Doubly robust estimation with functional outcomes missing at random

この論文「Doubly robust estimation with functional outcomes（関数型アウトカムを用いた二重頑健推定）」は、関数型データ（Functional Data）の平均を推定する際の問題、特にデータの一部が欠損している状況における半パラメトリック推定量の理論的性質と実用的な応用について扱っています。以下に、論文の技術的な要約を日本語で提供します。

1. 研究の背景と問題設定

• 関数型アウトカムと欠損データ: 本研究は、ヒトの運動や生涯所得の軌跡など、連続的な関数として観測されるデータ（関数型データ）を対象としています。しかし、調査への無回答や追跡調査からの脱落、あるいは因果推論における反事実的アウトカム（Counterfactual outcomes）の不可視性などにより、一部の単位（個人）において関数全体が欠損している状況が発生します。
• 欠損メカニズム: 欠損は、観測された共変量（Covariates）にのみ依存する「欠損はランダム（Missing At Random: MAR）」という仮定の下で扱われます。
• 既存研究との違い: 従来の関数型データ解析における「断片的データ（Fragmented functional data）」の文献は、関数の定義域の一部のみが観測されるケースを扱い、共変量情報を利用しない傾向があります。一方、本研究は共変量情報を利用し、関数全体が欠損するケースに焦点を当てています。
• 課題: スカラー出力の欠損データに対する半パラメトリック推定（アウトカム回帰や二重頑健推定）の理論は確立されていますが、これを無限次元の関数型データに拡張し、その漸近分布や同時信頼帯域（Simultaneous Confidence Bands）を構築する研究は限られていました。

2. 手法と推定量

本研究では、以下の2つの半パラメトリック推定量を提案・検討しています。

1. アウトカム回帰推定量 (Outcome Regression, OR):
   • 観測された共変量 $x_i$ と関数型アウトカム $Y_i$ の関係を線形関数モデル $Y_i = x_i^\top \beta + \epsilon_i$ でモデル化します。
   • 欠損しているアウトカムを、このモデルからの予測値 $\hat{Y}_i = x_i^\top \hat{\beta}$ で補完し、平均を推定します。
2. 二重頑健推定量 (Doubly Robust, DR):
   • 上記のアウトカム回帰モデルに加え、欠損メカニズム（観測確率）をロジスティック回帰 $\tau(x_i^\top \gamma)$ でモデル化します。
   • 推定量は、アウトカム回帰による予測と、逆確率重み付け（Inverse Probability Weighting）による補正の組み合わせで定義されます。
   • 二重頑健性: アウトカムモデルと欠損メカニズムモデルのいずれか一方が正しく指定されていれば、推定量は整合的（consistent）かつ漸近的に正規分布に従うという性質を持ちます。

3. 主要な理論的貢献

論文の核心的な貢献は、これらの推定量の漸近分布と同時推論の確立にあります。

• ガウス過程への収束:
  • 関数領域を離散化して多変量正規分布を導出した後、関数空間における「tightness（緊密性）」を示すことで、無限次元の関数推定量が**ガウス過程（Gaussian Process）**に収束することを証明しました。
  • 定理 1 (OR 推定量): アウトカムモデルが正しければ、$\sqrt{n}(\hat{\mu}_{OR} - \mu_y)$ は特定の共分散関数を持つガウス過程に従います。
  • 定理 2 (DR 推定量): アウトカムモデルまたは欠損メカニズムモデルのいずれか一方が正しければ、$\sqrt{n}(\hat{\mu}_{DR} - \mu_y)$ はゼロ平均のガウス過程に従います。両モデルが正しい場合、共分散関数が簡略化されます。
• 共分散関数の明示: 既存の文献では見られなかった、多変量および関数型における OR および DR 推定量の漸近的共分散関数を明示的に導出しました。
• 同時信頼帯域 (Simultaneous Confidence Bands, SCB):
  • 導出されたガウス過程の性質と、Liebl and Reimherr (2023) の手法を組み合わせることで、関数全体（定義域全体）にわたって所定の被覆率（例：95%）を漸近的に保証する同時信頼帯域を構築可能にしました。
  • これにより、関数の特定の点だけでなく、時間的・空間的な領域全体での統計的有意性を評価できます。

4. 数値実験（モンテカルロ研究）と結果

• 設定: 正規分布および多変量 t 分布（滑らかでないケース）に従う誤差項を用い、サンプルサイズ $n=250 \sim 3000$ でシミュレーションを行いました。
• モデル誤指定のシナリオ: 両モデル正解、OR 誤指定、欠損モデル誤指定、両方誤指定の 4 通りを比較しました。
• 結果:
  • 被覆率: モデルが正しく指定されている、または DR 推定量において片方のモデルが正しい場合、同時信頼帯域の経験的被覆率は名目値（95%）に近づいています。
  • 頑健性: 両モデルが誤指定された場合、推定量はバイアスを持ち被覆率が低下しますが、DR 推定量は片方のモデルが正しい限りバイアスが negligible（無視できる）であり、二重頑健性が確認されました。
  • 完全ケース分析との比較: 欠損データを無視して観測データのみで平均を計算する手法（Complete Case）は、約 30% の欠損がある場合、大きなバイアスと低い被覆率を示し、本研究の手法が優れていることが示されました。
  • 滑らかさの仮定: 理論的には関数が「ほぼ確実に 1 回連続微分可能」であることが仮定されていますが、t 分布（滑らかでない）の誤差項を用いたシミュレーションでも、同時信頼帯域は良好な性能を示しました。

5. 実データへの応用

• 事例: スウェーデン 1954 年生まれのコホートデータを用い、「もし全員が 20 歳の時点で大都市労働市場地域に住んでいたとしたら、その生涯所得の軌跡はどうなるか」という反事実的問いに答える分析を行いました。
• 結果: 二重頑健推定量を用いて推定された平均生涯所得軌跡を、実際に大都市に住んだ人々の軌跡と比較しました。 naive な推定（観測データのみ）は初期の所得を過大評価し、30 歳未満で累積所得を過小評価する傾向があることが示されました。同時信頼帯域を用いることで、どの年齢層で統計的に有意な差があるかを特定できました。

6. 結論と意義

• 学術的意義: 関数型データ分析と因果推論（欠損データ処理）を統合し、二重頑健推定を関数空間に拡張する理論的基盤を提供しました。特に、共分散関数の明示と、それに基づく同時信頼帯域の構築は、関数型データの推論において重要な進展です。
• 実用的意義: 観測データが不完全であっても、共変量情報を利用することで、関数型アウトカム（例：成長曲線、経済軌跡、生体信号など）の平均を頑健に推定し、その不確実性を定量化する手法を提供しました。
• 将来の展望: 欠損がランダムでない（Not Missing At Random）場合への拡張や、より一般的な機械学習モデルを nuisance model として用いるための半パラメトリック理論の発展が今後の課題として挙げられています。

この論文は、複雑な欠損構造を持つ関数型データに対して、統計的に厳密かつ実用的な推論フレームワークを提供する重要な貢献と言えます。