拓扑和测度，并建立了函数型数据的统计模型。假设所有函数型数据都在同一流形上完全观测，这符合卫星测量的实际情况。给出了黎曼流形的正式定义，指出度量张量g诱导了长度结构和测地线距离d，以及黎曼测度μg。定义了以x为中心、ε为半径的测地线球B(x, ε)。
3. 推断程序（Inferential procedure）： 研究人员提出了一个基于置换检验的局部调整程序。该程序的核心是构造一个由流形内在几何定义的调整集族，并通过一个调节参数来控制调整的局部性程度。通过聚合这些调整集上的置换p值，得到每个点上的调整后p值，从而实现FWER控制。
4. 实现细节（Implementation details）： 为了实现上述方法，研究人员详细介绍了如何在计算机上处理流形定义域。这包括在流形上构建三角网格（triangular mesh）来离散化定义域，基于网格节点计算测地线距离，以及高效地执行大量置换检验所需的计算策略。
5. 模拟研究（Simulation study）： 研究人员设计了一个非平凡的“变色龙形状”流形作为测试平台。模拟结果表明，所提出的程序能够有效控制第一类错误率，并且其统计功效随着信号强度的增加而提高。通过与全局调整方法的对比，展示了局部调整方法在识别信号具体位置方面的优势。调节参数的引入允许用户在更严格的错误控制和更高的检测灵敏度之间进行权衡。
6. 全球变暖：北半球海冰覆盖减少（Global warming: reduction of sea ice coverage for the Northern Hemisphere）： 研究人员将所提方法应用于分析北半球年际海冰覆盖数据。该数据的定义域是地球表面海洋区域的复杂子集。研究发现，在北极地区的大部分海域，海冰覆盖面积在统计上呈现出显著的减少趋势。这些显著区域被清晰地识别出来，并且其空间分布与已知的气候变化影响模式一致。该应用证明了方法在处理具有不规则边界的实际复杂流形定义域时的有效性。
总结与讨论
研究人员开发的局部推断程序为流形定义域上的函数型数据假设检验提供了一个新颖且严格的框架。该程序的关键优势在于：(a) 它显式地利用了定义域的内在几何结构（如曲率和边界）来构造局部调整集；(b) 通过一个调节参数，实现了从全局调整到高度局部调整的连续过渡，灵活地平衡了错误控制与统计功效；(c) 基于置换检验，无需分布假设，在交换性条件下保证了有限样本的FWER控制；(d) 通过在流形上直接进行三角剖分，实现了几何感知的数值计算，避免了外在欧几里得空间近似带来的扭曲。
研究结论： 本研究将局部推断的思想成功扩展到了黎曼流形定义域，解决了此前缺乏此类方法的空白。通过理论证明、模拟验证和实际气候数据分析，证实了该程序的有效性和实用性。它为分析具有复杂几何结构的函数型数据（如卫星遥感数据、神经影像数据等）提供了一个强大的统计工具。
