論文「E-values as statistical evidence: A comparison to Bayes factors, likelihoods, and p-values」の技術的サマリー

この論文は、統計的証拠（statistical evidence）の測定尺度として、従来の p 値、尤度比（Likelihood Ratios: LR）、ベイズ因子（Bayes Factors: BF）に加え、**e 値（e-values）およびその逐次版であるe プロセス（e-processes）**を新たな候補として提案・評価するものです。著者らは、e 統計量（e-statistics）が、異なる統計的伝統（頻度論、ベイズ論、尤度論）が求める多くの望ましい性質（デザイダータ）を兼ね備えており、解釈可能で直感的な証拠の尺度として真剣に考慮に値すると結論付けています。

以下に、問題設定、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 問題設定

統計学の哲学において、「どのようなものが特定の仮説に対する証拠としてカウントされるべきか」という議論は古くから続いています。

• p 値: 頻度論的アプローチで広く使われますが、証拠の尺度としては一貫性、サンプルサイズ不変性、任意の停止（optional stopping）への対応など、多くの欠点があると批判されています。
• 尤度比とベイズ因子: 対立仮説との比較に基づく尺度ですが、複合仮説への拡張や、事前分布の選択（ベイズの場合）に関する課題があります。
• 既存の議論: これらの尺度の優劣を巡る議論は決着しておらず、各尺度には支持者と批判者がいます。

本研究は、これらの対立を解決しようとするのではなく、e 値と e プロセスという 2 つの新しい候補を議論に加えることを目的としています。これらは過去 5 年間で多重検定、平均推定、変化点検出などの分野で重要な役割を果たしてきましたが、その「証拠の尺度」としての性質を体系的に比較・評価した研究は不足していました。

2. 手法と理論的枠組み

2.1 e 値と e プロセスの定義

• e 値（e-variable）: 仮説 $H$（分布の集合）に対する非負の確率変数 $E$ であり、すべての $P \in H$ に対して $E_P[E] \le 1$ を満たすもの。
  • 賭けゲームの解釈: 統計学者が「自然（真の分布）」に対して賭けを行うゲームと見なせます。$E$ は賭けの収益（スコア）に対応し、仮説 $H$ が真であれば、統計学者の期待収益は 1 以下（公平なゲーム）です。$E$ が大きく（例：$1/\alpha$ 以上）なることは、$H$ が偽である強い証拠となります（マルコフ不等式および Ville 不等式による誤差制御）。
• e プロセス（e-process）: e 値の逐次版です。データ $X_1, X_2, \dots$ が順次観測される状況で、任意の停止時間 $\tau$ において $E_\tau$ が e 値となるような確率変数の列 $(E_t)_{t \ge 1}$ です。これにより、データ収集の停止や継続がデータに依存する場合（任意の停止）でも、誤り率の制御が保証されます。

2.2 証拠の望ましい性質（Desiderata）の分類

著者らは、文献から 21 の望ましい性質（デザイダータ）を抽出し、以下の 2 つの主要カテゴリに分類しました。

1. 静的基準（Static Criteria）: 固定されたデータバッチに対して評価される性質。
   • 例：スカラー測度、連続性、分析者の非依存性、一貫性、サンプルサイズ不変性、単一仮説の有効性など。
2. 動的基準（Dynamic Criteria）: データ収集の過程や反実仮想（counterfactual）シナリオに関わる性質。
   • 実験間（Inter-experiment）: 複数の実験の組み合わせ、柔軟な実験設計（データ依存的な実験追加）、反実仮想（未観測のデータや決定への依存）。
   • 実験内（Intra-experiment）: 任意の停止（任意のタイミングで実験を止めること）、実験内の反実仮想（観測された事象の定義が実験計画に依存しないこと）。

3. 主要な貢献

1. e 統計量の体系的評価: 21 のデザイダータに対して、p 値、尤度比（単純および一般化）、ベイズ因子（主観的および客観的）、そして e 統計量を比較する包括的な分析を行いました（表 1 に要約）。
2. 静的・動的基準の明確化: 統計的証拠の評価基準を「静的」と「動的」に、さらに動的基準を「実験間」と「実験内」に細分化し、これらが文献で混同されがちな点を整理しました。特に、任意の停止や反実仮想に対する各尺度の振る舞いを明確に区別しました。
3. 尤度比の一般化としての位置づけ: e 統計量を「一般化された尤度比」として位置づけ、単一の仮説に対する証拠（絶対的証拠）を提供できる点と、尤度比の多くの望ましい性質を継承しつつ、複合仮説や任意の停止に対処できる点を実証しました。
4. 最適性の議論: 対立仮説が明確な場合、e 値の「対数最適性（log-optimality）」や「numeraire」の概念を通じて、尤度比が e 値の特殊ケースであることを示し、e 統計量が尤度比の自然な拡張であることを論じました。

4. 結果と比較分析

比較分析の結果、e 統計量は他の尺度と比較して以下のような特徴を示しました。

• p 値の限界: サンプルサイズ不変性や任意の停止、反実仮想への非依存性を欠いています。
• 尤度比とベイズ因子: 単一の仮説に対する絶対的な証拠を提供できず、複合仮説への拡張や事前分布の選択に課題があります。
• e 統計量の優位性:
  • 任意の停止と継続: e プロセスは、データ収集がデータに依存して行われる場合でも、誤り率（Type I エラー）を厳密に制御できます。
  • 証拠の蓄積: 独立した研究や実験の結果を、任意の依存構造の下でも掛け合わせ（積）て証拠を蓄積できます。
  • 解釈の直感性: 「賭けの収益」というゲーム理論的な解釈を持ち、p 値のように「仮説が真のときに観測される確率」ではなく、「仮説が偽である証拠の強さ」を直接的に示します。
  • 単一仮説への対応: 対立仮説を明示しなくても、単一の仮説に対して「証拠」を定義できます（例：例 4 のデータ圧縮、例 7 の有界平均検定）。

5. 意義と結論

意義

• 統計的証拠の統合: e 統計量は、頻度論的誤り率制御、ベイズ的な事前分布の柔軟性（ミックス法による）、尤度論的な比較可能性を統合する架け橋となります。
• 実用的な利点: 任意の停止（任意のタイミングでのデータ収集停止）や、メタ分析における証拠の柔軟な結合など、現代のデータ科学や臨床試験において重要な課題を解決します。
• 哲学的な洞察: Birnbaum の定理や尤度原理との関係を議論し、e 統計量が尤度比と密接に関連しつつも、より広範な利点を持つ「中間的な立場」を占めていることを示しました。

結論と今後の課題

e 統計量は、すべてのデザイダータを完全に満たすわけではありません（例：分析者の選択による非一意性、実験内反実仮想への完全な対応の難しさなど）。しかし、複合仮説を扱える尺度の中で、最も多くの望ましい性質を満たしており、p 値、尤度比、ベイズ因子の長所を兼ね備えています。

著者らは、e 統計量が統計的証拠の解釈可能で直感的な尺度として、真剣に検討されるべきであると結論付けています。今後の課題として、e プロセスの定義をより一般的な事象（filtration 以外のもの）に拡張する可能性や、新しい証拠の概念（Koning, 2024）との統合などが挙げられています。

総括: この論文は、e 値と e プロセスが統計的推論の「欠点」を補完し、従来の尺度の「長所」を継承する強力なツールであることを理論的に裏付け、統計的証拠の測定における新たなパラダイムを提案する重要な研究です。