The Spectral Structure of Latent Treatment Effects

技術要約：潜在的治療効果のスペクトル構造

問題提起
本論文は、観測データにおいて未観測の交絡因子が存在する場合に、不均一な治療効果（HTEs）を特定するという課題に取り組んでいる。具体的には、離散的な潜在交絡因子モデルにおける**治療効果の混合（Mixture of Treatment Effects; MTE）分布の回復を対象としている。集計的な平均治療効果（ATE）の推定や、観測された共変量で条件付けを行う条件付き平均治療効果（CATE）の推定とは異なり、この問題は、未観測の層（$U$）にわたる潜在的な結果の分布を回復することを要求する。この設定では、プロキシ変数の参照用プロキシ（$Z$）とターゲット用プロキシ（$X$）を用い、これらが治療（$T$）、結果（$Y$）、および潜在的交絡因子（$U$）に対して特定の条件付き独立性を満たすという近接因果推論（proximal causal inference）**を採用している。

Mazaheriら [2025] による先行研究は、このレジームにおける識別可能性を**合成的潜在結果（Synthetic Potential Outcomes; SPO）**を用いて確立した。彼らの手法は、観測可能な行列からスカラーモーメントの列を再帰的に構築し、ハンケル・ペンシルを用いて潜在的な治療効果のサポートを抽出するものである。しかし、この手法は各ステップで $k \times k$ の正方プロキシ・モーメント行列の逆行列計算に依存しており、プロキシの特徴数と潜在次元が一致している「正方」プロキシ・システム（$d_x = d_z = k$）に限定されていた。

手法
著者らは、識別問題をスカラー・モーメント列の解析から、根本的な圧縮観測演算子（compressed observable operator）の解析へと組み替えるスペクトル・フレームワークを提案している。

1. 分解と幾何学：
   プロキシ因果構造の仮定の下で、観測可能な交差モーメント行列（$M_{ZX|t}$ および $M_{ZXY|t}$）は、観測不可能な潜在パラメータへと分解される。本論文は、これらの観測可能な行列の行空間が、潜在的な特徴空間と一致することを証明している。

   • 内在的次元性： 潜在次元 $k$ は、スタックされた交差モーメント行列 $\begin{bmatrix} M_{ZX|0} \\ M_{ZX|1} \end{bmatrix}$ のランクによって正確に特定される。
   • 正値性： 厳密な潜在的正値性（オーバーラップ）は、治療固有のモーメント行列の行空間が、潜在的特徴行列の行空間と等しいことによって、幾何学的に特徴付けられる。

2. 圧縮スペクトル演算子：
   再帰的なスカラー構築の代わりに、本手法はデータを共有の $k$ 次元信号部分空間（スタックされたモーメント行列のトップ $k$ 個の右特異ベクトル）へと投影する。

   • アンビエント演算子： 商演算子 $Q_t = M_{ZX|t}^\dagger M_{ZXY|t}$ がアンビエント特徴空間において定義される。その信号部分空間への制限は、条件付き潜在結果の対角行列 $D_{Y|t}$ に類似している。
   • 圧縮演算子： 共有基底 $V_k$ への投影により、著者らは圧縮演算子 $\tilde{Q}_t \in \mathbb{R}^{k \times k}$ を定義する。
   • 差分演算子： コアとなる識別対象は、差分演算子 $\Delta \tilde{Q} = \tilde{Q}_1 - \tilde{Q}_0$ である。本論文は、$\Delta \tilde{Q}$ が潜在的治療効果の対角行列 $D_\tau = \text{diag}(\tau(1), \dots, \tau(k))$ と相似であることを証明している。したがって、固有値はまさに潜在的な治療効果となる。

3. 特徴量と重みの回復：

   • 特徴量行列： $\Delta \tilde{Q}$ の左固有ベクトルをアンビエント空間へ「リフト」し、アンカー座標（$X_1 = 1$）で正規化することで、ターゲット・プロキシの特徴量行列 $B$ を回復する。
   • 混合比率： $B$ が回復されると、潜在的な混合比率 $p$ は線形方程式 $E[X] = Bp$ を通じて特定される。

4. 演算子・モーメント等価性：
   本論文は、先行するSPO研究で使用されるスカラー・モーメント列が、この単一の圧縮演算子の累乗の双線型汎関数に過ぎないことを示している：$m_\ell = a^\top (\Delta \tilde{Q})^\ell c$。したがって、演算子がカノニカルな対象であり、モーメント列はその特定の射影である。

主な貢献

• スペクトル識別定理： 著者らは、過剰決定（overcomplete）なプロキシ・システム（$d_x, d_z \ge k$）を直接扱うことができる、潜在的MTEのためのスペクトル識別定理を提供する。信号部分空間への圧縮により、この手法は、再帰的なSPOアプローチにおける制約的な正方行列の要求を回避できる。
• 演算子・モーメント等価性： 再帰的なスカラー・モーメントが、この圧縮差分演算子の累乗によって生成されることを証明した。これにより、モーメントベースの視点と演算子ベースの視点を統合し、演算子が全合成モーメント階層の有限次元生成器であることを示した。
• 幾何学的特徴付け： 潜在的な次元性と厳密な正値性を、外部的な仮定ではなく、観測可能な行列の構造的特性へと転換する、集団レベルの幾何学的特徴付けを提供した。
• 有限サンプル保証： 著者らは、回復された固有値（治療効果）、リフトされた固有ベクトル（特徴量の行）、およびシンプレックス投影された混合重みに対する、高確率の $O(n^{-1/2})$ 摂動境界を導出した。これらの境界は、母集団行列の条件数と治療効果間のスペクトルギャップに依存する。

結果
合成データを用いた実証評価により、圧縮スペクトル推定器がベースラインであるSPOモーメント・チェインに対して優位性を持つことが示された：

• 安定性と精度： 過剰決定の設定（$d = k+3$）において、スペクトル推定器は、切断されたSPOベースラインと比較して中央絶対誤差を大幅に減少させた。例えば、$k=3, N=25,000$ の場合、誤差はベースラインの $0.445$からスペクトルの$0.026$ へと、17.4倍改善した。
• 収束性： スペクトル推定器は、予測された $O(n^{-1/2})$ 収束率を示す。対照的に、ベースのSPO推定器は、摂動を受けたモーメント列から多項式の根を求める際の不安定さに起因する、非単調な挙動と高い分散を示した。
• 過剰決定への対応： スペクトル法は、信号部分空間への投影により、矩形プロキシ・システムを自然に扱うことができる。一方で、ベースのSPO法は特徴量の恣意的な切断を必要とし、本論文では、切断を行ったとしても最適ではないパフォーマンスになることが示されている。
• 複素固有値： 本論文は、スペクトル分離の下では、有限サンプルの摂動が実数固有値を保持することに触れている。複素共役ペアの出現は、サンプルサイズの不足、不良条件、またはモデルの誤設定を示す診断指標となる。

意義と主張
本論文は、潜在的な混合因果識別は、スカラー・モーメントの問題ではなく、根本的に演算子の問題であると主張している。潜在的治療効果を単一の圧縮差分演算子の固有値として特定することにより、本手法は以下のことを実現している：

1. 問題の再構成： モーメント列が暗黙的に探索している有限次元の対象を明らかにし、共有プロキシ信号部分空間上での直接的な対角化を可能にした。
2. 推定の安定化： 高次のスカラー逆行列計算を有限次元のスペクトル解析に置き換えることで、特に過剰決定なプロキシ・レジームにおいて、ノイズに対してより堅牢なものとした。
3. 構造の明確化： モーメント列は演算子のトレースであり、演算子自体が完全な分布のサポートを決定するという統一的な視点を提供した。

著者らは、本手法が過剰決定プロキシを扱い、強力な理論的保証を提供する一方で、今後の課題として、商演算子の定式化を連続的な潜在クラス（積分演算子経由）へ拡張することや、直接的な治療効果の不均一性のテストのために厳密なホモジェニティ特性（$\Delta \tilde{Q} = \tau^* I_k$）を利用することなどが挙げられると、控えめに述べている。