技術要約：組成データのための摂動に基づく効果測定

問題提起

組成データ（観測値が、一定の総和（通常は単体 $\Delta_{d-1}$ に正規化される）を持つ部分分から構成されるデータ）は、マイクロバイオーム研究、生態学、社会科学などの分野で遍在している。組成の特徴量が応答変数 $Y$ に与える影響を評価するための既存の手法には、以下のような重大な限界がある：

1. 従来のパラメトリック・アプローチの不適切さ： 現代の多くの応用例では、高次元かつ疎なデータ（例：マイクロバイオームの種カウント）が含まれるが、これらは従来のパラメトリックな対数比アプローチでは適切にモデル化できない。
2. 周辺解析におけるバイアス： 組成の要約統計量（例：多様性指数）が応答変数にどのように影響するかを評価することは、しばしば誤解を招く。組成の各成分は、総和が1になるという制約によって決定論的に結びついているため、周辺解析では、組成の残りの変動によって誘発される交絡を考慮することができない。
3. 解釈性と柔軟性のトレードオフ： 柔軟なノンパラメトリック機械学習手法は、$Y$ と $Z$ の関係をモデル化できるが、解釈可能な効果測定法を欠いていることが多い。逆に、解釈可能な指標（対数コントラスト係数など）は、成立しない可能性のある厳格なパラメトリック仮定に依存している。
4. ゼロの問題： 標準的な対数比変換は、開単体内のデータ（ゼロがないデータ）を必要とするため、結果を歪める可能性のあるアドホックなゼロ補完戦略を必要とする。

著者らは、組成変数に対する介入を定義することが困難であると主張している。なぜなら、個々の成分は独立して存在できず、一つの成分を変更することは、単体の制約を満たすために他の成分の変化を必要とするからである。

手法

本論文は、**仮説的データ摂動（hypothetical data perturbations）**に基づく統一されたフレームワークに基づき、**平均摂動効果（Average Perturbation Effects）**と呼ばれる解釈可能な統計的汎関数を提案している。

1. 摂動フレームワーク

データを変換したり特定の回帰モデルを仮定したりする代わりに、著者らは、組成 $z$ を単体内の軌跡へと写像する摂動 $\psi(z, \gamma)$ を通じて、単体上で直接的に効果を定義する。

• バイナリ摂動（Binary Perturbations）： 離散的な変化（例：ある成分 $Z_j$ を0に設定し、残りを再スケーリングする）をエンコードする。効果は、元の状態と摂動後の状態の間の応答の平均的なコントラストであり、変化の確率によって正規化される。
• 方向性摂動（Directional Perturbations）： 連続的な変化（例：多様性を高めるために単体の中心に向かって移動する）をエンコードする。効果は、摂動経路に沿った回帰関数の平均的な初期変化率である。

2. 微分分離型再パラメータ化

核心となる技術的貢献は、微分分離型再パラメータ化（derivative-isolating reparametrization） $\phi: \Delta_{d-1} \to \mathbb{R} \times \mathcal{W}$ の構築である。

• この全単射は、組成ベクトル $Z$ をスカラー変数 $L$ と、妨害変数（nuisance）ベクトル $W$ に変換する。
• 決定的なことに、摂動 $\psi$ は $L$ のみを変化させ、$W$ を不変に保つ。
• この変換により、単体上の複雑な汎関数の推定問題が、一般的な設定における標準的な平均部分効果（平均的部分効果）または条件付き平均コントラストの推定問題へと還元され、確立されたセミパラメトリック理論の適用が可能になる。

3. 推定戦略

論文では、セミパラメトリック手法を用いたこれらの効果の効率的な推定器を提案している：

• ノンパラメトリック推定： ターゲットとなるパラメータを推定するために、影響関数（influence functions）に基づいたワンステップ修正推定器とクロスフィッティングを使用する。これには、妨害関数（回帰関数、傾向スコア、または条件付きスコア関数）の推定が必要となる。
• 部分線形推定： $E[Y|L, W] = \theta L + h(W)$ という部分線形モデルを仮定する。ここで、$\theta$ は摂動効果と正確に一致する。このアプローチは、条件付き平均（$E[Y|W]$ および $E[L|W]$）の推定にのみ依存しており、これは微係数やスコア関数の推定よりも一般に堅牢であり、推定誤差に対して感度が低い。
• ゼロの扱い： 本フレームワークは、データのゼロを自然に扱う。速度が境界で消失する場合（例：$Z_j=0$ のときの乗法的速度）、推定器はゼロ補完を必要とせずに、これらの点を除外するように適応される。

4. 特定の摂動構成

著者らは、実用的な応用のための明示的な構成を提供している：

• 組成特徴量影響度（Compositional Feature Influence: CFI）： 特定の成分 $Z_j$ を増加させる効果を測定する。彼らは「乗法的速度（multiplicative speed）」（スケール不変）と「単位速度（unit speed）」を提案している。
• 組成ノックアウト効果（Compositional Knock-out Effect: CKE）： 成分を除去する（0に設定する）効果を測定するバイナリ摂動である。
• 組成多様性影響度（Compositional Diversity Influence: CDI）： 多様性を高める（単体の中心に向かう）効果を測定する。彼らは、多様性指数に関して効果が解釈可能であることを保証するために、ジニ係数に基づいた「ジニ速度（Gini-speed）」を提案している。

主な結果

論文は、理論的分析と経験的実験を通じて提案されたフレームブルを検証している：

1. 理論的保証： 著者らは、標準的なセミパラメトリック条件下で、提案された推定器の一様漸近正規性を証明している。再パラメータ化を用いることで、単体の複雑な幾何学を直接モデル化することなく、有効な推論が可能であることを示している。
2. シミュレーション研究：
   • 半合成のUS国勢調査データにおいて、人種的多様性の周辺解析は、残りの組成構造による交絡により、所得に対する有意な負の効果を生み出した。提案された CDI は、データ内で構築された正の効果を正しく特定した。
   • マイクロバイオームのシミュレーションにおいて、標準的な特徴量重要度（置換重要度、ノンパラメトリック $R^2$）は、他の座標を固定するという単体の制約に違反するため、失敗した。摂動ベースの測定法は、異なる回帰アルゴリズム間でも一貫性を保っていた。
3. 実世界への応用：
   • ニューヨークの学校： 人種的多様性が生徒の成績に与える影響の分析。周辺的なアプローチは、共変量を制御した後でも強い正の効果を示唆した。組成構造を考慮した CDI アプローチは、より小さな正の効果、あるいはゼロと区別がつかない効果を見出し、周辺的な結果が組成による交絡によって駆動されていることを示唆した。
   • American Gut Microbiome： 種の存在量からBMIを予測する。提案された CFI（乗法的速度）と CKE は、標準的な対数コントラスト回帰とは異なる重要な微生物のセットを特定した。対数コントラスト係数は擬似カウントの選択に非常に敏感であることが示されたが、摂動ベースの測定法（特にCKE）は、ゼロを明示的に扱い、存在/不在の効果と連続的な存在量の効果を区別している。

意義と主張

著者らは、以下の特性を持つ、組成特徴のための解釈可能な効果測定の統一されたフレームワークを提供すると主張している：

• ゼロの問題を回避する： 対数比アプローチとは異なり、データの変換やゼロ補完を必要としない。
• 高次元を扱う： セミパラメトリック推定を介して柔軟なノンパラメトリック機械学習手法と互換性があり、マイクロバイオームデータのような疎で高次元のデータに適している。
• 交絡を制御する： 組成の制約を尊重する摂動を通じて効果を定義することで、要約統計量の周辺解析が失敗するような、残りの変動によって誘発される交絡を自然に制御する。
• 因果関係と統計学を橋渡しする： 効果は統計量として定義されているが、本フレームワークは、構成要素レベルの問い（例：「多様性を高める」）を、組成全体に対する明確に定義された介入として定式化することにより、因果的な解釈への明確な道筋を提供する。

本論文は、これらの「平均摂動効果」を、制限的なパラメトリック仮定に依存するか、あるいは組成の性質を無視して誤った結果を生み出す既存の手法に代わる、必要な選択肢として位置づけている。