技術要約：高次元の潜在的結果および交絡因子下における最適輸送を用いた部分的識別

1. 問題設定

本論文は、潜在的結果（potential outcomes）と交絡因子（confounders）の両方が高次元である場合の因果推論における**部分的識別（partial identification; PI）の課題に取り組んでいる。多くの因果関係の設定では、観測データから潜在的結果の結合分布が決定されないため、点識別（point identification）は不可能である。事前処置共変量は、実現可能な因果効果の集合（PI集合）をタイトにする（絞り込む）ことができるが、既存の最適輸送（Optimal Transport; OT）**に基づく手法は、高次元領域において困難に直面する。

具体的には、古典的なOTベースの境界（bounds）は次元の呪いに苦しみ、統計的に不安定な推定や好ましくない収束率を招く。既存の共変量支援型PIフレームワークは、以下のトレードオフに直面することが多い：

1. **粗い層化（Coarse stratification）**は、過度に保守的な境界をもたらす。
2. **直接的なプラグイン推定（Direct plug-in estimation）**による条件付きワッサースタイン距離の計算は、計算コストが極めて高く、統計的に脆弱である。
3. 投影のみの手法（例：Wasserstein Projection Pursuit）は、残差情報を破棄するため、非無視な輸送不一致（transport discrepancy）が投影された部分空間の直交補空間に存在する場合、系統的に緩い下限値を与える。

核心となる問題は、理論的な妥当性を損なうことなく、高次元における二次ワッサースタイン距離の有効な下限として機能する、次元適応的で統計的に安定した輸送量を構築することである。

2. 手法：条件付き部分空間スライシング（Conditioned Subspace–Slicing; CSS）

著者らは、**条件付き部分空間スライシング（CSS）**サーティフィケートと呼ばれる新しい推定量を提案している。このアプローチは、輸送問題を低次元の信号部分空間と高次元の残差部分空間の2つのコンポーネントに分解する。

2.1 CSSの目的関数

候補となる$r$次元の部分空間$V$とその直交補空間$V^\perp$に対して、CSS目的関数$L(V)$は以下のように定義される：
$$L(V) = W_2^2(\mu_V, \nu_V) + k \cdot SW_2^2(\mu_{V^\perp}, \nu_{V^\perp})$$
ここで、

• $W_2^2(\mu_V, \nu_V)$ は、投影された信号部分空間$V$上の二次ワッサースタイン距離の二乗である。
• $SW_2^2(\mu_{V^\perp}, \nu_{V^\perp})$ は、残差部分空間$V^\perp$上の**スライス・ワッサースタイン距離（Sliced Wasserstein distance）**である。
• $k = d - r$ はスケーリング係数（残差空間の次元）である。

2.2 理論的正当性

• 妥当性（Validity）： 定理3.1は、$L(V)$が真の二次ワッサースタイン距離$W_2^2(\mu, \nu)$の有効な下限であることを証明している。スケーリングによる$k$の導入は極めて重要である。これがないと、スライス項は$d^{-1}$として減衰し、無意味なものになってしまう。スケーリングを行うことで、残差の輸送エネルギーの認定された回収が可能となる。
• タイトさ（Tightness）： 輸送エネルギーが低次元の信号部分空間に集中し、残差がほぼ等方的（isotropic）である**拡張スパイク輸送モデル（Extended Spiked Transport Model; ESTM）の下では、CSS境界はほぼタイトである。真の距離と境界の間のギャップは、単一の残差異方性欠損（residual anisotropy deficit）**によって制御される。
• 部分空間の安定性（Subspace Stability）： 定理3.6は、ESTMの下で、CSS目的関数を最大化する部分空間は、信号成分と残差成分の間に十分な固有値ギャップが存在する限り、真の信号部分空間に近い状態に留まることを示している。

2.3 推定アルゴリズム

提案されているプラグイン推定器（アルゴリズム1）は、2段階の戦略に従う：

1. 信号の回収（Signal Recovery）： Wasserstein Projection Pursuit (WPP) を用いて、投影されたワッサースタイン距離を最大化する最適な$r$次元部分空間$\hat{U}$を見つける。
2. 残差の回収（Residual Recovery）： ランダムな一次元投影のモンテカルロサンプリングを用いて、直交補空間$\hat{U}^\perp$上のスライス・ワッサースタイン距離を計算する。
3. 集約（Aggregation）： 信号項とスケーリングされた残差項を組み合わせ、最終的な下限値を形成する。

3. 主な貢献

本論文の主な貢献は以下の3点である：

1. 認定された下限値（A Certified Lower Bound）： 高次元における次元適応的な部分的識別領域として機能する、二次ワッサースタイン距離のためのCSS下限値を導入した。これにより、高次元における条件付きおよび無条件の輸送下限が認定される。
2. 構造理論（Structural Theory）： CSS境界がほぼタイトとなり、かつWPPによって最適な部分空間が特定される**拡張スパイク輸送モデル（ESTM）**を定式化した。また、近似誤差が残差輸送の異方性によって制御されることを確立した。
3. 有限サンプル保証（Finite-Sample Guarantees）： CSS推定器の非漸近的な誤差境界を提供した。これらの境界は、周囲の次元ではなく**固有次元（intrinsic dimension/信号ランク）**に従ってスケールするため、統計的な扱いやすさが確保される。誤差解析は、信号項の固有次元レートと、スライスされた残差項のパラメトリックなレートを分離している。

4. 実験結果

著者らは、CSS推定器を、WPP（投影のみ）およびFull Sliced Wasserstein（全周囲空間にわたる平均化）のベースラインと比較評価している。

• 合成データ：

  • ガウス型押し出し設定（$d=30$, 信号ランク $r=5$）において、CSS推定器はWPPよりも一貫して真の$W_2^2$に近い値を示した。
  • WPPは残差エネルギーを破棄することで距離を過小評価し、Full Slicedベースラインは全空間のランダムな方向への平均化により、距離を過小評価する。
  • CSSは、スケーリングされたスライス項を通じて、残差の異方性パラメータが増加しても、「失われた」輸送エネルギーを正常に回収することに成功した。
  • 有限サンプル分析によれば、部分空間の回収誤差はサンプルサイズ$n$とともに一貫して減少しており、安定性が示された。

• 実データ（RHCデータセット）：

  • 27次元の出力ベクトルを持つ右心カテーテル検査データセットに適用した。
  • CSSは、様々な部分空間次元において、WPPよりも高い（より情報量の多い）ホールドアウト下限サーティフィケートを生成した。
  • CSSとWPPの差は、直交補空間により多くの出力変動が残っている小さな次元において最も顕著であった。
  • 両手法とも、フル・スケールド・ワッサースタイン（Full Scaled Sliced-Wasserstein）ベースラインを上回っており、タスク適応的な信号部分空間を学習することの重要性が強調された。

5. 意義と主張

本論文は、CSSを、既存の共変量支援型部分的識別フレームワークに統合可能な、モジュール式で次元適応的な幾何学的プリミティブであると主張している。

• 相補性： 本研究は、OTベースのPIに関する先行研究（例：Ji et al., 2024; Lin et al., 2025）を補完するものである。先行研究が推論の堅牢性、緩和のタイトさ、および位相的一貫性に焦点を当てているのに対し、本論文は高次元輸送推定における統計的ボトルネックに対処している。
• 「フリーランチ（Free Lunch）」： 著者らは、この手法を原理的な「フリーランチ」として特徴付けている。すなわち、高次元の輸送問題を、低次元のOTと安価なスライス計算の組み合わせに置き換えるものである。緩やかな条件（残差の等方性）の下では、境界を緩めることなく完全な輸送エネルギーを回収できる。
• 堅牢性： 本手法は、系統的に残差情報を破棄してしまう投影のみの戦略や、統計的に不安定な直接的高次元推定に対する、堅牢な代替手段を提供する。

結論として、CSS推定器は、信号スケールにおいてポピュレーションギャップを効果的に埋めることができ、点識別が達成不可能な高次元の因果推論において、堅牢なプリミティブを提供する。