核拟合优度检验的鲁棒性
内容提要
本研究将能量距离、距离协方差与最大均值差（MMD）联系起来，探讨其在概率分布下的可靠性及多参数数据的适用性。提出了B-tests，结合了MMD检验的优点，具有更强的计算效率和渐近正常分布特性。此外，研究介绍了新的无偏采样方法、适应性拟合优度检验和特征Stein差异度量，展示了在高维数据和模型结构下的优越性能。
延伸解读
核拟合优度检验的演进脉络
文章按时间顺序梳理了核拟合优度检验的重要进展，从2012年B-tests的提出，到2024年基于Nyström加速的大规模测试方法。这一脉络显示该领域在计算效率、检验功效和适用性上持续改进，尤其关注高维数据和复杂模型下的表现。读者可借此了解方法发展的内在逻辑。
B-tests：平衡计算效率与检验功效
B-tests通过平均样本子集上的MMD统计量，在计算时间和检验功效之间提供权衡。相比线性时间检验，它更强大；相比二次时间U统计量，它更高效，且具有渐近正态零分布，便于计算。核选择方法也可无缝迁移，优化检验功效。
PhiSD与KSD：速度与近似的权衡
特征Stein差异度量（PhiSD）可通过重要抽样实现近线性逼近，在速度上快于平方时间的KSD，适用于近似后验推断和拟合优度检验。这为计算资源有限的大规模场景提供了实用替代方案，但需注意其近似性质可能带来的精度损失。
高维与潜在变量模型的检验挑战
文章指出，在高维数据和存在未观测潜在变量的模型中，传统MMD检验可能表现不佳。新提出的适应性拟合优度检验和基于核的非参数检验，通过利用模型结构或处理潜在变量，展现出更优性能。这提示研究者在复杂模型下应优先考虑这些新方法。
Q&A
B-tests的优势是什么？
B-tests结合了MMD检验的优点，具有更强的计算效率和渐近正常分布特性。
什么是特征Stein差异度量（PhiSD）？
特征Stein差异度量（PhiSD）是一种新的质量度量方法，速度上比平方时间差异度量（KSD）更快，适用于近似后验推断和适配度检验。
适应性拟合优度检验方法的优势是什么？
该方法通过最小化假阴性率，学习最能表明观察样本与参考模型之间差异的测试特征，表现优于前期线性测试，尤其在高维度情况下。
如何提高KSD检验的能力？
通过使用Markov转移核函数对样本进行扰动，可以保证目标分布不变，从而获得比KSD检验更高的检验能力。
无偏采样方法的主要贡献是什么？
新型的无偏采样方法通过比较概率分布的差异来衡量采样结果的表现，并在一些目标分布中证明了其收敛性和优越性。
核拟合优度检验适用于哪些数据类型？
核拟合优度检验适用于处理未观测潜在变量的模型，能够比较两个可能具有未观测潜在变量的模型。
