技術的サマリー：多変量関数データのための説明可能な外れ値検出

問題定義

多変量関数データ分析（FDA）は、複数の変数にわたる連続関数として表現されたデータ（例えば、複数のセンサーの時系列データ）を分析する手法である。関数主成分分析（FPCA）は支配的なツールであるが、平均関数と共分散関数の頑健な推定は、特に外れ値が存在する状況において、依然として重要な課題である。外れ値は頑健でない推定を著しく歪め、信頼性の低い結論をもたらす可能性がある。さらに、既存の外れ値検出手法は多くの場合、解釈可能性に欠ける。それらは観測値が異常であることを特定するが、なぜ異常なのか、具体的にはどの成分（変数）が、どの時点において逸脱しているのかを説明できない。

現在の文献には、単変量関数データのための頑健な手法や、多変量設定のための深度に基づくアプローチが存在するが、特に分離可能共分散構造の下で、頑健な距離ベース推定と、解釈可能かつ成分・時間固有の外れ値説明を組み合わせた統合フレームワークを提供する点にはギャップがある。

手法

提案されるフレームワークは、3 つの中核コンポーネントを統合している：頑健な共分散推定、切断された多変量関数マハラノビス距離、およびシャプレイ値に基づく分解。

1. 理論的枠組み：分離可能共分散と基底表現

本手法は、多変量確率過程 $X(t)$ が分離可能共分散構造を持つと仮定する。ここで、共分散カーネル $K(s, t)$ は、成分間のクロス共分散行列 $\Sigma_{row}$ と、成分内の時間的カーネル $\kappa(s, t)$ に分解される：
$$K(s, t) = \Sigma_{row} \kappa(s, t)$$
離散観測を扱うため、データは有限基底表現（例えば B スプライン）を用いて平滑化される。重要な理論的貢献として、関数過程とその係数行列 $A$ の間の直接的な関連付けが確立された。$X(t) = A' \phi(t)$ である場合、分離可能性の下では、係数行列 $A$ が平均 $M_A$ と共分散 $\Sigma_{row}$ および $\Sigma_{col}$（$\Sigma_{col}$ は $\kappa$ に関連する）を持つ行列変量分布に従うことが証明された。これにより、関数マハラノビス距離を係数行列上の行列変量マハラノビス距離として計算することが可能となり、計算複雑性が大幅に削減される。

2. 頑健推定：MMCD

外れ値に対する頑健性を確保するため、本フレームワークは係数行列の平均と共分散を推定するために行列最小共分散行列式（MMCD）推定量（Mayrhofer et al., 2025）を採用する。このアプローチは、行列変量楕円分布に対して極めて頑健で、効率的かつ整合的である。MMCD 推定量（$\hat{M}_A, \hat{\Sigma}_{row}, \hat{\Sigma}_{col}$）は、頑健な切断された関数マハラノビス距離を構築するために使用される。

3. 距離尺度：切断された多変量関数マハラノビス距離（fMMD）

著者は、二乗切断された関数多変量マハラノビス半距離（fMMD）を以下のように定義する：
$$fMMD^2(X; M) = \sum_{k=1}^{M} \frac{1}{\pi_k} \langle X - \mu, \psi_k \rangle^2$$
ここで、$(\pi_k, \psi_k)$ は共分散作用素の固有対である。分離可能性の仮定の下では、この距離が係数行列 $A$ の行列変量マハラノビス距離と等価であることが示される。この等価性により、頑健な行列推定量を用いた効率的な計算が可能となる。

4. 説明可能性：シャプレイ値分解

外れ値検出の「ブラックボックス」性に対処するため、本論文は協力的ゲーム理論からのシャプレイ値を一般化し、全体の異常度（fMMD）を付加的な寄与に分解する。

• 座標固有: どの変数（成分）が異常に最も寄与しているかを特定する。
• 時間固有: どの時間区間が最も寄与しているかを特定する。
• 時間・座標固有: 変数と時間区間によって同時に寄与を分解する。

重要なのは、著者がこれらの寄与に対する閉形式解を導出したことで、計算複雑性を（成分数に対する）指数関数的から線形に削減しつつ、シャプレイ値の主要な性質（効率性、対称性、単調性）を保持している点である。

主要な貢献

1. 多変量 FDA 向けの頑健フレームワーク: 本論文は、分離可能共分散仮定の下で基底係数に適用された MMCD 推定量を用いた、多変量関数データにおける頑健な平均および共分散推定のための包括的なフレームワークを導入する。
2. 関数分布と行列変量分布の間の理論的リンク: 多変量関数過程における共分散作用素の分離可能性が、ランダム係数行列の分布における特定の分離可能構造に変換されることを厳密に確立する。これにより、関数頑健性と行列変量頑健性理論が架橋された。
3. 効率的な説明可能な外れ値検出: 関数データに対するシャプレイ値を一般化し、多変量関数異常度を時間固有および成分固有の寄与に分解する原理的な手法を提供する。これらの分解に対する線形複雑性アルゴリズムの導出は、重要な計算上の進歩である。
4. 実証的検証: 本手法は、広範なシミュレーションと実世界への応用を通じて検証され、各種の外れ値タイプ（シフト、形状、孤立、共分散誘発）の検出における有効性と、分離可能性仮定が誤指定されている場合でも頑健であることを示した。

結果

シミュレーション研究

提案手法（MMCD ベースのマハラノビス距離）を、最先端の深度ベース手法（fSDO、fAO、fDO など）、大きさ - 形状プロット、および関数アイソレーションフォレストと比較する広範なシミュレーションが実施された。

• 性能: 提案された頑健な距離ベースアプローチは、F スコア、AUC、リコールの点で、特にシフトおよび形状外れ値に対して、競合手法を一貫して上回った。
• 誤指定に対する頑健性: データが分離可能性仮定（非分離過程）に違反する場合でも、提案手法は有効であり、好ましいバイアス - バランストレードオフにより、正則化されていない標本共分散推定量を上回ることが多かった。
• 非ガウスデータ: 重み付きテール（t 分布）の設定において、頑健な手法は高いリコールと AUC を維持したが、分布のテールと真の外れ値を区別する難しさにより、精度は低下した。
• 解釈可能性: シャプレイ値は、局所的汚染シナリオにおいて、単純な逸脱測定や深度ベースの局所スコアを上回り、外れ値の原因となる特定の座標と時間区間を正常に特定した。

実世界への応用

1. エルニーニョ・南方振動（ENSO）: 4 つのニño 領域からの海面水温（SST）データを分析した。多変量アプローチは、単変量分析よりも極端な ENSO 事象を特定した。シャプレイ分解により、エルニーニョ現象はニño 3.4 とニño 3 の温暖化によって駆動され、ラニーニャ現象はニño 4 とニño 3 の冷却によって駆動されることが明らかになった。
2. 抵抗スポット溶接: 自動車製造からの動的抵抗曲線に適用された。本手法は AUC 0.95 を達成し、他の手法を上回るとともに、溶接欠陥（噴出）のケースにおいて、どの溶接点と時間区間が異常であったかを正常に特定した。
3. 出生率: 22 か国の年齢別出生率曲線を分析した。頑健な手法は、古典的推定量（米国、ドイツなど）によって隠蔽されていた外れ値を検出し、異なる年齢層および年代における出生タイミングのシフトに関する解釈可能な洞察を提供した。

意義と主張

本論文は、分離可能共分散構造を持つ多変量関数データを分析するための頑健かつ解釈可能なアプローチを提供すると主張している。その意義は以下の点にある：

• 検出から説明への移行: シャプレイ値を統合することで、このフレームワークは単に異常をフラグ立てるだけでなく、特定の成分と時点に基づいてそれを説明する。これは、気候学者や製造エンジニアなどのドメイン専門家にとって極めて重要である。
• 計算効率: シャプレイ値の複雑性を指数関数的から線形に削減することで、高次元関数データに対する本手法のスケーラビリティを可能にしている。
• 頑健性: MMCD 推定量の使用により、検出と解釈が、それらが発見しようとする外れ値によって歪められないことを保証する。
• 実用性: 本フレームワークは、モデル仮定（分離可能性、正規性）が完全に満たされていない場合でも有効であることが示されており、そのような仮定が近似であることが多い実世界データ分析における実用的なツールとなっている。

著者は、分離可能性仮定はモデリングを単純化するが、提案された構造化推定量は頑健な近似として機能し、中程度のサンプルサイズにおいて、制約のない推定量よりも安定した診断をもたらすことが多いと結論付けている。今後の研究として、これらの頑健推定技術を非分離共分散構造に拡張することが提案されている。