基于Copula的高维Wasserstein依赖性

我们将2-Wasserstein依赖系数推广到测量有限个随机向量之间的依赖关系。这一推广包括理论性质，特别关注最大依赖的解释以及在高斯copula假设下提出的半参数估计量的渐近正态性结果。此外，我们讨论了多个随机向量之间依赖度量的公理、其他合理的归一化以及各种例子。之后，我们研究了基于惩罚经验协方差矩阵的插件估计量，以处理高维问题，并通过诱导（块）稀疏性来考虑可能的边际独立性。通过模拟研究对后一种想法进行了研究，同时考虑了其他依赖系数。我们在两个真实数据应用中说明了所开发方法的使用。