Mirror and knockoff+ thresholds under dependence

あなたは、数百人の容疑者がいる大規模な事件を解決しようとしている探偵だと想像してください。あなたには、各容疑者にスコアを与える特別なテストがあります。高い正のスコアは、その人物が有罪である可能性が高いことを意味し、高い負のスコアは、その人物が無実である可能性が高いことを意味します。問題は、このテストが完璧ではないことです。運が悪ければ、無実の人でも高いスコアを得てしまうことがあります。公平であるために、あなたは「有罪」の判定のうち、どれくらいが間違いであるかを算出する必要があります。これは、医学試験から遺伝学に至るまで、あらゆる場所で使われている統計学の一分野である「多重検定」の世界です。目標は、偽発見率（FDR）、つまり「有罪」リストのうち、実際には無実の人々で構成されている割合を制御することです。

何十年もの間、統計学者たちはこれらの間違いを推定するために、巧妙なトリックを使用してきました。彼らは、もしある容疑者が真に無実であれば、そのスコアは公正なコイン投げのように、正になる確率と負になる確率は等しいと仮定します。ですから、もし100人の高い正のスコアを持つ人が見つかった場合、負のスコアを持つ無実の人々が何人いるかを確認します。もし10人の無実の人が高い負のスコアを持っていたなら、100人の「有罪」とされる人のうち、約10人は実は無実であると推測するのです。この「鏡（ミラー）」のアイデアは、容疑者たちが独立しているとき、つまり一人の運が他の人に影響を与えないときには、見事に機能します。しかし、もし容疑者たちが互いに関連していたらどうなるでしょうか？ もし彼らが共通のノイズの源、例えば、全員が同じ悪天節の天気予報を受け取ってしまうようなグループの友人たちのようなものを持っていたら？ これこそが、この論文が追求している問いです。

「依存性下におけるミラーおよびノックオフ＋閾値（Mirror and knockoff+ thresholds under dependence）」と題されたこの論文は、シンプルかつ衝撃的な問いを投げかけています：もし、互いに密かに影響を与え合っている容疑者グループに対して、この「ミラー」のトリックを使うとどうなるでしょうか？ 著者である Xianyang Zhang は、この手法が完全に崩壊し、予想を遥かに上回る数の無実の人々が誤って告発されるという惨事につながる可能性があることを発見しました。

この論文は、「ミラー」法が非常に特定の強力な条件、すなわち、ある容疑者のスコアの「大きさ」が分かったとしても、その符号（正か負か）は新鮮で独立したコイン投げであるべきである、という条件に依存していることを証明しています。論文は、この条件が欠けている場合——たとえスコア自体が完璧に正規分布しており、対称に見えたとしても——この手法が失敗することを示しています。

論文は、鮮やかなシナリオを用いて、この失敗が起こる3つの方法を示しています。

1. 「秘密の気分」の罠（非ガウス型の例）
11人の容疑者のグループを想像してください。あなたの知らないところで、そこには「秘密の気分」という変数が存在し、それがコインを投げます。もしコインが表なら、その秘密の気分によって、11人全員が正のスコアを得やすくなります。もし裏なら、全員が負のスコリオを得やすくなります。個々の容疑者を見ると、それぞれは依然として完全に公平に見えます（彼らのスコアは一様分布しています）。しかし、彼らは同じ秘密の気分に反応しているため、一緒に動く傾向があります。
論文の計算によれば、このグループに対してミラー法を使用すると、エラー率は目標の10%から**17.4%へと跳ね上がります。同じ系統の別の設定では、エラー率は50%**に達することもあります。これは、個々の容疑者が一見公平に見えていても、あなたの「有罪」リストの半分が無実である可能性があることを意味します。

2. 「共通の風」の問題（固定ガウス相関）
次に、容疑者たちが皆、野原に立っていると想像してください。そこには、東から吹く穏やかで一定の風（共通因子）があります。たとえ風が非常に弱かったとしても、それは全員のスコアをわずかに右側（正）へと押しやります。
論文は、容疑者の数が膨大（数百、あるいは数千）である場合、この微かな、共有された風が深刻な問題を引き起こすことを証明しています。グループが大きくなるにつれて、ミラー法は、容疑者が有罪だからではなく、風が全員を一緒に押しやっているために、負のスコアよりもはるかに多くの正のスコアを検出し始めます。論文は、どのような固定された正の相関であっても、それがどれほど小さくても、容疑者の数が増えるにつれて、エラー率は最終的に**50%**へと上昇することを示しています。これは直接的な警告です。共通のノイズがわずかにあるだけで、大規模なグループにおいてミラー法は崩壊します。

3. 「異なるスケール」の悪夢（ワーストケース・シナリオ）
最後に、この論文は、容疑者が異なる「感度」を持っているシナリオを検討します。ある者は風に対して非常に敏感（大きなスケール）であり、別の者はそれほど敏感ではありません（小さなスケール）。著者は、風がミラー法を完璧に欺くような数学的モデルを構築しました。
このワーストケースのシナリオにおいて、論文は、エラー率を100%に限りなく近くできることを証明しています。これは、スコアのスケールが異なっているために、100人の無実の人々を告発しても、それを止めるためのコントロールがゼロになる可能性があることを意味します。

これが何を意味するか
論文は、これが有名な「ノックオフ（Knockoff）」法（ミラー法のより高度なバージョン）が壊れていることを意味するのではない、と慎重に述べています。高度な手法が機能するのは、容疑者と入れ替わるように設計された特別な「ノックオフ」コントロールを構築し、コイン投げの独立性を維持しているからです。問題は、人々がこのような特別な構造を持たないデータに対して、単純なミラーの公式を使おうとしたときに発生します。

主な教訓は、「対称性だけでは不十分である」ということです。個々の容疑者が公平に見えるからといって、グループ全体が公平に動くとは限りません。もし容疑者たちが共通の因子によって結びついているならば、ミラー法は、実際よりも間違いが少ないと誤認させるように騙される可能性があります。論文は、正確な数学的証明とコンピュータ・シミュレーションを用いて、これらの失敗が単なる理論上の話ではなく、中規模のグループ（11人から1,000人程度）でも起こり得ること、そして現実世界のデータでも確認できることを示しています。

要約すると、論文は私たちに警告しています：容疑者が手をつないでいるなら、鏡を信じるな。 もし彼らが共通の影響源を共有しているなら、負のスコアを数えて正のミスを推定するという単純なトリックは失敗し、結果として大量の誤った告発を招く恐れがあります。