📊 statistics

The Benjamini--Hochberg Procedure Can Fail to Control the FDR for Correlated Two-Sided Gaussian Tests

本論文は、ベンジャミーニ・ホッホベルク法が相関のある両側ガウス検定においてその公称水準での偽発見率を制御できないことを示すことにより、長年の予想を覆しており、この結果は区間演算を用いて厳密に証明され、著者によって検証されている。

原著者： Edgar Dobriban

公開日 2026-07-15

📖 1 分で読めます☕ さくっと読める

原著者： Edgar Dobriban

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、正直な人々で満たされた部屋の中で、嘘つきのグループを捕まえようとしている探偵だと想像してください。あなたには、無実の人々を誤って告発しないようにするための特別なルールブック（ベンジャミニ・ホッホベルク法）があります。何十年もの間、統計学者たちはこのルールブックは破れないものだと信じてきました。たとえ部屋の中の人々が互いに秘密を囁き合っていたとしても（相関のあるデータ）、このルールブックは誤った告発の数を、例えば1%（0.01）という厳格な制限以下に抑え続けることができると考えていたのです。

大きな発見：ルールブックには抜け穴がある
著者たちは、特定のトリッキーな状況――テストが「両側ガウス数」（ゼロから上下に揺れ動く測定値のようなもの）である場合――において、このルールブックが実際に失敗しうることを示しました。ある特定の、巧妙な方法で測定値が相関しているとき、ルールブックは誤った告発率を、制限値をわずかに上回るまで上昇させてしまうのです。

安全な1%に留まる代わりに、誤報率は0.0104まで跳ね上がることがあります。これは小さな数字ですが、厳密な数学の世界では、巨大なダムに生じた亀裂のようなものです。論文は単に推測しているのではなく、大規模なテスト群において、誤報率が必ず0.01より高くなることを絶対的な確信を持って証明する「証明書」（数学的な安全検査報告書のようなもの）を構築しています。

「巧妙な要因」モデル
彼らはどのようにしてこの抜け穴を見つけたのでしょうか？彼らは、ルールブックをテストするために、架空の世界（「因子モデル」）を構築しました。巨大な部屋に3つのグループがいると想像してください。

正直な群衆（部屋の96%）： これらは真の帰無仮説です。彼らは潔白であるはずです。
シグナル・グループA（部屋の1%）： これらは「本物の」シグナルであり、一方向に動いています。
シグナル・グループB（部屋の3%）： これらもまた本物のシグナルですが、異なる方向に動いています。

ここでのひねりは、全員がたった一人の目に見えない指揮者（「潜在因子」と呼ばれるZ）の指示に従っていることです。

正直な群衆は、指揮者と「共に」動きます。
シグナル・グループは、指揮者に「逆らって」、かつ異なる速度で動きます。

指揮者がバトンを振るたびに、シグナルは大きくなり、ルールブックはより頻繁に「お前が犯人だ！」と叫ぶようになります。しかし、それと同時に、「正直な群衆」も少し落ち着きがなくなり、彼らの挙動の端（裾）が、まるでシグナルのように疑わしく見えるようになります。これにより、ルールブックが混乱し、無実の人々を過剰に排除してしまい、偽発見率が1%のルールを破るほどわずかに急上昇するという、完璧な嵐が発生するのです。

どの程度確かなのか？
これは「おそらく」や「～だと思う」といった話ではありません。著者たちは非常に確信を持っています。

証明： 核となる議論はAIによって生成され、その後、人間の著者によって注意深く検証されました。彼らは「区間演算」と呼ばれる手法を用いました。これは、丸め誤差があっても答えが決して間違わないことを保証する、安全マージンを持った数学的手法です。彼らは、テストの数が十分に大きい場合、その率が厳密に0.0104より大きいことを証明しました。
シミュレーション： これを裏付けるために、彼らはコンピュータ実験（モンテカルロ・シミュレーション）を行いました。200のデータグループ（合計20,000のテスト）を用いてテストしたところ、コンピュータは偽発見率を0.010359と測定しました。これは統計的に1%の制限よりも高く、現実世界のシミュレーションにおいて理論を裏付けています。

これが意味すること（そして意味しないこと）
この論文は、ベンジャミニ・ホッホベルク法が「すべての相関のある両側ガウス・テストに対して安全である」という考えを明確に否定しています。20年もの間、専門家たちはそれが安全だと信じてきましたが、この論文は「実はそうではない」と告げているのです。

しかし、論文はルールブックが無用であると言っているわけではありません。違反は極めて小さく（0.01に対して0.0104）、かつ非常に特殊に構築されたシナリオ、および大規模なテスト数において発生します。著者らは、これがより少ない数のテストでも起こるのか、あるいは、どの程度悪化するかについての普遍的な上限があるのかについては分かっていないと認めています。また、彼らは遺伝子や株価のような現実世界のデータを用いてこの検証を行ったわけではありません。彼らは、論点を証明するために数学的モデルを構築したのです。

ですから、次に誰かが「ある統計的手法はあらゆる条件下で機能すると証明されている」と言ったら、この論文を思い出してください。時には、最も信頼されている道具の中にさえ、超スマートな探偵（そして少しのAIの助け）だけが見つけ出せるような、小さな隠れた亀裂が存在することがあるのです。

技術要約：ベンジャミーニ–ホッチバーグ法は、相関のある両側ガウス検定においてFDRの制御に失敗する場合がある

問題提起
本論文は、多重仮説検定における長年の未解決問題に取り組んでいる。すなわち、両側ガウス検定において、ベンジャミーニ–ホッチバーグ（BH）法が任意の相関構造の下で、その公称水準 $\alpha$ で偽発見率（FDR）を制御できるかどうかという問題である。BH法は、独立（Benjamini and Hochberg, 1995）および正の部分集合に関する回帰（PRDS）条件（Benjamini and Yekutieli, 2001）の下ではFDRを制御することが知られているが、相関のある両側検定の場合については未解決のままであった。

Reiner-Benaim (2007)、Kim and van de Wiel (2008) による実証研究、および Benjamini (2010)、Sarkar (2023) による影響力のあるレビューを含む先行文献では、両側 $z$ 検定はあらゆる相関構造の下でFDR制御が保持されるという推測が広くなされていた。本論文はこの推測に異を唱え、両側検定における二つの裾の「折り畳み」（ $\{P_i \le t\} = \{X_i \ge c_t\} \cup \{X_i \le -c_t\}$ ）が、片側統計量において機能する単調回帰および全正性（total-positivity）の議論を崩し、潜在的にFDRの膨張を招く可能性があると主張している。

手法および構成
この推測を反証するために、著者らは $m_N = 100N$ の仮説を含む特定のガウス因子モデルを構築した。これは以下の3つのブロックに分割される：

真の帰無仮説 ( $96N$ ): $X^{(0)}_i = \frac{3}{10}Z + \frac{\sqrt{91}}{10}\epsilon_i$ 。
非帰無ブロック 1 ( $N$ ): $X^{(1)}_j = \frac{12}{5} - \frac{3}{10}Z + \frac{\sqrt{91}}{10}\eta_j$ 。
非帰無ブロック 2 ( $3N$ ): $X^{(2)}_k = \frac{22}{5} - \frac{18}{25}Z + \frac{\sqrt{301}}{25}\xi_k$ 。

ここで、 $Z$ は共通の潜在因子であり、 $\epsilon, \eta, \xi$ は独立な標準正規分布である。非帰無ブロックの平均値は、潜在因子 $Z$ とは「逆」に動くように調整されている。これに対し、帰無ブロックは $Z$ と「共に」動く。これにより、特定の $Z$ の実現値において、条件付き帰無分布がより重い両側の裾を持つまさにその瞬間に、非帰無信号が棄却数（BH閾値を上昇させるもの）を増加させるというシナリオが作り出される。

証明は、 $p$ 値の経験累積分布関数（CDF）のアシンプティック（漸近的）解析に基づいている。著者らは「閾値挟み込み（threshold bracketing）」の手法を用いている：

$Z=z$ が与えられたときの $p$ 値の極限条件付きCDF $G_z(t)$ を定義する。
BH閾値 $\tau_N$ が、 $v < w < \alpha$ を満たす $v$ と $w$ の間に厳密に挟まれるような $z$ の範囲を特定する。
この範囲内において、条件付き偽発見割合（FDP）が $\alpha$ を超えることが示される。

主要な貢献および証明メカニズム
本研究の主要な貢献は、相関のある両側ガウス検定においてFDR制御が失敗することを証明する厳密な反例を提示したことにある。証明における2つの革新は以下の通りである：

極限の一意性の回避: この議論は、CDFの一意な極限交差点や交差における微分可能性を必要としない。代わりに、閾値を挟み込むための2つの厳密な符号条件を使用している。
厳密な区間演算: 証明には、「アウトワード・ラウンデッド区間演算（outward-rounded interval arithmetic）」（Arbライブラリを使用）によって検証された有限の不等式の集合が用いられている。潜在因子空間と $p$ 値閾値空間を有理数長方形に分割することで、特定の不等式が厳密に成立することを証明している。これにより浮動小数点誤差を排除し、FDRが公称水準を超えているという数学的証明を提供している。

なお、この証明はAIモデル GPT-5.6 Pro によって生成され、その後、著者が検証を行い、数値シミュレーションの実施および原稿の執筆を行った。

結果

理論的結果: 構築されたモデルにおいて、水準 $\alpha = 0.01$ のとき、十分大きな $N$ に対して $\text{FDR}_N > 0.0104$ となることを証明した。これは $\alpha = 0.01$ を厳密に逸脱している。
数値的証明: 区間演算による証明は、潜在因子 $Z$ の1,000個のビンへの寄与を合算し、約 $0.0104168$ という保証された下限値を得ている。
モンテカルロ実験: 分散を制御するために $Z$ $Z$ で層化（stratified）したモンテカルロ・シミュレーションを $N=50, 100, 200$ $N = 50, 100, 200$ に対して行った。
- $N=200$ において、推定FDRは $0.010359 $であり、95%信頼区間は$ [0.010155, 0.010563]$ であった。これは公称水準を完全に上回っている。
- 結果は漸近的な理論的知見と一致しており、有限標本においても制御の失敗を示すものである。

意義および主張
本論文は、20年間にわたり広く信じられてきた推測を覆すものである。BH法は、相関が信号強度と帰無分布の裾の挙動との間の結合を引き起こす場合、両側ガウス検定における任意の相関構造に対して普遍的な堅牢性を持たないことを示している。

著者らは、この逸脱はわずか（公称水準に対して約4%の膨張）であり、多数の検定を行うモデルにおいて発生することを注記している。また、FDRの膨張の可能性に対する普遍的な上限が存在するか、あるいはより少ない数の検定であれば制御が保証されるかについては、依然として未解決の問題であると明言している。本研究は、複雑で依存関係のある設定におけるBH法の理論的保証の限界を浮き彫りにし、そのようなシナリオにおける依存関係を調整した代替手法の必要性を強調している。

関連論文