技術要約: SCORE: オンラインFDR制御におけるオーバーシュート還付のための統一フレームワーク

1. 問題の定式化

本論文は、仮説が逐次的に到着し、将来のテストに関する知識がない状態で即座に決定を下さなければならない「オンライン多重仮説検定」の課題に取り組んでいる。主な目的は、各ステップにおいて**偽発見率（FDR）**を厳密に制御しつつ、真の発見数（統計的検出力）を最大化することである。

e値ベースの手法（例：e-LOND, e-LORD, e-SAFFRON）は、p値ベースのアプローチと比較して、依存関係の仮定を最小限に抑えられる（具体的には条件付きe妥当性）ため、堅牢な代替案として台頭しているが、しばしば統計的検出力の低下に悩まされる。著者らは、この非効率性の特定の要因として**「オーバーシュート（超過）」現象**を特定している。

標準的なe値の手順では、e値 $e_t$ が閾値 $1/\alpha_t$ を超えた場合に仮説を棄却する。しかし、既存の手法は棄却をバイナリ（二値）イベントとして扱う。閾値を越えた時点で、閾値を超過した証拠（「オーバーシュート」）はすべて破棄されてしまう。これは保守的な誤差推定を招き、将来のテストに使用できるはずの「アルファ資産（alpha-wealth）」の損失につながる。

2. 手法: SCOREフレームワーク

著者らは、この「無駄にされた」証拠を取り戻すために設計された統一フレーム一、SCORE（Sequential Control with Overshoot Refund for E-values）を提案する。

コアとなる数学的洞察

このフレームワークは、FDRの証明で使用される標準的なマルコフ型の境界をタイトにする、洗練された不等式に基づいている。

• 標準的な境界: $\delta_j = \mathbb{I}(e_j \ge \alpha_j^{-1}) \le \alpha_j e_j$
• SCOREの境界: $y \ge 0$ に対して $\mathbb{I}(y \ge 1) \le y - (y-1)_+$ という基本不等式を用いることで、著者らは以下を導出している：
  $$\delta_j \le \alpha_j e_j - (\alpha_j e_j - 1)_+$$
  ここで、項 $O_j = (\alpha_j e_j - 1)_+$ はオーバーシュートを表す。

メカニズム

SCOREフレームワークは、棄却に割り当てられる「コスト」を修正する。棄却に対してフルコスト $\alpha_j$ を課す代わりに、アルゴリズムは削減されたコストを課す：
$$C_j^{SCORE} = (C_j - O_j)_+$$
ここで、$C_j$ は元のコスト（例：e-LONDにおける $\alpha_j$）である。オーバーシュート $O_j$ は、実質的にアルゴリズムの誤差予算へと「還付」される。これにより、アルゴリズムは有効なFDR制御を維持しながら、後続のテストに利用可能な資産を増やすことができ、それによって検出力を向上させることが可能となる。

拡張: 遡及的更新 (SCORE+)

さらに、本論文は**遡及的資産更新（retroactive wealth updates）を組み込んだSCORE+**を導入している。

• 標準的なアプローチ: 偽発見割合（FDP）推定において、局所的な分母 $R_{j-1} + 1$ を使用しており、これは保守的で遡及的ではない。
• SCORE+ アプローチ: グローバルな分母 $R_t \vee 1$ を使用する。これにより、新たな発見が行われるにつれて、過去のテストの実効コストを減少させることが可能になる。
• 仮定: この積極的な戦略には、**条件付き正の四分位依存性（CPQD）**と呼ばれる緩やかな依存関係の仮定が必要である。これは、現在の大きなe値が最終的な発見数を減少させないことを規定している。著者らは、これがアルファ投資（alpha-investing）の直感的な帰結であり、標準的な条件下（独立性 + 単調な更新）で成立すると主張している。

3. 主な貢献

1. 統一フレームワーク: 既存のe値ベースのオンライン検定アルゴリズム（e-LOND, e-LORD, e-SAFFRON）に適用可能で、根本的な妥当性の構造を変更することなく検出力を向上させる「プラグイン」モジュールとして、SCOREを導入した。
2. 理論的優位性: 著者らは、SCOREを強化したアルゴリズムが、元のアルゴリズムを**厳密に支配（strictly dominate）**することを証明している。彼らは、同じ最小限の仮定（条件付きe妥当性）の下で、一様に高い検出力を提供しつつ、有効な有限サンプルFDR制御を維持している。
3. 遡及的更新: 緩和された依存関係の仮定（CPQD）が満たされる場合、遡及的な資産更新を利用して、p値ベースの手法との効率性の差をさらに縮めるSCORE+バリアントを開発した。
4. 最先端技術への適用: SCORE-LOND、SCORE-LORD、SCORE-SAFFRONの具体的な更新規則を導出し、オーバーシュート還付メカニズムがどのように各アルゴリズムに統合されているかを示した。

4. 実験結果

SCOREおよびSCORE+の有効性は、広範なシミュレーションと実データ実験を通じて検証されている。

• 独立設定 (ガウス混合モデル): 独立したデータストリームのシナリオにおいて、SCORE+バリアントは一貫して最高の検出力を達成し、次いで標準的なSCORE、そして元のベースラインの順となった。ベースラインに対する検出力の比率は、蓄積された還付金が資産を解放するにつれて、時間の経過とともに増加する。
• 依存設定 (自己回帰指数モデル): 時間的依存関係の下でも、これらの手法は有効なFDR制御を維持している。SCOREは依然としてベースラインに対して有意な検出力の向上を提供しており、特にオーバーシュート還付が候補ペナルティと棄却オーバーシュートの両方に適用されるSAFFRONファミリーにおいて、SCORE+が最大の改善を示した。
• 実世界データ (酵母化学ゲノミクススクリーニング): 417,026個の相互作用を含むデータセットに適用。
  • SCORE-LORD は、e-LORD の 25,954 に対し、28,808 個の相互作用を検出した。
  • SCORE-SAFFRON は、e-SAFFRON の 29,867 に対し、37,748 個を検出した。
  • SCORE+ バリアント は最も劇的な利得を示し、SCORE+-LORD は 44,210 個（ベースラインのほぼ倍）を、SCORE+-SAFFRON は 43,624 個を検出した。
• 追加シミュレーション: AR(1)設定におけるp値ベースの手法との比較では、SCORE制御を備えたe値ベースの手法が、最高のp値手法に匹敵するかそれを上回る検出力を達成しつつ、周辺的なp値ベースの手法が失敗する依存関係下でも堅牢性を維持していることが示された。

5. 意義と主張

本論文は、SCOREがオンライン仮説検定における根本的な非効率性、すなわち、実際に犯されたエラーとアルゴリズムによって課される理論的コストとの間の乖離に対処していると主張している。

• 堅牢性: 特定の分布仮定やp値の超一様性に依存して資産を回収しようとする従来のメソッド（例：ADDIS, SUR）とは異なり、SCOREはe値のパラダイム内で動作する。これは標準的な条件付きe妥当性の仮定のみを必要とするため、依存構造が未知または違反されている複雑な実世界のデータストリームにも適用可能である。
• 普遍性: このフレームワークは普遍的な洗練として提示されている。不等式 $\mathbb{I}(y \ge 1) \le y$ はe値の妥当性の証明において広く使用されているため、著者らは、広範なe値ベースの手順（オンラインおよび潜在的なオフラインの両方）が、オーバーシュートを明示的に考慮することで強化できると考えている。
• 実用的影響: 「無駄にされた」証拠をオーバーシュート還付と遡及的更新によって回収することは非常に効果的であり、エラー制御を損なうことなく、真の発見の収穫量を大幅に増加させることを結果は示している。

著者らは、遡及的更新の範囲について謙虚な姿勢を保っており、CPQDは緩和された仮定ではあるものの、SCORE+バリアントには厳密に必要である一方で、基本的なSCOREアルゴリズムは最小限の条件付きe妥当性の仮定のみで有効であることを指摘している。