Polynomial Maximization Method with Fractional Polynomial Basis: A Frequentist Bridge to Bayesian Fractional Polynomials

技術的概要：分数多項式基底を用いた多項式最大化法

問題定義
分数多項式（FP）は、用量反応関係および連続的共変数のモデル化におけるバイオ統計学の標準的なツールであり、スプラインやパラメトリック家族に対する柔軟な代替手段を提供する。しかし、FP の標準的な推論エンジンである最小平方法（OLS）は、ガウス誤差を仮定している。多くの生物学的および薬物動態学的応用において、残差は非ガウス分布（例：対数正規分布、ガンマ分布、ベータ分布）に従い、しばしば顕著な歪度と尖度を示す。これらの条件下では、OLS-FP は一貫性を保つものの、推定効率の大幅な損失（$|\gamma_3| \geq 1$ の場合で 30〜50%）を被る。

モデル不確実性を処理するためにベイズ的分数多項式（BFP）が提案されているが、これらは通常、尤度内でガウス誤差の仮定を維持しており、非対称誤差に対して OLS の非効率性を引き継ぎながら、MCMC による高い計算コストを伴う。FP モデル空間を維持しつつ、残差の歪度と尖度を活用して推定効率を向上させ、ベイズ的サンプリングの計算負担を伴わない頻度論的アプローチの存在が求められている。

手法
本論文は、Kunchenko の多項式最大化法を Royston-Altman の分数多項式基底に適応させた頻度論的拡張であるPMM-FP（分数多項式基底を用いた多項式最大化法）を提案する。

1. 理論的枠組み:

   • この手法は、OLS のスコア関数を、残差の最初の数個のモーメントから導出された確率的多項式スコアに置き換える。
   • $y_i = R(x_i; \theta) + \xi_i$ という回帰モデルを定義する。ここで、$R$ は分数多項式である。
   • スコア関数 $\psi_B(\xi)$ は、分数べき乗における符号変化する残差を処理するために、符号付きパリティ残差関数の基底（例：$\xi, |\xi|, \text{sign}(\xi)|\xi|, \dots$）を用いて構成される。
   • 推定量は、推定方程式 $\Psi_n(\theta) = \frac{1}{n} \sum \psi_B(\xi_i) \nabla_\theta R(x_i; \theta) = 0$ を解くことで得られる。

2. 2 つの並行トラック:

   • トラック (a) PMM-FP$_{pos}$: 正のべき集合 $P_a = \{0, 0.5, 1, 2, 3\}$ を使用する。有限の 4 次モーメント（$E[\xi^4] < \infty$）のみを必要とし、ゼロ近傍での負のべきに付随する数値的不安定性を回避する。
   • トラック (b) PMM-FP$_{full}$: Hubin ら (2026) のモデル空間を反映する完全なべき集合 $P_b = \{-2, -1, -0.5, 0, 0.5, 1, 2, 3\}$ を使用する。このトラックは、ゼロ近傍での有界な密度と有限の逆モーメント（$E[|\xi|^{-2}] < \infty$）という、より強い条件を必要とする。

3. 分散低減:

   • 核心的な理論的結果は、2 次スコア（歪度 $\gamma_3$ と尖度 $\gamma_4$ を使用）に対する OLS-FP に対する閉形式の分散低減係数 $g_2$ である：
     $$g_2 = 1 - \frac{\gamma_3^2}{2 + \gamma_4}$$
   • この係数は漸近分散の比率 $\text{Var}(\hat{\theta}_{PMM}) / \text{Var}(\hat{\theta}_{OLS})$ を表す。値 $g_2 < 1$ は効率の向上を示す。
   • この手法は単調であることが示されており、高次スコア項の追加（$S$ の増加）は、Cramér-Rao 限界によって制限されつつ、さらに分散を低減する。

4. 実装:

   • 推定量は、減衰ニュートン法/フィッシャー・スコアリング反復法によって計算される。
   • モデル選択は、BIC（ベイズ情報量規準）を用いて FP ブロック（最大 4 項）の網羅的列挙によって行われ、検索アルゴリズムではなく推定スコアそのものの比較を確保する。
   • 代数構造全体と定理の論理は、定義と条件付き定理の機械検証記録を提供するLean 4（Mathlib v4.26.0）で形式化されている。

主要な貢献

1. 形式的架橋: Kunchenko の確率的多項式最大化法と Royston-Altman の分数多項式基底との間の架橋の最初の形式化。
2. 効率的な頻度論的推定: 非ガウス誤差構造（歪度/尖度）を明示的にモデル化して標準誤差を低減し、MCMC 機構を回避する、計算コストの低い BFP の代替手段を提供する。
3. 閉形式の効率指標: 明示的な分散低減係数 $g_2$ を導出・検証し、実務者が残差の累積量から直接効率の向上を予測できるようにする。
4. 形式的検証: PMM 回帰装置の最初の Lean 4 形式化を提供し、代数恒等式と定理構造（一貫性、漸近正規性、BIC 選択）を検証する。
5. 二重トラックアプローチ: 安定した正のべきトラックと完全なべきトラックを区別し、負のべきが数値的に実行可能となる場合に関する実用的な指針を提供する。

結果

• モンテカルロシミュレーション: 本研究は、さまざまな非ガウス分布（ベータ、ガンマ、指数、対数正規）にわたって理論的 $g_2$ を検証した。
  • 対称的なガウス誤差の場合、$g_2 \approx 1$ となり、効率の損失がないことが確認された。
  • 非対称分布の場合、経験的分散比率は理論的予測と密接に一致した（例：指数誤差では約 0.5 まで低減）。
  • 対数正規分布のケースはストレステストとして機能し、極端な尖度がプラグイン累積量の推定を不安定化させる可能性を浮き彫りにした。このような極端な場合では、閉形式近似よりもブートストラップ診断の方が信頼性が高いことを示した。
• GBSG 応用: ドイツ乳がん研究グループのデータセット（$n=686$）に適用された。
  • 残差は高度に歪んでおり（$\hat{\gamma}_3 = -1.74$）、重尾性を持っていた（$\hat{\gamma}_4 = 4.91$）。これにより理論的 $g_2 \approx 0.56$ が得られた。
  • PMM-FP$_{pos}$ 推定量は、腫瘍サイズ係数の標準誤差を 0.118（OLS-FP）から 0.054 に低減した。
  • ブートストラップ分布は、PMM-FP が OLS-FP で観測された重尾に対して推定量を安定化させたことを確認した。
  • 完全なべきトラック（トラック b）は、相関行列の条件付け不良により数値的に不安定であることが判明し、逆モーメントが安定していることが確認されない限り、実世界のデータには正のトラックを使用するよう推奨されることを裏付けた。
• 計算速度: PMM-FP の網羅的モデル列挙は数分の一秒で実行され、BFP で使用される MJMCMC サンプリングに対して 1〜2 桁の速度向上を実現した。

意義と主張
本論文は、PMM-FP を普遍的なロバスト手法やベイズモデル平均化の代替手段としてではなく、非対称な非ガウス残差を持つ FP モデルに対する特定の効率修正として位置づけている。

• 範囲: この手法は、誤差分布が体系的に非ガウスであり、有限のモーメント集合が利用可能な場合に、係数推定の効率と標準誤差の制御を改善すると主張する。
• 限界: 著者は明示的に、PMM-FP がすべてのデータセットに対する予測支配的な手法ではないと述べている。その主張は、一致した FP 基底上の推定スコアの分散低減に限定される。完全なべきトラックは理論的貢献および診断ツールとして提示され、数値的安定性から実用的なデフォルトとして正のトラックが推奨される。
• 再現性: この研究は、モデル選択とスコアベース推定の分離、公開データセット（GBSG）の使用、および基礎となる代数論理の形式的 Lean 検証を通じて、再現性を強調している。

要約すると、PMM-FP は、分数多項式モデルにおける高次モーメント情報を活用するための計算効率の高い頻度論的経路を提供し、古典的な OLS と複雑なベイズ的アプローチの間のギャップを、非ガウス用量反応問題に対して埋めるものである。