다변량 시계열의 즉시·지연 의존성 측정 혁신

본 논문은 다변량 시계열 간의 선형·비선형 의존성을 주파수 영역에서 체계적으로 정의하고, 이를 즉시 성분과 지연 성분으로 분해하는 새로운 방법론을 제시한다. 먼저, 다변량 시계열 X(t)∈ℝ^{p}와 Y(t)∈ℝ^{q}에 대해 이산 푸리에 변환을 수행하고, 교차 스펙트럼 행렬 S_XY(ω), 자기 스펙트럼 S_XX(ω), S_YY(ω)를 정의한다. 이때, 복소수 행렬의 실수부는 즉시(Zero‑lag) 의존성을, 허수부는 위상 차이에 의한 지연 의존성을 반영한다. 즉시 선형 의존성은 F^{i}_{XY}(ω)=\ln\frac{\det\begin{pmatrix}S_{YY}(ω)&0\\0&S_{XX}(ω)\end{pmatrix}}{\det\begin{pmatrix}S_{YY}(ω)&\Re S_{YX}(ω)\\\Re S_{XY}(ω)&S_{XX}(ω)\end{pmatrix}} 로 정의되며, 이는 두 시계열이 동일 순간에 동일 위상을 공유하는 정도를 정량화한다. 반면 지연 선형 의존성은 전체 의존성 F_{XY}(ω)=\ln\frac{\det\begin{pmatrix}S_{YY}(ω)&0\\0&S_{XX}(ω)\end{pmatrix}}{\det S_{XY}(ω)} 에서 즉시 성분을 빼준 형태로, F^{\ell}_{XY}(ω)=F_{XY}(ω)-F^{i}_{XY}(ω) 로 표현된다. 두 지표 모두 비음수이며, 독립일 때만 0이 된다. 비선형 의존성, 즉 위상 동기화는 각 시계열의 푸리에 계수를 크기 정규화한 단위 벡터 \tilde X(ω), \tilde Y(ω) 로부터 정의한다. 정규화된 교차 스펙트럼 \tilde S_{XY}(ω)=\frac{1}{N_R}\sum_{j=1}^{N_R}\tilde X_j(ω)\tilde Y_j^{*}(ω) 를 이용해 즉시 위상 의존성 \tilde F^{i}_{XY}(ω)와 지연 위상 의존성 \tilde F^{\ell}_{XY}(ω)를 각각 실수부와 허수부 기반으로 구한다. 특히, 지연 위상 의존성은 부피 전도와 같은 즉시 혼합 효과를 배제하고 실제 신경 간 시간 지연 상호작용을 반영한다는 점에서 기존의 Imaginary Coherence(노르테타 등)보다 더 견고하다. 통계적 검정은 넓은 의미의 정상성 가정 하에 대표본 이론을 적용한다. Geweke(1982)의 방법을 그대로 차용하여, 각 지표는 자유도(p·q)·(T‑1)·2에 해당하는 χ² 분포로 근사된다. 따라서 귀무가설 “해당 의존성 지표가 0이다”를 검정할 수 있다. 다변량·다그룹 확장도 상세히 다루며, 세 개 이상의 시계열 집합 X, Y, Z에 대해 전체 의존성 F_{XYZ}(ω), 즉시 성분 F^{i}_{XYZ}(ω), 지연 성분 F^{\ell}_{XYZ}(ω)를 행렬식 기반으로 정의한다. 이때 행렬식은 각 그룹 내부의 공분산 구조를 보존하면서도 그룹 간 상호작용만을 추출한다. 또한, 모든 개별 유니버설 시계열에 대한 측정도 제시하여, p개의 유니버설 시계열을 포함하는 벡터 시계열에 대해 대각선 행렬을 이용한 간단한 형태의 의존성 지표를 도출한다. 뇌과학적 응용 측면에서, 전기·자기 뇌 기록은 전극·센서 간의 공간적 혼합(vol​ume conduction)과 낮은 공간 해상도로 인해 즉시 의존성이 과대평가되는 문제가 있다. 본 논문의 지연 의존성 지표는 이러한 즉시 혼합을 효과적으로 제거하여, 실제 신경 네트워크 간의 기능적 연결성을 보다 정확히 추정한다. 특히, eLORETA와 같은 저해상도 뇌 전기·자기 영상 기법으로 복원된 다변량 소스 시계열에 직접 적용 가능하도록 설계되었다. 결론적으로, 논문은 (1) 복소수 교차 스펙트럼을 기반으로 즉시·지연 성분을 명확히 분리, (2) 정규화된 위상 정보로 비선형 동기화를 측정, (3) 행렬식 기반 비율을 이용해 다변량·다그룹 상황에 일반화, (4) 통계적 검정 체계를 제공, (5) 뇌 과학 분야의 실용적 문제(부피 전도)를 해결한다는 점에서 이론적·실용적 기여가 크다.