技術要約：誠実なCATE推定のための有意性優先分割（Significance-First Splitting）

1. 問題提起

異質的治療効果（CATE）の推定には、効果修飾の検出（治療効果が異なるサブグループの特定）と、有効な信頼区間（CI）を用いた推定不確実性の定量化を同時に行うことが求められる。現在の決定木ベースの手法は、根本的なトレードオフに直面している：

• 有意性に基づくアプローチ（例：Radcliffe and Surry 2011）は、相互作用統計量（$t^2$ 統計量など）を用いて、効果修飾を直接検出し、不均衡な治療割り当てに対処する。しかし、これらは分割とリーフ推定に同じデータを使用するため、適応バイアス（adaptive bias）が生じ、インサンプルでのCATE推定値が膨張し、信頼区間が無効になる。
• 誠実な因果木（Honest Causal Trees）（例：Athey and Imbens 2016）は、構造学習とリーフ推定のためにデータを独立した集合に分割することでバイアスに対処し、公称信頼区間の被覆率を保証する。しかし、その分割基準（honest EMSE$_\tau$ の最小化）は、効果修飾を直接テストするものではない。その結果、治療の異質性ではなく、アウトカムのレベルを予測する共変量に基づいて分割してしまい、相互作用に対する感度を犠牲にする可能性がある。

既存の手法の中で、分割基準として統計学的に原理に基づいた効果修落のテストを提供し、かつ、有効なCIを持つ誠実でバイアスのないリーフ推定を実現し、さらにフォレストにおける分散推定までスケールアップできる手法は存在しない。

2. 手法

著者らは、Pythonパッケージ rattus に実装されたハイブリッドアルゴリズムである Significance-First Splitting を提案する。コアとなる革新性は、分割基準とプルーニング（枝刈り）／推定戦略の分離である。

2.1 3フェーズの適合プロセス

アルゴリズムは、訓練セット（$S_{tr}$）と推定セット（$S_{est}$）に分割されたデータセット（通常は50/50の分割）に対して動作する。

1. フェーズ 1：決定木の成長（有意性ベース）： 木の構造は、$S_{tr}$ 上で、治療 $\times$ サイドの相互作用に対する**二乗 $t$ 統計量（$t^2$）**を用いて成長させる。これは、両方のチャイルドノードにおいて治療効果が等しいという帰無仮説を直接テストするものである。探索は欠損値を決定論的に扱い、変数選択バイアスを減らすためのグリーディなシーケンシングまたはGUIDEベースの $G_i$ 探索を通じてカテゴリカル特徴量をサポートする。
2. フェーズ 2：誠実な交差検証によるプルーニング： 最大深度まで完全な木を成長させる。その後、**誠実な交差検証（Honest CV）**を用いてコスト複雑度プルーニングを行う。ペナルティ $\lambda$ は、保持されたフォールド上での honest EMSE$_\tau$（治療効果の期待平均二乗誤差）を最小化することによって選択される。このステップにより、最終的な木構造が相互作用信号を過学習することなく、予測誤差を最小化するように選択されることを保証する。
3. フェーズ 3：誠実な推定： プルーニングされた木構造（分割 $\Pi$）を固定し、独立した推定セット $S_{est}$ に適用する。リーフのCATEと標準誤差は、$S_{est}$ のみを用いて計算され、これにより分割と推定が独立していることが保証される。

2.2 基準の理論的整合性

論文では、$t^2$ 統計量と honest EMSE$_\tau$ 基準は、治療の異質性が分割を駆動する場合に整合することを証明している。EMSE$_\tau$ の変化は、以下の2つの項に分解される：

• $(t^2 - 4)$ に比例する項：これは相互作用信号を捉える（分割が意味のある異質性を生み出す場合にのみ正となる）。
• アウトカムの分散減少を報酬する項：これは治療効果に関わらずアウトカムの分散を減少させることを評価する。
  著者らは、$t^2$ を用いて分割することで治療の異質性への特異性を確保し、EMSE$_\tau$ を用いてプルーニングすることでグローバルな複雑度ペナルティを提供できると主張している。

2.3 誠実な有意性フォレストと IJ 分散

単一の決定木アルゴリズムは、ブートストラップ・リサンプリングと特徴量のサブサンプリングを通じてアンサンブル（フォレスト）へと拡張される。

• ブートストラップ計数ベクトル： 各決定木は、すべての観測値に対するブートストラップ計数のベクトル（$N_b$）を保持する。
• 無限小ジャックナイフ（Infinitesimal Jackknife: IJ）： これらの計数は、IJ 分散推定量の計算に使用される。重要な点として、本論文では、この IJ 推定量がモンテカルロ収束（異なるブートストラップ・シードによってフォレストの予測がどの程度変化するか）を測定するものであり、点推定誤差（$\hat{\tau} - \tau$）を測定するものではないことを明確にしている。
• 計算効率： IJ はグラム行列 $G = CC^\top$ を通じて計算され、複雑度を $O(B \cdot n \cdot n_{test})$ から $O(B^2(n + n_{test}))$ へと削減する。
• 有効なCI： $\tau(x)$ に対する有効な点推定の信頼区間を得るために、著者らはフォレストの IJ 区間に頼るのではなく、単一の誠実な決定木の predict_interval メソッドを使用することを推奨しており、これは構成上、公称被覆率を保証する。

3. 主な貢献

1. アルゴリズムの融合： 本論文は、$t^2$ と honest EMSE$_\tau$ が相補的であることを示している。$t^2$ を分割（異質性の検出）に使用し、EMSE$_\tau$ を用いた誠実なCVをプルーニング（複雑度の制御）に使用することを提案しており、相互作用の感度とバイアスのなさの両方を満たす単一の推定器を作成している。
2. 誠実な有意性フォレスト（Honest Significance Forests）： 各決定木内での「誠実さ（honesty）」の特性を維持しながら、効率的な IJ 分散推定を可能にするためにブートストラップ計数ベクトルを保持する、アンサンブル手法への拡張。
3. IJ モンテカルロ診断： IJ を、点推定の推論ツールとしてではなく、収束の診断（$B$ が十分であることの検証）として用いるという明確な区別を行った。論文では、この計算効率の高い診断の実装を提供している。
4. オープンソース実装： rattus パッケージは、カテゴリカル特徴量、欠損値、および並列処理をサポートし、異なるジョブ構成間でも同一の結果が得られる、sklearn 互換の再現可能な実装を提供している。

4. 実験結果

合成ベンチマーク

Athey and Imbens (2016) の3つの合成デザインを用い、それぞれ200回の反復試行を実施した：

• 単一の決定木は、すべてのデザインにおいて、90% の公称レベルに対し、約 90% のリーフ平均CI被覆率を達成した。
• これにより、Proposition 1 の理論的保証、すなわち、誠実な推定戦略が疎性（sparsity）の仮定なしに有効な信頼区間を提供することが確認された。

実世界のベンチマーク

Criteo、Hillstrom、および Starbucks のアップリフト・データセットで評価した：

• 本手法は、S-Learner、T-Learner（HistGradientBoostingを使用）、および Generalized Random Forests (GRF) を含む強力なベースラインと同等の Qini 係数パフォーマンスを示した。
• ベースラインとは異なり、rattus はリーフレベルでの有効な不確実性定量化を提供する。

5. 意義と主張

本論文は、決定木ベースの CATE 推定における、相互作用検出と有効な推論の間のギャップを埋めることを目的としている。

• 妥当性（Validity）： 構造学習（$S_{tr}$）と効果推定（$S_{est}$）に使用するデータを厳密に分離することで、適応バイアスを排除し、疎性の仮定を必要とせずにリーフレベルの信頼区間が有効であることを保証する。
• 感度（Sensitivity）： 分割に $t^2$ 統計量を用いることで、治療効果を修飾しないアウトカム予測的な共変量に基づいて分割してしまうという罠を避け、治療の異質性を直接的にターゲットとする。
• 実用性（Practicality）： 手法はフォレストへとスケールし、収束のための計算効率の高い診断（IJ）を提供すると同時に、単一の誠実な決定木を通じた原理に基づいた不確実性定量化を維持している。

著者らは、観察研究においては、本手法はランダム化を仮定しているか、あるいは傾向スコア変換（$Y^*$）に依存していることを注記しており、傾向スコアの境界付近での数値的不安定性に関する注意書きを添えている。二重に頑健な（doubly-robust）拡張が今後の課題として挙げられている。