함수형 데이터의 조건부 독립성 검정을 위한 커널 기반 비모수 테스트

초록

본 논문은 무한 차원의 함수형 변수 X, Y, Z 사이의 조건부 독립성 (X \perp!!!\perp Y \mid Z) 를 검정하기 위해, 재생 커널 힐베르트 공간(RKHS)에서 정의되는 결합 조건부 공분산 연산자(CCCO)를 이용한 새로운 커널 기반 비모수 검정 통계량을 제안한다. 최신 회귀 연산자 수렴 속도 결과를 활용해 추정량의 asymptotic 분포를 엄밀히 증명하고, 스펙트럼 분해를 통해 실현 가능한 검정 절차를 설계하였다. 시뮬레이션 및 실제 활동·생체 데이터와 거시경제 데이터에 적용해 성능을 확인하였다.

상세 분석

이 연구는 기존의 다변량 조건부 독립성 검정이 함수형 데이터에 직접 적용되지 못한다는 한계를 정확히 짚어낸다. 핵심 아이디어는 재생 커널 힐베르트 공간(RKHS) 안에서 정의되는 결합 조건부 공분산 연산자(Conjoined Conditional Covariance Operator, CCCO)를 이용해 조건부 독립성을 표현하는 것이다. CCCO는 (\Sigma_{XY|Z}= \Sigma_{XY} - \Sigma_{XZ}\Sigma_{ZZ}^\dagger\Sigma_{ZY}) 로 정의되며, 여기서 (\Sigma_{ZZ}^\dagger)는 무어-펜로즈 역이다. 그러나 (\Sigma_{XY|Z}=0) 은 “조건부 공분산이 평균적으로 0”임을 의미할 뿐, 실제 조건부 독립성을 보장하지 않는다. 이를 보완하기 위해 저자들은 (\tilde\kappa_X|Z)와 (\tilde\kappa_Y|Z) 라는 조건부 중심화 커널을 도입하고, 수정된 연산자 (\tilde\Sigma_{XY|Z}=E