技術要約：スタッガード・テンソル・パネルにおける双線型形式の直接的かつ効率的な推定

問題定式化

本論文は、因果推論の文脈において、ノイズを含む部分的に観測されたテンソルデータから双線型形式（bilinear forms）を推定する問題に取り組んでいる。設定として、信号テンソル $M \in \mathbb{R}^{N \times T \times K}$ は、ランク $(r, r, K)$ の Tucker2 モデルに従うものとする。信号は $M = C \times_1 U \times_2 V \times_3 I_K$ と分解される。ここで、$U \in \mathbb{R}^{N \times r}$ および $V \in \mathbb{R}^{T \times r}$ はすべての $K$ レイヤーで共有される因子行列であり、$C \in \mathbb{R}^{r \times r \times K}$ はスライス固有のコアテンソルを含む。

データは、因果パネルデータにおいて一般的な**スタッガード採用（staggered adoption）**による欠損パターン下で観測される。一度処置を受けたユニットは、それ以降の期間も処置を受けた状態が続くため、未処置の潜在的結果に「階段状」の欠損パターンが生じる。著者らは、未観測（反事実的）ブロックの一般的な双線型形式の推定に焦点を当てている：
$$\mu_{xy}^{(k)} = x^\top M_{\cdot,\cdot,k}^{(d)} y$$
ここで、$x$ と $y$ は単位ベクトルであり、$M_{\cdot,\cdot,k}^{(d)}$ は第 $k$ レイヤーにおける未観測の右下ブロックを表す。このターゲットには、平均処置効果（ATE）、個別の反事実的結果、および政策加重集計などの因果推論における推定対象が含まれる。

主な課題は、既存の文献の多くが、特定の関数（functional）の直接的な推定ではなく、完全な行列またはテンソルの復元（フロベニウスノルムや要素単位の誤差の最小化）に焦点を当てている点にある。さらに、テンソルを用いた因果推論の手法は存在するものの、構造化された Missing Not At Random (MNAR) パターン下での直接的な関数推定に対する理論的保証を欠いていることが多い。

手法

1. 4ブロック削減とスペクトルアルゴリズム

著者らはまず、スタッガード設計の基本構成要素である4ブロック欠損パターンを分析する。この設定では、各レイヤー $j$ は観測されたブロック $a, b, c$ と、欠損しているブロック $d$ を持つ。

著者らは、完全な欠損テンソルを再構成することなく、ターゲットとなる関数を直接標的とするスペクトル推定器、Algorithm 1 (BilinearTensor4Block) を提案する。このアルゴリズムは、各レイヤー間で共有される潜在部分空間（$U$ と $V$）を活用する：

1. プールされた行列の構築: 観測されたブロックを全 $K$ レイヤーにわたってスタックすることで、2つのプールされた行列を構築する：
   • $Y^p_{\text{left}}$: 共有される行部分空間 $U$ を推定するために、左側の観測ブロック（ブロック $a$ と $c$ の組み合わせ）をスタックする。
   • $Y^p_{\text{up}}$: 共有される列部分空間 $V$ を推定するために、上部の観測ブロック（ブロック $a$ と $b$ の組み合わせ）をスタックする。
2. SVDと部分空間の推定: これらのプールされた行列に対してランク $r$ の截断特異値分解（SVD）を実行し、推定値 $\hat{U}_{\text{left}}$ および $\hat{V}_{\text{up}}$ を得る。
3. 直接的な関数推定: 欠損ブロックを補完する代わりに、アルゴリズムは「回帰してからデノイズする」手順を実行する。推定された部分空間を用いて、スペクトル回帰演算子を通じて観測ブロック $b$ から欠損ブロック $d$ へマッピングする。具体的には、グラム行列 $\hat{U}_{1k}^\top \hat{U}_{1k}$ の逆転を安定させるために、**クリップされたスペクトル逆行列（clipped spectral inverse）**を利用する。

2. 一般的なスタッガード設計への拡張

一般的なスタッガード採用設計（セクション5）に対して、著者らは Algorithm 2 (BilinearTensorStaggered) を提案する。この手法は、複雑な階段状の欠損を、以下の手順によって補助的な4ブロック問題へと還元する：

• ターゲットとなるレイヤーの採用順序に合わせて行を並べ替える（Permutation）。
• ターゲットとなる欠損ブロックに対応する、全レイヤーにわたるアンカーセット（完全に観測されている行と列）を特定する。
• これらのアンカーブロックのみを使用して補助的なプール行列を構築し、より大きなテンソルの中から実質的に4ブロック構造を孤立させる。

主要な理論的結果

1. 非漸近的誤差界

提案された推定器に関する非漸近的な平均二乗誤差（MSE）界を確立している（定理1）。この界は、レイヤー数 $K$ に依存する**相転移（phase transition）**を明らかにしている：

• 小 $K$ レジーム: 誤差は、共有因子 $U$ および $V$ の推定に関連する項によって支配され、これは $O(\sigma^2 \rho^{-1})$ でスケールする。
• 大 $K$ レジーム: $K$ が増加するにつれ、$U$ および $V$ の推定に関する誤差項は減少する（プーリングにより改善される）が、レイヤー固有の既約誤差項が残る。この項は $O(\sigma^2 \min(N/N_{1k}, T/T_{1k}))$ でスケールし、プーリングによって改善できない、スライス固有のコア $C_{\cdot,\cdot,k}$ の推定の困難さを反映している。

2. ローカル・ミニマックス下界

著者らは、定数を除いて上界と一致するローカル・ミニマックス下界を導出している（定理2および3）。これらの界は、相転移が問題の構造に固有であることを裏付けている：

• 共有部分空間を効率的に推定するためには、レイヤー間での情報のプーリングが必要である。
• しかし、共有部分空間が十分に推定された後は、関数推定の精度は、特定のターゲットレイヤーの欠損ブロック内における信号対雑音比（SNR）によって制限される。

3. 計算効率

提案手法は計算効率が高い。支配的なコストは、プールされた行列のランク $r$ の SVD であり、その計算量は $O(NT_{1,p}r + N_{1,p}Tr)$ である。決定的なのは、アルゴリズムが双線型形式を直接計算するため、完全な欠損ブロックを構築するための $O(N_{1k}T_{2k}r)$ のコストを回避できる点である。複数のクエリに対しては、プールされた SVD をキャッシュすることで、コストがさらに削減される。

意義と貢献

本論文は、以下の貢献を主張している：

1. 直接的な関数推定: 焦点を完全なテンソル復元から、因果関数の直接的な推定へとシフトさせている。これは、実際のアプリケーションにおける真の目的であることが多い。このアプローチは、これらの特定のターゲットに対して、統計的および計算的に効率的であることが示されている。
2. テンソルの一般化: 以前は $K=1$ または特定の要素単位の推論に限定されていた、MNAR 行列補完のスペクトル手法を、複数のレイヤー（$K \ge 1$）を持つテンソル設定へと拡張し、複数の処置やアウトカムに対応させている。
3. 相転移の特性評価: プーリングがどのように推定を改善するかを、スライス固有の不均一性によってプーリングの恩恵が飽和する正確な地点を特定しながら、厳密に理論化している。
4. MNARへの堅牢性: 本手法は、構造化された MNAR パターン（スタッガード採用）に特化して設計されており、標準的な行列補完手法が失敗したり、より強い仮定を必要としたりする設定に対応している。

実証的検証

著者らは、以下の方法を通じて理論を検証している：

• シミュレーション: $K$ が増加する際の誤差率における相転移を示し、特に低SNRレジームにおいて、プーリングを用いた推定器が単一レイヤー（プーリングなし）の推定器よりも優れていることを示している。
• 実世界への応用:
  • キャッスル・ドクトリン法（Castle Doctrine Laws）: さまざまなアウトカム（強盗、暴行など）に対する自己防衛法の効果を推定し、テンソル手法が行列のみの手法と比較して不確実性を減少させることを示している。
  • COVID-19 政策: 外出禁止令や接触者追跡が死亡者数や感染者数に与える影響を分析し、データが乏しいターゲットレイヤーにおける推定を改善するために、関連する政策アウトカム（異なるスライス）からの情報を活用する本手法の能力を強調している。

本論文は、完全なテンソル復元も価値があるが、構造化された欠損を伴う因果推論タスクにおいては、双線型形式の直接的な推定が、統計的効率性と計算コストの間の優れたトレードオフを提供すると結論付けている。