Robust confidence intervals for generalized linear models

技術的サマリー：一般化線形モデルのための頑健な信頼区間

問題提起
信頼性の高い不確実性の定量化は、特に一般化線形モデル（GLM）における現代の生物医学データ分析における重要な課題である。GLM における回帰パラメータの標準的な信頼区間は本質的にパラメトリックであり、平均 - 分散関係の正しい指定に依存している。実際には、複雑な生物学的変動、不均一分散、または観測されていない変動源により、均一分散性および過分散の欠如に関する仮定が頻繁に違反される。これらの仮定が破綻した場合、古典的なワルド型区間は深刻なカバレッジ不足に陥り、不正確な科学的推論をもたらす。頑健な共分散推定量（例えば、サンドイッチ推定量）は部分的な救済策を提供するが、有限サンプル、特に小サンプルサイズや特定の分布の誤指定が存在する状況では、名目上のカバレッジ水準への収束が遅い傾向がある。

手法
著者は、一般的な分散の誤指定の下でも有効である GLM における信頼区間の構築のための半パラメトリック枠組みを提案する。この手法の中核は、符号反転スコア検定（Hemerik et al., 2020; De Santis et al., 2025）に基づく仮説検定の反転にある。

1. 符号反転スコア検定: このアプローチは、尤度関数から導出された有効スコア統計量 $S(\beta, \gamma)$ を利用する。帰無仮説 $H_0: \beta = \beta_0$ の下で、検定統計量は帰無モデル（ここで $\beta_0$ はオフセットとして機能する）を用いて計算される。帰無分布を生成するために、$-1$と$1$を含む対角行列$F_g$ を用いて、個々のスコア寄与の符号がランダムに反転される。検定統計量は収束特性を向上させるために標準化される。
2. 検定の反転: 信頼区間は、レベル-$\alpha$ の符号反転検定によって棄却されないパラメータ値 $\beta_0$ の集合として定義される。区間を構築するために、著者は片側検定を反転する：
   • $\beta_0 < \hat{\beta}_{obs}$ の場合、$H_0: \beta = \beta_0$ 対 $H_1: \beta > \beta_0$ を検定する。
   • $\beta_0 > \hat{\beta}_{obs}$ の場合、$H_0: \beta = \beta_0$ 対 $H_1: \beta < \beta_0$ を検定する。
3. 単調性と二分法アルゴリズム: 解決された重要な技術的課題は、置換に基づく検定から導出される p 値関数の潜在的な非単調性であり、これは反転プロセスを複雑にする可能性がある。著者は、適切な条件（線形モデルおよび GLM の漸近領域を含む）の下で p 値関数が単調であることを示す理論的結果（定理 2 および 3）を確立する。これを利用し、区間の境界を効率的に探索するために二分法アルゴリズムを実装する。このアルゴリズムは p 値の離散性を明示的に処理し、棄却されない領域の下限/上限を探索することで、保守的な境界の取得を確保する。
4. 区間の種類: この枠組みは、「両側等尾」区間（$\alpha/2$ において個別の下限と上限を見つける）と「対称」区間（p 値の合計が $\alpha$ となるように推定値からの対称的な距離 $\delta$ を見つける）の両方をサポートする。

主な貢献

• 理論的保証: 本論文は、交絡因子が存在する状況における符号反転スコア検定から生じる p 値関数に対する有限サンプルおよび漸近的な単調性の結果を提供する。これは、区間構築のための二分法アルゴリズムの使用を正当化する。
• 分散誤指定への頑健性: 標準的なワルド区間、あるいはいくつかの有限サンプル状況におけるサンドイッチに基づく区間とは異なり、提案された手法は、分散パラメータまたは分散構造が誤って指定されている場合でも名目上のカバレッジを維持する。
• アルゴリズム的実装: 著者は、置換に基づく p 値の離散的性質を navigates（航行する）実用的な二分探索アルゴリズムを導入し、結果として得られる信頼集合が正しい漸近カバレッジを持つ連結区間であることを保証する。
• ソフトウェアの入手可能性: この手法は R パッケージ flipscores に実装されており、ユーザーはモデルオブジェクト上の標準的な confint メソッドを通じて頑健な信頼区間を取得できる。

結果
著者はシミュレーション研究と実世界への適用を通じて手法を評価した：

• シミュレーション研究: 6 つの設定（線形、ロジスティック、ポアソン、負の二項、および不均一分散モデル）全体において、提案された反転ベースの区間は、深刻な分散誤指定下（例えば、ポアソンモデルで適合させた過分散ポアソンデータ、または線形モデルにおける不均一分散）でも、一貫して名目上のカバレッジ（0.95）を達成した。対照的に、古典的なワルド区間は大幅なカバレッジ不足を示し（例えば、過分散ポアソンケースでは 0.5 未満に低下）、サンドイッチに基づく区間は小サンプル（$N=25, 50$）では名目レベルに達しないことが多かった。パラメトリック手法は仮定が満たされている場合に狭い区間を生成したが、仮定が違反された場合には信頼性の高い推論を提供できなかった。
• 実データへの適用: この手法は、腫瘍の段階に関する差次的遺伝子発現を分析するために、がんゲノムアトラス（TCGA-LIHC）からの RNA シーケンシングデータに適用された。この研究は、ポアソンモデルと負の二項モデルから導出された区間を比較した。反転ベースの区間は、サンドイッチに基づく区間と比較して、異なるモデル指定全体でより大きな安定性と整合性を示した。具体的には、反転ベースの手法は名目上のカバレッジを確保するより広い区間を生成したのに対し、モデルベースのワルド区間（特にポアソン仮定の下では）は、不確実性を過小評価する可能性のある過度に楽観的で狭い区間をもたらした。

意義と主張
本論文は、GLM における区間推定のための従来の準尤度またはワルドベースの手法に対する「実用的かつ頑健な代替案」を提供すると主張している。主な意義は、分散構造が複雑で正しく指定することが困難な高スループットの生物医学応用において、信頼性の高い不確実性の定量化を提供する能力にある。分散の正しい指定から信頼区間の妥当性を切り離す（平均構造は維持しつつ）ことで、この手法はモデル化エラーに起因する偽陽性や誤った結論のリスクを低減する。著者はこれを、ゲノミクスなど「モデル化仮定の検証が困難な」シナリオに対する解決策として位置づけ、研究者が点推定を超えて頑健な区間推論へ移行することを可能にする。この研究は範囲が控えめで、単一のスカラーパラメータに焦点を当て多重性の問題を回避しており、混合モデル、ゼロインフレートモデル、および同時推論への拡張を将来の方向性として特定している。