Claim-Specific Admissibility of PCA Biplot Interpretations: Target Alignment, Spectral Identifiability, and Projection Adequacy

あなたは、地図を使って謎を解こうとしている探偵だと想像してください。データサイエンスの世界には、**主成分分析（PCA）**と呼ばれる有名なツールがあり、それは魔法の地図製作者のように振る舞います。その仕事は、植物、人々、あるいは惑星に関する何千もの測定値のような、巨大で乱雑な情報の山を取り込み、それを単純な二次元の絵へと押しつぶすことです。この「バイプロット」と呼ばれる絵は、パターン、グループ、そして関係性を一目で理解することを可能にします。それは、3Dの彫刻を壁に映し出された平らな影に変えて、その形を素早く理解するようなものです。

しかし、ここには落とし穴があります。地図製作者が地図を描く前に、対象をどのように測定するかを決めなければなりません。対象を生の自然な単位（センチメートル、ドル、キログラムなど）で測定しますか？それとも、まずすべてを縮小・拡大して、すべての対象が全く同じ「サイズ」や「分散」を持つようにしますか？この二番目のステップは「標準化」と呼ばれます。これは、巨大なゾウと小さなネズミを取り上げ、両者の形を比較する際にゾウの大きさに圧倒されないよう、両者を全く同じ高さにリサイズするようなものです。問題は、このリサイズによって地図の幾何学的な形状が変わってしまうことです。元の世界における直線は、リサイズされた世界では曲線になるかもしれず、あるいは9度角が別の形にねじ曲がることもあるでしょう。科学者たちは、標準化が数学を変えることを古くから知っていますが、その結果得られた絵が、リサイズされる前の元の世界についても真実を伝えていると仮定してしまうことがよくあります。

この論文は、ある決定的な問いを投げかけています。**「リサイズされた地図を使って、リサイズされる前の元の世界についての物語を語るとき、一体何が起きるのか？」**と。著者であるルイス・ロベルト・マルティンス・ピントとカルロス・タデウ・ドス・サントス・ディアスは、コンピュータが地図を完璧に計算したとしても、その地図に基づいて語られる物語が真実であるとは限らないと主張しています。彼らは、科学的な主張が「許容可能（admissible）」であるかどうか――つまり、見ている絵に基づいてその主張を行うことが実際に許されているのかどうか――をチェックするための、新しい一連のルールを提案しています。

地図の三つのルール

著者らは、PCAバイプロットに基づいて科学的な物語を書く前に、三つの厳格なテストに合格しなければならないと示唆しています。もし一つでも失敗すれば、その物語は「不適切（ill-posed）」、つまり、たとえ数学的な計算が正しく行われていたとしても、不安定な基盤の上に築かれていることになります。

1. ターゲット整合性テスト（正しい地図を見ているか？）
車の速度を研究しようとしている場面を想像してください。もしあなたが、自転車とフェラーリの両方が同じ「速度の分散」を持つようにデータをリサイズした場合、あなたの地図は、それらが実際にはどれほど速いかではなく、それらが「どのように比較されるか」を示すことになります。論文では、もしあなたの科学的な問いが元の生の速度（共分散）に関するものであるのに、リサイズされた地図（相関）を使用したならば、あなたは間違ったターゲットを見ているのだと論じています。その地図はリサイズされたデータに対しては数学的に完璧かもしれませんが、元の車については嘘をついています。標準化は、「共分散の幾何学（現実世界の距離）」を「相関の幾何学（相対的な形状）」に置き換えてしまうのです。もしあなたの問いが現実世界に関するものでありながら、あなたの地図がリサイズされた世界に関するものであるなら、物語は適合しません。

2. スペクトル識別性テスト（地図は実在の場所を指しているか？）
時として、データがあまりにも完璧にバランスが取れているため、地図製作者が混乱することがあります。完璧に対称な回転する独楽（コマ）を想像してください。もしあなたがその「前」「後ろ」「左」「右」を指そうとしても、あらゆる角度から同じように見えるため、指し示すことができません。数学の世界では、これは二つ以上の「固有値（情報の保持量を示す指標）」が完全に一致する場合に起こります。このとき、地図上の特定の線（軸）は恣意的なものとなります。地図が45度回転しても数学的には正解であり続けますが、その線に付ける特定のラベルは無意味なものになります。論文は、もし二つ以上の固有値が同じである場合に、特定の線（例えば「PC2は北を指している」など）について物語を語ろうとするならば、その物語は無効であると警告しています。あなたは特定の線（単一の方向）ではなく、その「部分空間（サブスペース）」というグループについてのみ語ることができるのです。

3. 投影妥当性テスト（影が真実を隠していないか？）
最後に、バイプロットは3Dオブジェクトの平らな影であることを思い出してください。立方体の影を見ると、正方形が見えるかもしれません。しかし、もしその立方体が実は複雑な形状で、中に隠れた穴がある場合、その影にはそれが現れません。論文では、データを二次元に押しつぶす際にどれだけの「真実」が失われるかを測定する方法を導入しています。彼らは、角度や距離が実際の3Dの関係に近いかどうかをチェックするために、「残差グラム境界（residual-Gram bound）」と呼ばれる数学的ツールを使用しています。もし地図上で二つの変数が完全に整列している（0度離れている）ように見えても、実際のデータではそれらが実際には60度離れている場合、その地図は誤解を招きます。著者らは、「優れた」地図（データのエネルギーの大部分を保持している地図）であっても、あなたが注目している特定の関係性を完全に歪めてしまう可能性があることを示しています。

証拠：6つの制御されたシナリオ

彼らの主張を証明するために、著者らは単に推測したのではなく、計算を開始する前に正確な真実を知っている6つの特定の「制御された世界（シナリオ）」を構築しました。

• 「接続なし」の世界： 彼らは、4つの変数が互いに何の繋がりも持たない世界を作成しました。生のデータでは、地図はそれらを別々の独立した線として示していました。しかし、標準化を適用すると、地図はランダムな完全な円となりました。この円の上に描かれた特定の角度は、コンピュータの計算による単なる偶然の産物であり、実際のパターンではありませんでした。
• 「隠れた角度」の世界： 彼らは、現実の世界では明確な60度の関係を持つ二つの変数を持つ世界を作成しました。標準的な地図を作成したところ、二つの変数は全く同じ方向（0度）を指しているように見えました。地図は真実を崩壊させてしまったのです。60度の関係は、標準的な分析が無視した地図の別の部分を見れば、ようやく確認できるものでした。
• 「対称性」の世界： 彼らは、データが完全に左右対称である世界を構築しました。ここでは、地図はどの特定の方向も特別ではないことを示しました。「線Aが最も重要である」といったいかなる物語も、数学が「そのグループ内のどの線も等しく有効である」と述べている以上、偽であると証明されました。

結論

この論文は、**「計算上の正しさだけでは不十分である」**と結論付けています。コンピュータが完璧な数値を持つ美しい絵を吐き出したとしても、そこから語られる物語が科学的に妥当であるとは限りません。

著者らは、科学者のための公式なチェックリストを提供しています：

1. ターゲットを宣言せよ： あなたは生の（元の）世界について問うているのか、それともリサイズされた世界について問うているのか？
2. 地図をチェックせよ： その地図は、実際にそのターゲットを表現しているか？
3. 線をチェックせよ： あなたが語ろうとしている特定の線は、実在するものか、それとも数学によって選ばれた単なるランダムな選択か？
4. 影をチェックせよ： 二次元の絵は、あなたが必要とする特定の角度や距離を保持しているか？

これらすべてに対して「はい」と答えられないのであれば、論文によれば、物語を変えるか、地図を変えるか、あるいは「その絵はその結論を支持できない」と認めるべきです。これは、科学者に対し、これらの色彩豊かなチャートを「魔法の真実を語るもの」として扱うのをやめ、注意深く、具体的なキャリブレーション（調整）を必要とする「道具」として扱い始めるよう求める呼びかけなのです。目的はPCAの使用をやめることではなく、盲目的にPCAを使うことをやめることなのです。