가우시안 그래프 모델 복잡도 추정: p‑값 결합과 Storey 추정기의 새로운 접근

본 연구는 고차원 가우시안 그래프 모델(GGM)의 구조 복잡성을 정밀행렬(Ω)의 비영 원소 비율, 즉 그래프의 엣지 밀도로 정의하고, 이를 통계적 추정 문제로 전환한다. 전통적인 GGM 추정 방법은 L1 정규화, 그래픽 라소, 스케일드 라소 등으로 희소성을 강제해 개별 엣지를 복원하는 데 초점을 맞추었다. 그러나 전체 그래프의 전역적인 복잡도(엣지 비율)는 별도로 추정되지 않아, 네트워크 전체의 밀도나 복잡성을 정량화하는 데 한계가 있었다. 저자들은 이 문제를 “거짓 영 가설 비율”(π₀) 추정 문제로 보며, π₁=1−π₀가 바로 엣지 비율이 된다. 먼저 Liu(2013)의 GFC 절차를 이용해 각 변수쌍(i,j)에 대한 검정통계량 T_{ij}를 만든다. 구체적으로, 각 변수 X_i 를 나머지 변수 X_{−i}에 대해 Lasso·Scaled Lasso·Dantzig 등으로 회귀하고, 잔차 ε_i 를 얻는다. 이후 잔차 공분산 ˆr_{ij}=n⁻¹∑_l ε̂_{li}ε̂_{lj}와 정규화 상수 r̂_{ii}, r̂_{jj}를 사용해 T_{ij}=r̂_{ii}r̂_{jj}·T_{1,ij}를 정의한다. (C1) 가정(분산·정밀행렬 대각원 상수 제한, log k=o(n)) 하에 T_{ij}는 영가설 하에서 표준 정규분포에 수렴하고, p‑값 p_{ij}=2·Φ(−|T_{ij}|)를 얻는다. 다음 단계는 Storey(2002)의 π₀ 추정식 ˆπ₀(λ)=#\{p_i>λ\}/