矩阵正态分布的Stein方法

《Journal of Multivariate Analysis》：Stein’s method for the matrix normal distribution

　　

本工作首次系统性地发展了矩阵分布的Stein方法。研究人员建立了矩阵正态近似Stein方法的基本要素：从具有双侧尺度的矩阵Ornstein–Uhlenbeck扩散推导出基于扩展生成元的Stein恒等式，给出了Stein方程解的显式半群表示，并获得了该解的正则性估计。新方法通过三个例子得到展示：（i）用于量化矩阵中心极限定理的光滑Wasserstein距离界（一个教学性例子）；（ii）中心矩阵T分布的矩阵正态近似的Wasserstein距离界；（iii）一种估计矩阵正态行、列协方差因子的Stein矩方法，产生了一类灵活的加权flip–flop Stein估计量，这些估计量推广了Dutilleul的经典flip–flop算法，并能自然地处理行/列重要性权重、系统性缺失以及向结构化协方差族的投影。后两个例子本质上是矩阵值的，无法通过朴素向量化处理。

Stein方法是一种用于导出概率分布之间距离显式定量界的强大概率技术，其核心是通过Stein方程将距离估计转化为单一随机变量的期望计算。自Stein（1972）引入以来，该方法已广泛应用于单变量分布，如正态、Poisson、指数、卡方、方差伽马和稳定分布，并推广到多元正态等随机向量情形。然而，尽管随机向量情形的Stein方法已高度发展，矩阵分布的系统性Stein框架在现有文献中仍然缺失。这一空白具有重要意义：将随机矩阵按列堆叠成向量会掩盖矩阵模型固有的代数结构、左右对称性和内在依赖性。例如，矩阵T分布源于正态-逆Wishart混合，其几何性质是矩阵特有的；估计中心矩阵正态模型的行、列协方差因子（Ψ,Σ）时，需要尊重Kronecker结构Ψ?Σ的恒等式和算子，而非将观测视为长向量。因此，本文首次系统性地发展矩阵分布的Stein方法，聚焦于矩阵正态分布，为矩阵正态近似和基于该分布的统计推断奠定基础。

研究人员首先采用生成元方法，引入具有双侧尺度的矩阵Ornstein–Uhlenbeck（OU）扩散：
dX_t = ?X_tdt + 2Ψ^1/2dB_tΣ^1/2，
其中Ψ∈S₊₊^ν，Σ∈S₊₊^d为常数矩阵，(B_t)为ν×d独立标准布朗运动矩阵。Proposition 1给出其扩展生成元A_OUf(X) = ?tr{X^T?f(X)} + tr{Σ?^TΨ?f(X)}。Proposition 2证明给定初始值X时，X_t的条件分布为N_ν×d(e^?tX, (1?e^?2t)(Ψ?Σ))，且当t→∞时收敛到平稳分布γ=N_ν×d(0_ν×d, Ψ?Σ)。由此，Corollary 1给出矩阵正态的Stein特征：X～N_ν×d(0,Ψ?Σ)当且仅当对满足适当可积条件的一切二阶连续可微函数f，E[A_OUf(X)]=0。基于该特征，Theorem 1给出矩阵正态Stein方程A_OUf_h(X)=h(X)?E[h(X_∞)]的显式半群解：
f_h(X) = ?∫₀^∞ {P_t^OUh(X) ? E[h(X_∞)]}dt，
并对于α-H?lder连续测试函数给出了点态界。Theorem 2建立了该解的正则性估计，包括m阶偏导数界、一阶导数界、高阶混合偏导数界以及Fréchet导数的相应界，推广了多元正态情形下的已知结果。

研究人员通过三个例子演示新框架。

4.1 Example 1: Comparison between the standardized sample mean of iid matrix-valued observations and the matrix normal distribution with the same covariance. 该例考虑n个独立同分布ν×d随机矩阵X_k，均值为零，协方差为Ψ?Σ，且三阶矩有限。记S=n^?1/2∑_k=1ⁿX_k，?～N_ν×d(0,Ψ?Σ)。Proposition 3给出光滑Wasserstein距离d₃和d₂的界，常数显式依赖Kronecker协方差导致的各向异性。证明使用留一耦合和Taylor展开。

4.2 Example 2: Comparison between the centered matrix T and normal distributions. 中心矩阵T分布T_ν