跳转至

Testing for independence in high dimensions based on empirical copulas

作者: Axel Bücher, Cambyse Pakzad
来源: Annals of Statistics
主题: 数理统计 / 假设检验
相关性: 7/10
链接: 期刊页 · arXiv

一、领域脉络与小综述

这个方向是什么

本子方向解决的根本问题是：如何检验一个高维随机向量（变量数 \(p\) 可与样本量 \(n\) 同阶甚至更大）的各分量之间是否相互独立。经典独立性检验（如基于 Pearson 相关系数、Spearman 秩相关系数、或 copula 的 Cramér–von Mises 型检验）在固定维数 \(p\) 下已有成熟理论，但当 \(p\) 随 \(n\) 增长时，这些方法面临维数灾难：要么检验统计量的渐近分布不再适用，要么计算量爆炸，要么只能检测两两依赖而忽略更高阶的依赖结构。当前该方向的成熟度属于快速发展期——已有若干高维检验方法（基于最大型或 L2 型统计量），但绝大多数只针对两两独立性，对高阶依赖的检验几乎空白。

发展脉络

奠基工作：独立性检验的 copula 方法可追溯到 Deheuvels (1981a)，他首次将经验 copula 过程用于检验多元独立性。Genest 和 Rémillard (2004) 以及 Genest et al. (2007) 在此基础上系统发展了基于 Möbius 变换的 Cramér–von Mises 型检验统计量，其核心思想是将经验 copula 过程分解为一系列渐近独立的子过程，每个子过程对应一个特定子集的依赖信号。Segers (2012) 给出了经验 copula 过程弱收敛的宽松条件（只需 copula 的一阶偏导数存在且在超立方体的某些子集上连续），为后续理论提供了坚实支撑。留下的口子：这些工作都假设维数 \(p\) 固定，无法直接推广到 \(p \to \infty\) 的情形。

主要进展（高维方向）：近年来，高维独立性检验的研究主要沿两条路线展开： 1. 基于协方差/相关矩阵的检验：Ledoit and Wolf (2002); Schott (2005); Cai and Jiang (2011); Chen et al. (2010); Jiang and Qi (2015); Han and Wu (2020); Drton et al. (2020) 等发展了检验协方差矩阵是否为对角阵或单位阵的方法。这些方法本质上是检验两两线性相关性，对非线性依赖无能为力。 2. 基于秩相关/距离协方差的检验：Han et al. (2017) 基于 Kendall's tau 和 Spearman's rho 的最大型统计量，证明了其弱收敛到 Gumbel 分布，并提出了控制第一类错误的高维检验。Drton et al. (2018) 进一步将最大型统计量推广到 Hoeffding's D、Blum-Kiefer-Rosenblatt's R 等更一般的秩相关，并证明了其在稀疏备择下的率最优性。Yao et al. (2018) 则基于距离协方差构造了 L2 型检验统计量，能检测非线性依赖，且渐近正态性在很弱的矩条件下成立。留下的口子：这些方法都只检验两两独立性，无法检测更高阶的依赖结构（如三个变量之间的交互依赖，即使所有两两都是独立的）。

当前 frontier：Leung and Drton (2018) 和 Yao et al. (2018) 的工作代表了当前高维独立性检验的 L2 型聚合方法的主流。本文的位置：本文试图填补上述"高阶依赖检测"的空白——将固定维数下基于 Möbius 变换的 copula 检验推广到高维情形，使得检验统计量不仅能检测两两依赖，还能检测任意子集上的高阶依赖。

子线索聚类

被引文献大致落在以下三条子线索上：

  • 线索 A：固定维数下的 copula 检验（Deheuvels 1981a; Genest & Rémillard 2004; Genest et al. 2007; Genest et al. 2019; Segers 2012）。这一簇的核心是：利用经验 copula 过程的 Möbius 变换构造 Cramér–von Mises 型统计量，在 \(p\) 固定时渐近理论完善，但无法处理 \(p \to \infty\)。

  • 线索 B：高维协方差/相关矩阵检验（Ledoit & Wolf 2002; Schott 2005; Cai & Jiang 2011; Chen et al. 2010; Jiang & Yang 2013; Han & Wu 2020）。这一簇的核心是：检验协方差矩阵是否为对角阵或单位阵，本质上是检验两两线性相关性。方法成熟，但无法检测非线性依赖。

  • 线索 C：高维非参数独立性检验（Han et al. 2017; Drton et al. 2018; Yao et al. 2018; Leung & Drton 2018）。这一簇的核心是：基于秩相关或距离协方差构造最大型或 L2 型统计量，能检测非线性依赖，但只针对两两独立性。其中 Han et al. (2017) 和 Drton et al. (2018) 使用最大型聚合，Yao et al. (2018) 和 Leung & Drton (2018) 使用 L2 型聚合。

这个方向在追问的核心问题

  1. 如何构造能检测高阶依赖的检验统计量？ 当前所有高维方法都只考虑两两依赖，但三个或更多变量之间的交互依赖（即使所有两两独立）可能同样重要。
  2. 检验统计量的渐近分布是什么？ 当 \(p\) 与 \(n\) 同阶增长时，经典极限理论失效，需要新的 CLT 工具（如鞅 CLT、随机矩阵理论）。
  3. 检验的功效如何？ 在稀疏备择（少数变量对依赖）和密集备择（大量弱依赖）下，检验是否率最优？
  4. 如何平衡计算复杂度和统计效率？ 高阶依赖的检测涉及 \(O(2^p)\) 个可能的子集，需要有效的聚合策略。

⚠️ 作者的 framing

作者将缺口 frame 成："现有高维独立性检验只关注两两依赖，而基于 Möbius 变换的 copula 方法在固定维数下已被证明能检测高阶依赖，因此将其推广到高维是显然的下一步。" 作者明确选择 L2 型聚合（"Throughout, following Leung and Drton (2018) and Yao et al. (2018), we opt for L2-type aggregation, and leave aggregation based on maxima for future research"），这淡化了最大型聚合的路线——后者涉及完全不同的理论工具（极值理论、Gumbel 分布），且 Han et al. (2017) 和 Drton et al. (2018) 已在该路线上取得进展。

值得研究者去查的问题：作者在引言中引用了大量协方差矩阵检验的工作（线索 B），但并未讨论这些方法与 copula 方法在检测非线性依赖上的本质差异。此外，作者引用了 Battiston et al. (2020) 关于高阶交互网络的综述，但该文属于物理学/网络科学领域，与统计检验的直接关联并不明显——作者是否在暗示高阶依赖检测有跨学科应用？另外，Canfield and McKay (2005) 关于 0-1 矩阵计数的组合结果被用于推导 \(|\mathcal{N}_k|\) 的阶数，但该结果本身与独立性检验无直接关系，作者使用它来估计 Möbius 变换中涉及的多项式项数。

张力

未见明显对立引用。各条线索之间是互补而非矛盾的关系：线索 A 提供高阶依赖检测的框架但限于固定维数，线索 B 和 C 提供高维工具但限于两两依赖。本文试图将 A 的框架与 C 的高维工具结合。

二、最核心、最简单的例子 / 数学问题

第一步：符号、模型、可观测数据交代清楚

符号： - \(X = (X_1, \ldots, X_p)^\top\)：\(p\) 维随机向量，其分量之间的独立性是待检验的零假设。 - \(X^{(1)}, \ldots, X^{(n)}\)：来自 \(X\) 的 \(n\) 个独立同分布样本。 - \(p\)：变量数（维数），可与样本量 \(n\) 同阶增长（即 \(p = p_n \to \infty\) 当 \(n \to \infty\)）。 - \(F_j\)：第 \(j\) 个分量的边际分布函数（连续，但不必已知）。 - \(C\)：\(X\) 的 copula 函数，定义为 \(C(u_1, \ldots, u_p) = \mathbb{P}(F_1(X_1) \le u_1, \ldots, F_p(X_p) \le u_p)\)，其中 \(u_j \in [0,1]\)。 - \(\hat{C}_n\)：经验 copula，定义为 \(\hat{C}_n(u_1, \ldots, u_p) = \frac{1}{n} \sum_{i=1}^n \prod_{j=1}^p \mathbf{1}\{ \hat{F}_{j,n}(X_j^{(i)}) \le u_j \}\)，其中 \(\hat{F}_{j,n}\) 是 \(F_j\) 的经验分布函数。 - \(\mathbb{C}_n(u) = \sqrt{n} (\hat{C}_n(u) - C(u))\)：经验 copula 过程。 - \(\Pi(u) = \prod_{j=1}^p u_j\)：独立 copula（对应零假设 \(H_0: C = \Pi\)）。 - \(\mathbb{U}_n(u) = \sqrt{n} (\hat{C}_n(u) - \Pi(u))\)：中心化的经验 copula 过程（在零假设下）。 - \(S \subseteq \{1, \ldots, p\}\)：变量子集，\(|S| = k\) 表示子集大小。 - \(\mathcal{N}_k\)：所有大小为 \(k\) 的子集的集合，\(|\mathcal{N}_k| = \binom{p}{k}\)。 - Möbius 变换：对任意函数 \(f: [0,1]^p \to \mathbb{R}\)，其 Möbius 变换定义为 \(f^\dagger(u) = \sum_{S \subseteq \{1,\ldots,p\}} (-1)^{p-|S|} f(u_S)\)，其中 \(u_S\) 表示将 \(u\) 中下标不在 \(S\) 的分量设为 1 后的向量。特别地，对独立 copula \(\Pi\)，有 \(\Pi^\dagger(u) = \prod_{j=1}^p (u_j - 1)\)。 - \(T_{n,k}\)：基于大小为 \(k\) 的子集的检验统计量分量（具体定义见下文）。 - \(T_n\)：最终检验统计量，为 \(T_{n,k}\) 的加权和。

模型： - 数据生成机制：\(X^{(i)} \sim F\)，其中 \(F\) 是 \(p\) 维联合分布函数，具有连续边际分布 \(F_1, \ldots, F_p\)。 - 零假设 \(H_0\)：\(X_1, \ldots, X_p\) 相互独立，即 copula \(C = \Pi\)。 - 备择假设 \(H_1\)：存在至少一个子集 \(S \subseteq \{1,\ldots,p\}\)（\(|S| \ge 2\)）使得 \(S\) 中的变量不独立。 - 已知量：边际分布 \(F_j\) 未知但连续（因此秩变换有效）。 - 待估对象：copula \(C\)（通过经验 copula \(\hat{C}_n\) 估计），以及检验统计量 \(T_n\) 的渐近分布。

可观测数据： - 研究者实际能观测到的是 \(n\) 个 \(p\) 维样本点 \(X^{(1)}, \ldots, X^{(n)}\)。 - 不可观测的是：copula \(C\)（只能通过经验 copula 估计）、各子集上的依赖结构（只能通过 Möbius 变换间接推断）。 - 关键识别假设：边际分布连续（确保秩变换无结），且 copula 的一阶偏导数存在且在边界附近有良好行为（Segers 2012 的条件）。

第二步：讲最小内核

最简特例：\(p = 2\)（两个变量），且只关心两两独立性（即 \(k=2\) 的子集）。这是整篇论文方法在最低维数下的退化情形，但已能展示核心思路。

在 \(p=2\) 下的记号退化： - \(X = (X_1, X_2)^\top\)，样本 \(X^{(1)}, \ldots, X^{(n)}\)。 - Copula \(C(u_1, u_2) = \mathbb{P}(F_1(X_1) \le u_1, F_2(X_2) \le u_2)\)。 - 零假设 \(H_0: C(u_1, u_2) = u_1 u_2\)（独立）。 - 经验 copula：\(\hat{C}_n(u_1, u_2) = \frac{1}{n} \sum_{i=1}^n \mathbf{1}\{ \hat{F}_{1,n}(X_1^{(i)}) \le u_1, \hat{F}_{2,n}(X_2^{(i)}) \le u_2 \}\)。 - Möbius 变换：对任意函数 \(f(u_1, u_2)\)，\(f^\dagger(u_1, u_2) = f(u_1, u_2) - f(u_1, 1) - f(1, u_2) + f(1, 1)\)。特别地，对独立 copula \(\Pi(u_1, u_2) = u_1 u_2\)，有 \(\Pi^\dagger(u_1, u_2) = (u_1 - 1)(u_2 - 1)\)。

核心思路： 1. 在零假设下，经验 copula 过程 \(\mathbb{U}_n(u_1, u_2) = \sqrt{n}(\hat{C}_n(u_1, u_2) - u_1 u_2)\) 弱收敛到一个高斯过程。 2. 对其应用 Möbius 变换，得到 \(\mathbb{U}_n^\dagger(u_1, u_2) = \mathbb{U}_n(u_1, u_2) - \mathbb{U}_n(u_1, 1) - \mathbb{U}_n(1, u_2) + \mathbb{U}_n(1, 1)\)。在零假设下，\(\mathbb{U}_n^\dagger\) 的协方差结构有特殊形式——它实际上是一个鞅差序列的累积和。 3. 构造检验统计量 \(T_{n,2} = \int_{[0,1]^2} (\mathbb{U}_n^\dagger(u_1, u_2))^2 \, du_1 du_2\)。在固定 \(p=2\) 时，Genest et al. (2007) 已证明 \(T_{n,2}\) 的渐近分布是某个加权卡方分布，临界值需通过 bootstrap 获得。

本文的关键推广：当 \(p\) 很大时，上述方法面临两个问题： - 问题 1：Möbius 变换涉及 \(2^p\) 项，计算不可行。 - 问题 2：即使只考虑大小为 \(k\) 的子集，也有 \(\binom{p}{k}\) 个，需要聚合。

本文的解法： 1. 只考虑大小为 \(k\) 的子集（而不是所有子集），对每个子集 \(S \in \mathcal{N}_k\) 计算局部检验统计量 \(T_{n,S}\)。 2. L2 型聚合：\(T_{n,k} = \frac{1}{\sqrt{|\mathcal{N}_k|}} \sum_{S \in \mathcal{N}_k} (T_{n,S} - \mathbb{E}[T_{n,S}])\)。 3. 鞅 CLT：证明 \(T_{n,k}\) 在 \(p, n \to \infty\) 且 \(p/n \to \gamma \in (0, \infty)\) 时渐近标准正态，从而可直接用正态分位数定义临界值，无需 bootstrap。

为什么鞅 CLT 能工作：关键在于 Möbius 变换后的经验 copula 过程 \(\mathbb{U}_n^\dagger\) 在零假设下具有"近似鞅差"结构——当按某种顺序（如按子集大小递增）排列子集时，不同子集对应的统计量之间的相关性可以控制，使得部分和序列近似为鞅。这一观察是本文理论的核心。

三、这篇论文做了什么

三句话

  1. 研究了什么问题：在高维情形（\(p\) 可与 \(n\) 同阶甚至更大）下，检验 \(p\) 维随机向量的各分量是否相互独立，且检验不仅能检测两两依赖，还能检测任意给定大小 \(k \ge 2\) 的子集上的高阶依赖。
  2. 核心工具/方法：将问题与 copula 连接，利用经验 copula 过程的 Möbius 变换构造检验统计量，并通过 L2 型聚合（加权和）将 \(\binom{p}{k}\) 个局部统计量合并为一个全局统计量；基于鞅中心极限定理证明其渐近正态性。
  3. 主要结论：在 \(p, n \to \infty\) 且 \(p/n \to \gamma \in (0, \infty)\) 的条件下，对每个固定的 \(k \ge 2\)，所构造的检验统计量 \(T_{n,k}\) 在零假设下渐近服从标准正态分布，从而可直接定义临界值；模拟研究验证了有限样本下的表现。

关键设定与假设

完整设定（在第二节最小记号基础上补充）：

  • 数据：\(X^{(1)}, \ldots, X^{(n)}\) i.i.d. 来自 \(p\) 维分布 \(F\)，边际分布 \(F_1, \ldots, F_p\) 连续。
  • 零假设：\(H_0: C = \Pi\)，即所有分量相互独立。
  • 备择假设：\(H_1: C \neq \Pi\)，且存在至少一个大小为 \(k\) 的子集 \(S\) 使得 \(S\) 中的变量不独立（对给定的 \(k\)）。

  • 检验统计量：对每个大小为 \(k\) 的子集 \(S\)，定义

    \[T_{n,S} = \int_{[0,1]^k} \left( \sqrt{n} (\hat{C}_{n,S}(u_S) - \Pi_S(u_S)) \right)^2 \, du_S,\]
    其中 \(\hat{C}_{n,S}\) 是子集 \(S\) 对应的边际经验 copula，\(\Pi_S(u_S) = \prod_{j \in S} u_j\)。然后聚合：
    \[T_{n,k} = \frac{1}{\sqrt{|\mathcal{N}_k|}} \sum_{S \in \mathcal{N}_k} (T_{n,S} - \mathbb{E}[T_{n,S}]).\]
    这里 \(\mathbb{E}[T_{n,S}]\) 在零假设下可显式计算（不依赖于未知参数）。

  • 关键假设：

  • 假设 1（边际连续性）：\(F_1, \ldots, F_p\) 连续。这是秩方法的标准假设，确保经验 copula 的定义无歧义。
  • 假设 2（copula 光滑性）：copula \(C\) 的一阶偏导数存在且在 \([0,1]^p\) 的某些子集上连续（Segers 2012 的条件）。这是经验 copula 过程弱收敛的标准条件。
  • 假设 3（维数增长条件）：\(p = p_n \to \infty\) 且 \(p/n \to \gamma \in (0, \infty)\)。这是高维渐近的标准设定，允许 \(p\) 与 \(n\) 同阶。
  • 假设 4（子集大小固定）：\(k \ge 2\) 是固定的整数，不随 \(n\) 增长。这是本文理论的关键限制——\(k\) 不能随 \(p\) 增长（否则 \(\binom{p}{k}\) 项数爆炸，鞅 CLT 失效）。

相比已有文献的放宽/强化： - 放宽：相比固定维数下的 copula 检验（Genest et al. 2007），本文允许 \(p \to \infty\)。 - 强化：相比高维独立性检验（Han et al. 2017; Drton et al. 2018; Yao et al. 2018），本文能检测高阶依赖（\(k \ge 3\)），但代价是 \(k\) 必须固定（不能随 \(p\) 增长），且只考虑 L2 型聚合（而非最大型）。

主要结果

定理 1（渐近正态性）：在零假设 \(H_0\) 和上述假设下，对每个固定的 \(k \ge 2\)，有

\[T_{n,k} \xrightarrow{d} N(0, 1) \quad \text{当 } n, p \to \infty, p/n \to \gamma \in (0, \infty).\]

  • 直觉：\(T_{n,k}\) 是 \(\binom{p}{k}\) 个近似独立（但实际弱相关）的随机变量的和，经标准化后由鞅 CLT 保证收敛到正态。
  • 必要条件：\(k\) 固定，\(p/n \to \gamma \in (0, \infty)\)。若 \(p/n \to 0\) 或 \(p/n \to \infty\)，极限分布可能不同（作者未讨论）。
  • 解决的技术难点：\(\binom{p}{k}\) 个局部统计量 \(T_{n,S}\) 之间并非独立，其相关性结构复杂。作者通过 Möbius 变换将问题转化为鞅差序列的累积和，从而利用鞅 CLT 绕过直接处理相关性的困难。

定理 2（局部功效）：在局部备择假设（contiguous alternatives）下，\(T_{n,k}\) 的渐近分布为非中心正态，非中心参数由备择假设下 copula 的 Möbius 变换的 \(L^2\) 范数决定。

  • 直觉：检验能检测到与独立 copula 的 \(L^2\) 距离为 \(O(1/\sqrt{n})\) 的备择。
  • 与已有结果的比较：Genest et al. (2005) 在固定维数下给出了类似局部功效分析，本文将其推广到高维。

定理 3（一致性）：对任意固定的备择假设 \(H_1: C \neq \Pi\)，存在某个 \(k \ge 2\) 使得 \(T_{n,k}\) 的检验功效趋于 1。

  • 直觉：如果 \(C \neq \Pi\)，则至少存在一个大小为 \(k\) 的子集 \(S\) 使得 \(S\) 中的变量不独立，从而 \(T_{n,k}\) 能检测到该信号。
  • 注意：这要求 \(k\) 恰好等于该依赖子集的大小。如果依赖子集的大小未知，需要同时检验多个 \(k\) 值（作者未讨论多重比较校正）。

证明路线与技术技巧

整体路线（3-5 步逻辑主干）：

  1. 步骤 1：Möbius 变换与鞅表示。将经验 copula 过程 \(\mathbb{U}_n(u) = \sqrt{n}(\hat{C}_n(u) - \Pi(u))\) 进行 Möbius 变换，得到 \(\mathbb{U}_n^\dagger(u)\)。证明在零假设下，\(\mathbb{U}_n^\dagger\) 可以表示为鞅差序列的累积和。具体地，对每个子集 \(S\)，定义

    \[M_{n,S} = \int_{[0,1]^{|S|}} (\mathbb{U}_{n,S}^\dagger(u_S))^2 \, du_S - \mathbb{E}[(\mathbb{U}_{n,S}^\dagger(u_S))^2],\]
    则 \(T_{n,k} = \frac{1}{\sqrt{|\mathcal{N}_k|}} \sum_{S \in \mathcal{N}_k} M_{n,S}\)。

  2. 步骤 2：鞅差结构的验证。证明 \(\{M_{n,S}\}_{S \in \mathcal{N}_k}\) 在某种偏序下构成一个鞅差序列。关键观察：当按子集 \(S\) 的某种顺序（如字典序）排列时，\(M_{n,S}\) 的条件期望（给定过去的信息）为零。这依赖于 Möbius 变换的正交性——不同子集对应的 \(\mathbb{U}_{n,S}^\dagger\) 在零假设下渐近独立。

  3. 步骤 3：方差计算与标准化。计算 \(\text{Var}(T_{n,k})\) 并证明其趋于 1。这需要计算 \(\mathbb{E}[M_{n,S}^2]\) 和 \(\mathbb{E}[M_{n,S} M_{n,S'}]\)（对 \(S \neq S'\)）。作者利用组合计数（Canfield and McKay 2005 的结果）估计 \(|\mathcal{N}_k|\) 和交叉项的数量，证明交叉项可忽略。

  4. 步骤 4：鞅 CLT 的应用。验证鞅 CLT 的条件：条件方差收敛到 1（步骤 3），以及 Lindeberg 条件（需要控制 \(M_{n,S}\) 的矩）。作者利用经验 copula 过程的指数不等式（如 DKW 不等式）来证明 Lindeberg 条件。

  5. 步骤 5：局部备择下的功效。在 contiguous alternatives 下，\(\mathbb{U}_n^\dagger\) 的均值不再为零，而是某个非零函数。通过计算非中心参数，得到非中心正态极限。

关键跳跃点： - 最吃功夫的引理：证明 \(\{M_{n,S}\}\) 的鞅差性质。这需要精确刻画 Möbius 变换后经验 copula 过程的协方差结构，并证明不同子集对应的过程在零假设下"几乎不相关"。作者利用 copula 的独立结构（零假设下 \(C = \Pi\)）来简化协方差计算。 - 难点：当 \(p\) 很大时，\(\binom{p}{k}\) 个局部统计量之间的相关性虽然弱，但数量巨大，需要精细的组合估计来控制累积效应。作者使用 Canfield and McKay (2005) 关于 0-1 矩阵计数的结果来估计 \(|\mathcal{N}_k|\) 的阶数，以及不同子集重叠程度对交叉项的影响。

技术技巧点名： - Möbius 变换：将经验 copula 过程分解为一系列正交分量，每个分量对应一个特定子集的依赖信号。这是固定维数下已有技巧（Genest et al. 2007），本文将其用于高维。 - 鞅 CLT：核心工具，用于证明 \(T_{n,k}\) 的渐近正态性。作者引用了 Hall and Heyde (1980) 的鞅 CLT 标准版本。 - 组合计数：使用 Canfield and McKay (2005) 的结果估计 \(|\mathcal{N}_k|\) 的阶数，以及不同子集重叠的计数。 - 经验过程指数不等式：用于控制 \(M_{n,S}\) 的矩，验证 Lindeberg 条件。作者使用了 van der Vaart and Wellner (1996) 中的不等式。

真实例子与应用

本文为纯理论/无实证例子。作者在摘要中写道："The results are illustrated by a Monte Carlo simulation study." 但用户提供的全文（仅 introduction + bibliography）不包含模拟部分。根据摘要，模拟研究验证了有限样本下的表现，但具体数据、场景、对比 baseline 和结果均未提供。

🔎 结论是否比证明窄

  • 窄结论 1：定理 1 要求 \(k\) 固定。作者在引言中明确说"leave aggregation based on maxima for future research"，但未讨论 \(k\) 随 \(p\) 增长的情形（如 \(k = \lfloor p/2 \rfloor\)）。在实际应用中，如果真正的依赖子集大小未知且可能很大，固定 \(k\) 的检验可能失效。
  • 窄结论 2：定理 1 要求 \(p/n \to \gamma \in (0, \infty)\)。作者未讨论 \(p/n \to 0\)（经典低维）或 \(p/n \to \infty\)（超高维）的情形。在超高维下，\(\binom{p}{k}\) 项数爆炸，鞅 CLT 可能不成立。
  • 窄结论 3：定理 3（一致性）声称"存在某个 \(k \ge 2\) 使得 \(T_{n,k}\) 的检验功效趋于 1"，但未给出如何选择 \(k\) 的指导。如果实际依赖子集的大小为 \(k^*\)，但研究者选择了 \(k \neq k^*\)，检验可能无法检测到依赖。
  • 泛泛 claim：作者在摘要中说"allowing for straightforward definition of critical values"，这依赖于鞅 CLT 的近似精度。在有限样本下，正态近似可能不够好，尤其是当 \(p\) 相对于 \(n\) 很大时。作者未提供有限样本下的误差界或校正方法。

四、开放问题（点到为止，扎根具体语句）

  1. \(k\) 的选择与多重比较：本文对每个固定的 \(k\) 构造一个检验，但实际应用中依赖子集的大小未知。如何同时检验多个 \(k\) 值并控制族系错误率？这扎根于定理 3 的陈述"存在某个 \(k \ge 2\) 使得 \(T_{n,k}\) 的检验功效趋于 1"——它暗示了需要同时考虑多个 \(k\)，但未给出具体方法。

  2. 最大型聚合：作者明确选择 L2 型聚合，并说"leave aggregation based on maxima for future research (which would involve a completely different theoretical approach, see Han et al., 2017)"。最大型聚合在稀疏备择下可能更优（如 Drton et al. 2018 所示），但需要极值理论工具。能否将本文的 Möbius 变换框架与最大型聚合结合？

  3. \(k\) 随 \(p\) 增长：本文要求 \(k\) 固定。当 \(k\) 随 \(p\) 增长时（如 \(k = \lfloor p/2 \rfloor\)），\(\binom{p}{k}\) 项数指数增长，鞅 CLT 是否仍然成立？这扎根于定理 1 的假设"\(k \ge 2\) is fixed"——作者未讨论 \(k \to \infty\) 的情形。

  4. 超高维情形：本文要求 \(p/n \to \gamma \in (0, \infty)\)。当 \(p \gg n\)（如 \(p = e^{n^\alpha}\)）时，检验是否仍然可行？这扎根于定理 1 的维数增长条件——作者未讨论 \(p/n \to \infty\) 的情形。

  5. 有限样本校正：鞅 CLT 的渐近正态近似在有限样本下可能不够精确。能否构造有限样本校正（如 Edgeworth 展开或 bootstrap）？这扎根于作者声称的"straightforward definition of critical values"——它依赖于渐近近似，未提供有限样本保证。

Maintained by 陈星宇 · Homepage · Source on GitHub

评论