技術要約：関数型データにおける欠測が完全にランダム（MCAR）であるという仮定の検定

問題提起

関数型データ解析（FDA）は、伝統的に観測値が共通の領域上で利用可能であることを前提としている。しかし、多くの実用的なアプリケーションにおいて、データは「部分的に観測」されており、すなわち、各関数は領域 $I$ の部分集合 $O$ 上でのみ観測可能であり、$I \setminus O$ 上では値が欠落している。このようなデータに対する既存の再構成および推論手法の多くは、欠測メカニズムが**欠測が完全にランダム（Missing Completely at Random: MCAR）**であるという仮定を前提としている。この仮定は、観測された関数 $X$ と観測集合 $O$ が独立であることを主張するものである。

欠測がランダムであるという仮定の下で欠落した関数データを復元するための手法（例：Delaigle and Hall, 2016; Kraus, 2015）は数多く存在するが、この仮定を検証するための一般的な統計的手順は不足している。多変量設定におけるMCARの検定（例：Little, 1988）は、明確な欠測パターンによるデータのグルーピングに依存している。しかし、関数型データにおいては、異なる観測集合の数が非可算無限であり、実際にはすべての観測パターンが固有である可能性があるため、このアプローチは実行不可能である。本論文は、$X$ と $O$ が独立であるかどうかを判断するための一般的な検定フレームワークを開発するという課題に取り組んでいる。

手法

1. 観測集合の分割

提案されるフレームワークの核となるのは、観測集合の空間 $\mathcal{K}$ を、$\mathcal{K} = \mathcal{A} \dot{\cup} \mathcal{B}$ となる2つの互いに素な部分集合 $\mathcal{A}$ と $\mathcal{B}$ に分割することである。

• アドホックな分割: 単純なアプローチとして、「完全な」関数と「不完全な」関数に分ける方法がある。
• 系統的なクラスタリング: 著者らは、重心ベースのクラスタリング手法を提案している。彼らは、対称差測度 $d(S_1, S_2) = \lambda(S_1 \triangle S_2)$ を用いて集合間の距離を定義しており、これはそれらの指示関数の $L^1$ 距離に対応する。
• 最適中心: 分割は、最も近い中心への期待距離を最小化する2つの最適中心（メディアン） $M_A$ および $M_B$ を見つけることによって決定される。集合 $\mathcal{A}$ と $\mathcal{B}$ は、これらの中心に関連付けられたボロノイ細胞として定義される。
• 領域の制限: 有効な比較を確実にするため、分析は両方のグループが十分な被覆率を持つ（具体的には $P(t \in O | \mathcal{A}) > 0$ かつ $P(t \in O | \mathcal{B}) > 0$ である）部分領域 $I \subset [0, 1]$ に限定される。

2. 仮説検定

帰無仮説 $H_0$（MCAR）は、$X$ と $O$ が独立であることを意味する。本検定フレームワークは、より強い仮説 $H_0^F$ を評価する：
$$H_0^F: P(X(t) \le z | O \in \mathcal{A}) = P(X(t) \le z | O \in \mathcal{B}), \quad \forall z \in \mathbb{R}, t \in [0, 1].$$
$H_0^F$ の下では、観測集合のグループによる条件付き分布は同一であるはずである。著者らは2つの検定統計量を提案している：

• 平均比較 ($T_\mu$):
  この統計量は、2つのグループの経験的平均関数 $\hat{\mu}_{\mathcal{A}}(t)$ と $\hat{\mu}_{\mathcal{B}}(t)$ を比較する。
  $$T_\mu = \sqrt{n} \| \hat{\mu}_{\mathcal{A}} - \hat{\mu}_{\mathcal{B}} \|_\infty$$
  著者らは、MCARの下で $T_\mu$ がガウス過程の上限に収束することを確立している。重要な理論的貢献は、部分的に観測されたデータの経験的平均関数は一般に不連続（càdlàg）であるため、$L^2[0, 1]$ や $C[0, 1]$ ではなく、スコロホド空間 $D[0, 1]$ を使用する必要がある点に対処していることである。

• 分布比較 ($T_F$):
  この統計量は、経験的条件付き分布関数 $\hat{F}_{\mathcal{A}}(t, z)$ と $\hat{F}_{\mathcal{B}}(t, z)$ を比較する。
  $$T_F = n \int_{[0,1] \times \Xi} (\hat{F}_{\mathcal{A}}(t, z) - \hat{F}_{\mathcal{B}}(t, z))^2 d(\lambda \otimes \nu)(t, z)$$
  これはクラメール・フォン・ミーゼス型の統計量である。これは、平均だけでなく分布全体の違いを検出するため、平均比較よりも広いクラスの対立仮説に対して一貫性を示すことが示されている。

3. 漸近理論と実装

論文では、帰無仮説の下での両方の検定統計量の漸近分布を導出している。極限分布は、観測パターンに依存する特定の共分散構造を持つガウス過程を含む。

• 共分散推定: 著者らは、帰無分布を近似するために必要な共分散関数の推定法を提供している。
• 同時信頼帯: 平均関数の差に対する同時信頼帯を構築するための手法が導入されており、これはMCARの違反の可能性を可視化するためのグラフィカルなツールとなる。
• 一貫性: 理論的結果（定理3）は、平均関数または分布関数がグループ間で異なる対立仮説に対して、これらの検定が一貫していることを確立している。

主な結果

シミュレーション研究

手法はブラウン運動を用いたシミュレーションによって評価された：

• タイプI誤差: MCARの下で、両方の検定（$T_\mu$ および $T_F$）は、様々なサンプルサイズ（$n=100, 250, 500$）において、公称レベル（0.05）に近いエラー率を維持した。
• 検出力:
  • センサリング（Missing Not At Random - MNAR）によってMCARが破られたシナリオでは、分布検定 $T_F$ が平均検定 $T_\mu$ よりも高い検出力を示した。
  • 具体的には、条件付き平均が同一である対称的なセンサリングシナリオ（$\|\mu_A - \mu_B\|_\infty = 0$）において、$T_\mu$ は帰無仮説を棄却できなかったが、$T_F$ は違反を検出することに成功した。
  • 系統的なクラスタリング・アプローチは、多くのシナリオ、特にサンプルサイズが小さい場合において、決定論的な分割（例：完全 vs 不完全）と同等かそれ以上の性能を示した。

実データへの適用

フレームワークは以下の3つのデータセットに適用された：

1. 心拍数データ（スイス腎臓プロジェクト）: 878個の心拍プロファイルの分析。検定はMCARの仮定を棄却しなかった（$T_\mu$ の $p$ 値: 0.765、$T_F$ の $p$ 値: 0.911）。これは、欠測（デバイスの取り外しや故障によるもの）がランダムであるという疫学的見解を支持している。
2. 電力価格データ: 583週間の価格曲線の分析。検定はMCARを強く棄却した（$p < 0.001$）。平均差のプロットは顕著な偏差を示しており、これは価格水準が観測期間（より大きな観測集合がより高い価格に対応する）と相関しているという市場構造と一致している。
3. 気温データ: 76日間の気温曲線の分析。検定はMCARを棄却した（$T_\mu$ の $p$ 値: 0.036、$T_F$ の $p$ 値: 0.054）。結果は、ランダムな欠測ではなく、センサーの潜在的な技術的欠陥（例：高温への感度や電力問題）を示唆していた。

意義と貢献

本論文は以下の貢献を主張している：

1. 新しいフレームワーク: 多変量設定で使用されるパターンベースのグルーピングの困難さを克服し、関数型データにおけるMCAR仮定のための初の一般的な検定フレームワークを導入した。
2. 系統的な分割: 観測集合を系統的に分割するために、Fréchet-Nikodym-Aronszajn距離に基づいたデータ適応型のクラスタリング手法を提案した。
3. 理論的進展: 部分的に観測された平均関数に固有の不連続性を考慮し、スコロホド空間 $D[0, 1]$ における漸近結果を確立した。
4. 分布検定の優位性: 分布全体を比較すること（$T_F$）は、平均（$T_\mu$）を比較することよりも、特に欠測が平均ではなく高次モーメントや分布の形状に影響を与える場合に、より堅牢で強力であることを示した。
5. 実用的な有用性: 本手法は、現実世界の例（センサーの欠陥や市場駆動の欠測の検出）を通じて示されたように、研究者が関数型データの再構成手法の仮定を検証するための診断ツールを提供している。

著者らは、彼らのアプローチは一般的であるが、検定の検出力は分割の選択に依存することに注意を払っている。サンプルサイズが小さい場合は、専門家がガイドする決定論的な分割の方が好ましい可能性があり、今後の研究では、グループの分離を最適化するための教師あり分類手法を探索できることを示唆している。