【导读】​ copula 模型因能够将边缘分布与依赖结构分离，在连续变量建模中风靡数十年。但一旦面对离散变量，这套经典框架就会遭遇根本性困境：copula 不再唯一，秩相关指标反而依赖边缘分布，"边缘与依赖分离"的承诺化为泡影。

Gery Geenens 没有选择修补旧框架，而是回到 Sklar 1959 年原文被忽略的"子 copula"概念，重新追问：copula 的本质究竟是什么？他的答案是——copula 不是"单位正方形上的连续函数"，而是一类仅改变边缘、不改依赖的变换下保持不变的"核"。在离散场景中，这个核就是列联表中由优势比矩阵刻画的依赖结构；通过信息投影（I-projection）将其转化为边缘均匀的离散概率表，便得到了"离散 copula"。

这一思想将 Yule（1900）的优势比、Mosteller 的"nucleus"、Csiszár 的信息几何与 Sinkhorn 矩阵缩放纳入统一框架，完成了从"用连续 copula 拟合离散数据"到"直接定义离散依赖核"的范式转换。本文梳理这条思想脉络，并对比领域内三大流派的核心分歧，供从事依赖建模、列联表分析、计数数据 copula 研究的读者参考。

Geenens 离散 Copula 思想：把“旧酒”装进“新瓶”

连续变量的依赖结构，可以用 copula 漂亮地拆开：边缘归边缘，依赖归依赖。

但一到离散变量，经典 copula 就“翻车”了。

Gery Geenens 做了一件事：不修补旧框架，而是回到 Sklar 1959 被遗忘的那个概念——子 copula（subcopula），把离散依赖重新讲一遍。他的核心文献脉络清晰：2020年 JASA 一文提出离散 copula 作为依赖核的代表元、Bernoulli copula 概率质量函数与 Yule 系数的 copula 地位；2021 年与 Charpentier 合作推广到一般离散支撑，打通 IPF 与 I‑projection 的联系；2022 年在 Dependence Modeling 完成无限支撑的极限论证，确立 Poisson copula 的存在性与唯一性。这不是零散的几篇论文，而是一套完整的范式转换。

一、先说大家熟知的“copula 神话”

学习 copula 理论，大家都会熟悉 Sklar 定理：任意联合分布都可以表示为

$$F_{XY}(x,y)=C(F_X(x),F_Y(y))$$

其中 $C$ 为 copula，刻画变量间依赖结构；$F_X,F_Y$ 是边缘分布，描述单个变量的分布特征。

在连续变量场景，这套框架堪称神来之笔：

1. 概率积分变换使得 $F_X(X),F_Y(Y)$ 服从 $[0,1]$ 上的均匀分布；

2. $C$ 就是剥离边缘信息之后剩余的依赖结构；

3. Kendall、Spearman 秩相关、尾部依赖等指标，均不依赖边缘分布形式；

4. 无论边缘采用指数分布、正态分布还是帕累托分布，只要依赖结构不变，copula 保持不变。

这正是 copula 方法最迷人的地方：边缘分布与依赖结构实现干净分离。

二、离散变量场景：经典框架直接“破功”

设 $X\sim \mathrm{Bern}(\pi_X)$，$Y\sim \mathrm{Bern}(\pi_Y)$，二者相互独立。按照 Sklar 定理展开：

$$F_{XY}(x,y)=C(F_X(x),F_Y(y))$$

这里立刻暴露出明显缺陷：

1. $F_X(X)$ 只能取 $\{0,1-\pi_X,1\}$ 三个数值；

2. copula $C$ 仅在 $\operatorname{Ran}F_X\times \operatorname{Ran}F_Y$ 上被观测数据确定；

3. 单位正方形内部大片区域存在空缺，存在无穷多种方式将其补全为合法 copula；

4. 由此出现反直觉结论：两个相互独立的伯努利变量，可以被解释为 FGM、Plackett、Ali–Mikhail–Haq 等各类 copula 生成的结果。

Geenens 对此直言：在离散情形下，选择哪一种经典 copula，和真实依赖结构无关。此时仍然宣称“copula 实现边缘与依赖分离”，无异于自欺欺人。

更深层的困境还包括：

• Genest & Nešlehová (2007, JMVA) 已经证明，离散变量下基于经典 copula 的 Spearman、Kendall 秩相关指标会依赖边缘分布，经典 copula 框架在离散场景存在不可辨识问题。他们主张谨慎使用，但研究思路依旧局限在经典 copula 框架内部；

• 给离散变量叠加均匀噪声转化为连续变量，再使用棋盘 copula（checkerboard copula）只是一种人为补救措施。棋盘 copula 依靠双线性插值构造连续函数，插值方式会引入主观假设，无法反映真实离散依赖关系；

• 本质上，经典 copula 是为连续变量设计的工具，强行套用于离散数据，框架本身就会出现矛盾。

补充区分两个容易混淆的概念：

• Geenens 离散 copula：离散概率表，边缘分布均匀，由 I‑projection 唯一确定，直接表征依赖核；

• Checkerboard copula：通过双线性插值得到的连续近似，结果依赖插值规则，会受边缘分布干扰。不少应用研究将二者混用，但 Geenens 明确反对将 checkerboard copula 作为离散依赖结构的代表。

三、重读 Sklar 1959：被教科书忽略的“子 copula”

Geenens 重读 Sklar 1959 年法文原文，发现现代教科书呈现的 Sklar 定理，并非原始论文的完整样貌。

Sklar 原文包含三条定理：

1. Théorème 1：存在唯一函数 $H$，定义域限定在 $\operatorname{Ran}F_X\times \operatorname{Ran}F_Y$，满足 $F_{XY}(x,y)=H(F_X(x),F_Y(y))$。这个函数后来被称为 subcopula（子 copula）。

2. Théorème 2：子 copula $H$ 可以拓展至整个 $[0,1]^2$ 得到 copula $C$，且拓展方式通常不唯一。

3. Théorème 3：任意 copula 搭配任意边缘分布，都能够构造出合法的联合分布。

核心要点：真正承载依赖信息的，是子 copula $H$，而非后续拓展得到的 $C$。

现代教材大多把子 copula 压缩为引理，甚至直接省略，只保留拓展后的 copula $C$。这造成一个普遍误解：copula 方法等同于使用 $C$ 建模。人们忽略两个关键事实：离散场景下 $C$ 不唯一，而子 copula $H$ 具备唯一性；但 $H$ 绑定原始边缘，外观上并不具备“纯粹依赖结构”的形式。

Nelsen 学派注意到子 copula 的优先地位，提倡“先有子 copula，再拓展”。但拓展操作本身会重新引入边缘带来的干扰，依赖结构依旧无法做到完全纯净。Geenens 给出更彻底的解决方案：放弃拓展操作，直接将依赖核视作 copula。

四、Geenens 的核心思路：不必拓展为连续 copula，不必强求均匀化

Geenens 思考的问题，不是“如何把离散变量转化为连续变量再套用 copula”，而是：如果 copula 的本质是剥离边缘之后的依赖等价类，那么离散场景是否也可以建立对应的定义？

答案是肯定的，并且不需要概率积分变换。

1. 连续场景：群作用下的依赖核

对于连续变量 $X,Y$，做严格单调变换 $U=\Phi(X), V=\Psi(Y)$，联合密度变换为

$$f_{UV}(u,v)=\frac{f_{XY}(\Phi^{-1}(u),\Psi^{-1}(v))}{|\phi(\Phi^{-1}(u))|\cdot|\psi(\Psi^{-1}(v))|}$$

式中 $\phi,\psi$ 为变换的导函数（对应雅可比行列式中的边缘密度比）。所有仅仅发生边缘扭曲的密度函数，构成一个等价类，也就是copula 内核（nucleus）。均匀边缘对应的 $c(u,v)$ 只是该等价类的一个代表元，并非 copula 的定义本身。

2. 离散场景：行列缩放等价于边缘重整

以 $2\times2$ 列联表为例：

$$p=\begin{pmatrix}p_{00}&p_{01}\\p_{10}&p_{11}\end{pmatrix}$$

第一行乘以 $1$、第二行乘以 $\alpha>0$，第一列乘以 $1$、第二列乘以 $\beta>0$，再归一化：

$$g_{\alpha,\beta}(p)=\frac{1}{p_{00}+\beta p_{01}+\alpha p_{10}+\alpha\beta p_{11}}\begin{pmatrix}p_{00}&\beta p_{01}\\\alpha p_{10}&\alpha\beta p_{11}\end{pmatrix}$$

这就是离散版本的“边缘重整”。所有能够通过上述变换互相转化的列联表，归属于同一个等价类 $[p]$。该类内部保留的、不随边缘改变的信息，就是依赖结构。

五、伯努利变量：一个优势比，完整刻画依赖

对于两个伯努利变量，依赖结构只有一个自由度，即优势比：

$$\omega=\frac{p_{00}p_{11}}{p_{10}p_{01}}$$

• $\omega=1$：变量独立；

• $\omega>1$：正相关；

• $\omega<1$：负相关；

• $\omega=0$ 或 $\omega\to\infty$：极端关联。

Geenens 提出：与其在 $[0,1]^2$ 上随意补全连续 copula，不如从整个等价类中，挑选边缘最规整的表格作为代表：

$$\bar p=\begin{pmatrix}\frac{\sqrt{\omega}}{2(1+\sqrt{\omega})}&\frac{1}{2(1+\sqrt{\omega})}\\[4pt]\frac{1}{2(1+\sqrt{\omega})}&\frac{\sqrt{\omega}}{2(1+\sqrt{\omega})}\end{pmatrix}$$

该表格两个边缘均为 $\mathrm{Bern}(1/2)$，被定义为 Bernoulli copula pmf。

它并不定义在连续单位正方形上，而是一张离散概率方格表：单元格尺寸一致，概率质量分布反映依赖关系，完全脱离原始边缘分布，直观易懂。

Geenens 同时重新发掘了 Yule 关联系数：

$$\Upsilon=\frac{\sqrt{\omega}-1}{\sqrt{\omega}+1}$$

在离散数据分析中，$\Upsilon$ 的地位，相当于连续场景里的 Spearman $\rho$。值得一提的是，Yule 在 1900 年就提出这套思想，比 Sklar 1959 早了 59 年。

六、一般列联表：IPF、I‑projection 与矩阵缩放

推广到 $R\times S$ 列联表，核心逻辑保持一致：

1. 行列乘以正数，等价于调整边缘分布；

2. 优势比矩阵 $\Omega(p)$ 在此类变换下保持不变；

3. 同一组优势比，对应同一个依赖核；

4. 从依赖核中选取“边缘最中性”的表格，即为离散 copula pmf；

5. 选取方式具备严格的数学依据：在边缘均匀约束下，寻找与原表 KL 散度最小的分布。

从数学上，这是 I‑projection（信息投影）；算法层面对应 IPF（迭代比例拟合）；代数视角下等价于矩阵双随机缩放（Sinkhorn 1964 / Deming & Stephan 1940）。

因此 Geenens 的离散 copula，并非凭空创造新名词，而是整合了多条学术脉络：

1. Yule (1900)：对列联表做标准化，利用优势比度量关联，在没有现代概率论框架的情况下，已经触及依赖核思想；

2. Mosteller (1968)：正式提出“nucleus”概念，描述列联表中不受边缘干扰的核心结构，是 Geenens 依赖核概念的直接前身；

3. Csiszár (1975)：I‑divergence 与 I‑projection 信息几何理论，为约束下最优分布求解提供数学基础；

4. Sinkhorn、Deming & Stephan：矩阵缩放算法，实现 IPF 的数值求解。

表面看是“旧瓶装新酒”，实则洗清旧瓶、贴上准确的标签。

七、无限支撑：计数数据同样适用

很多人误以为离散 copula 只能处理有限维列联表，Geenens 证明并非如此。处理泊松、几何、负二项等计数变量的流程如下：

1. 将变量截断至前 $N$ 个取值，构造 $N\times N$ 列联表；

2. 计算对应的离散 copula pmf；

3. 令 $N\to\infty$；

4. 均匀离散网格逐步收敛，得到 $[0,1]$ 上的连续均匀边缘；

5. 极限对象是一个唯一的连续 copula。

需要强调的是，这个连续 copula 不是 Sklar 定理里任意拓展得到的 $C$，而是从离散依赖核自然衍生、与边缘分布无关的依赖结构。由此可以得到一系列推论：

• 二元泊松变量的依赖，可由 Poisson copula 描述；

• 二元几何变量的依赖，可由 geometric copula 描述；

• 即便存在负依赖，也不需要依靠连续 copula 强行凑合。

八、Geenens 思想一句话概括

经典 copula 逻辑：先把边缘转化为均匀分布，再讨论依赖关系。

Geenens 的逻辑：不必预先连续化，也不必强制均匀化；先寻找“不受边缘干扰的依赖核”，将该核中形态最中性的代表元，定义为离散 copula。

换一种更直白的表述：

连续 copula，是剥离边缘之后的均匀密度；

离散 copula，是剥离边缘之后的均匀概率表。

九、该思想对领域综述的价值

如果撰写“离散 copula”综述，Geenens 的贡献不在于提出一个新模型，而在于完成三重回归：

1. 重读 Sklar：提醒学界，子 copula 才是 Sklar 原始工作的核心，拓展得到的经典 copula $C$ 只是衍生产物；

2. 重接学术史：Yule 1900 提出的优势比与边缘标准化，是离散依赖思想的真正源头，比 Sklar 1959 早 59 年；

3. 重定义离散 copula：不再追问“哪一种连续 copula 适合离散数据”，转而探究“离散数据自身的依赖核究竟是什么”。

综述中可以按照“依赖结构是否被边缘污染”作为判据，划分三大研究流派：

十、结语：copula 不是连续变量的专利

copula 的本质，从来不是“定义在单位正方形上的连续函数”。copula 的核心精神是：

存在一类仅改变边缘、不改变依赖的变换；

依赖结构，就是这类变换下保持不变的信息。

在连续变量中，它表现为 $c(u,v)$；在伯努利变量中，它表现为优势比 $\omega$；在列联表中，它表现为优势比矩阵；在泊松向量中，它表现为 Poisson copula 的密度脊线。

Geenens 的工作，不是修补经典 copula，而是将 copula 从连续变量的束缚中解放出来。

Yule 在 1900 年已经观察到列联表中的“依赖核”；Sklar 在 1959 年把它隐藏在子 copula 之中；Genest & Nešlehová 在 2007 年指出原有框架的裂缝；Geenens 在 2020 年给出答案：不必刻意填补空白，直接把依赖核当作 copula。

这，就是 Geenens 离散 copula 思想。

支持单位：