Is the Linear Threshold Good Enough? A Scale-Free Parameter and Adequacy Test for Curvature-Induced Threshold Displacement

Technische Samenvatting: Is de lineaire drempel goed genoeg?

Probleemstelling
Toegepaste statistische werkzaamheden vereisen vaak het lokaliseren van een drempelwaarde—een break-even punt, een referentiedosis of een kritieke blootstelling—door het oplossen van de snijding van een gladde functie $m(x)$ en een doelwaarde $c$. Een gangbare praktijk is om de functie te lineariseren rond een referentiepunt $x_0$ en de wortel van de eerste-orde expansie op te lossen, wat een verplaatsing oplevert van $h^*_1 = -a/b$ (waarbij $a = m(x_0)-c$ en $b = m'(x_0)$). Deze benadering is computationeel eenvoudig en propageert onzekerheid via de delta-methode. Echter, wanneer de onderliggende functie kromming bezit ($q = m''(x_0) \neq 0$), is de lineaire snijding verplaatst ten opzichte van de werkelijke snijding. Deze benaderingsfout kan substantiële conclusies veranderen (bijv. het verklaren van een dosis als veilig of onveilig), zelfs wanneer de standaardfouten voor de lineaire schatting als geldig worden gerapporteerd.

Bestaande literatuur behandelt dit door directe inversie van niet-lineaire modellen of door te testen op de aanwezigheid van kromming ($q=0$). Er blijft echter een significante kloof bestaan: een test voor $q=0$ beantwoordt de vraag of de functie lineair is, niet of de resulterende lineaire drempel substantieel adequaat is voor een specifieke toepassing. Sterke kromming met een steile helling kan de drempel verwaarloosbaar verplaatsen, terwijl zwakke kromming met een flauwe helling een enorme verplaatsing kan veroorzaken. Bovendien is het niet verwerpen van $q=0$ geen bewijs van adequaatheid, met name in kleine steekproeven. Er bestaat geen bestaande schaalvrije parameter of formele adequaatheidstest om te bepalen of een eerste-orde drempel accuraat is binnen een vooraf gespecificeerde praktische tolerantie.

Methodologie en Raamwerk
Het artikel introduceert een raamwerk om de verplaatsing veroorzaakt door kromming te kwantificeren ten opzichte van de lineaire benadering. Laat $h^*_1$ de lineaire drempelverplaatsing zijn en $h^*_2$ de hoofd-wortel van de tweede-orde expansie $F_2(h) = a + bh + \frac{1}{2}qh^2 = 0$. De hoofd-wortel wordt gedefinieerd als de wortel die continu is met de lineaire oplossing wanneer $q \to 0$.

De kernbijdrage is de Curvature-Overstatement Parameter ($\Theta_{COT}$), gedefinieerd als de log-ratio van de tweede-orde naar de eerste-orde verplaatsing:
$$\Theta_{COT} = \log \left| \frac{h^*_2}{h^*_1} \right|$$
Het artikel stelt vast dat $\Theta_{COT}$ geen functie is van de drie lokale parameters ($a, b, q$) onafhankelijk, maar volledig afhangt van een enkele dimensieloze index $u = 2qa/b^2$. Dit leidt tot een exacte reductie:
$$\Theta_{COT} = \phi(u) = \log 2 - \log(1 + \sqrt{1-u})$$
Dit structurele resultaat impliceert dat $\Theta_{COT}$ invariant is voor affiene herparameterisering van $x$ en herschaling van de respons $m-c$. Het parameterrange in het reguliere domein ($D = b^2 - 2qa > 0$) is $(-\infty, \log 2)$, waarbij $\log 2$ alleen wordt benaderd bij de raaklijn-grens ($u=1$).

Belangrijkste Theoretische Resultaten

1. Structurele Eigenschappen: Het artikel bewijst dat de hoofd-tak de globaal dichtstbijzijnde snijding is, wat de ambiguïteit bij wortelselectie oplost zonder willekeurige conventie. Het toont aan dat de twee standaard regulariteitsvoorwaarden (existentie van een reële wortel en een niet-verdwijnende afgeleide) equivalent zijn ($D > 0$).
2. Asymmetrie: De parameter vertoont een asymmetrisch bereik. Linearisering kan de vereiste verplaatsing onderschatten met een factor die de 2 nadert (als $u \to 1$), maar kan de verplaatsing zonder bovengrens overschatten (als $u \to -\infty$).
3. Benaderingsfout: Het artikel maakt onderscheid tussen $\Theta_{COT}$ (verplaatsing tussen eerste- en tweede-orde benaderingen) en de fout tegen de werkelijke wortel. Een reststelling begrenst de afstand tussen de tweede-orde wortel en de werkelijke wortel, waarbij wordt aangetoond dat tangentie ($u \to 1$) de tweede-orde benadering zelf verslechtert, en niet alleen de inferentie.
4. Steekproevenleer:
   • Regulier Geval: Onder standaardcondities ($a \neq 0, b \neq 0, u < 1$) is de estimator $\hat{\Theta}_{COT}$ $\sqrt{n}$-normaal met een expliciete variantie afgeleid via de delta-methode.
   • Tangentie-regime: Naarmate het systeem de tangentie nadert ($u \to 1$), vertoont de estimator niet-standaard asymptotica. Langs lokaal-naar-tangentie sequenties, convergeert de estimator met snelheid $n^{1/4}$ en heeft deze een niet-normale limiet.
   • Zwakke Helling-regime: Wanneer de helling $b \to 0$ gaat, divergeert de lineaire drempel, en erft $\Theta_{COT}$ de Gleser–Hwang pathologie (onbegrensde betrouwbaarheidsintervallen). De parameter is niet lokaal identificeerbaar bij $b=0$.

Inferentie en Adequaatheidstoetsing
Het artikel stelt twee inferentiële procedures voor op basis van $\Theta_{COT}$:

• Relevantietoetsing: Testen of de lineaire drempel materieel vertekend is (bijv. $|\Theta_{COT}| > \delta$).
• Adequaatheidstoetsing (Equivalentie): Testen of de lineaire drempel accuraat is binnen een praktische tolerantie (bijv. $|\Theta_{COT}| < \delta$). Dit wordt geformuleerd als een Two One-Sided Test (TOST). Het artikel benadrukt dat het niet verwerpen van de nulhypothese van inadequaatheid geen bevestiging van adequaatheid is; alleen het verwerpen van de inadequaatheid-nulhypothese staat de affirmatieve claim toe dat de lineaire drempel voldoende is.

Monte Carlo Bewijs
Een simulatiestudie valideert de theoretische resultaten over vier condities:

1. Exacte Lineariteit ($q=0$): De adequaatheidstoets bevestigt adequaatheid correct in 76,3% van de steekproeven bij $n=500$ en bijna 100% bij $n=2000$.
2. Reguliere Distortie: De test identificeert materiële distortie correct wanneer deze aanwezig is.
3. Nabij Tangentie: Reguliere delta-methode intervallen slagen er niet in de nominale dekking te bereiken, wat de noodzaak bevestigt voor diagnostiek (bijv. studentized discriminant) om niet-regulariteit te detecteren.
4. Zwakke Helling: De methode faalt zoals voorspeld door de Gleser–Hwang theorie, waarbij de dekking daalt naar ~53% en schattingen divergeren, wat illustreert dat korte reguliere intervallen nabij $b=0$ niet te vertrouwen zijn.

Betekenis en Claims
Het artikel claimt een "goed gedefinieerde effectgrootte-schaal" te bieden voor een vraag die toegepast werk frequent stelt maar slecht beantwoordt: Is een eerste-orde drempel accuraat genoeg om te rapporteren?

• Geen Nieuwe Drempel Estimator: De auteur stelt expliciet dat zij niet beweren dat drempels geen inferentiële behandeling missen; moderne praktijk gebruikt vaak direct de inversie van niet-lineaire modellen.
• Geen Krommingstoets: Het testen van $\Theta_{COT} = 0$ is equivalent aan het testen van $q=0$, maar lijdt aan Wald niet-invariantie; het artikel adviseert $q=0$ direct te testen voor de scherpe nulhypothese.
• Primaire Bijdrage: De synthese van een schaalvrije estimand ($\Theta_{COT}$) die de gevolgen van kromming op de locatie van de drempel meet, gekoppeld aan een formele adequaatheidstoets. Dit stelt onderzoekers in staat om affirmatieve uitspraken te doen over de voldoendeheid van een lineaire benadering binnen een praktische marge, in plaats van niet-significante kromming te behandelen als bewijs van adequaatheid.
• Beperkingen: De parameter meet de verplaatsing tussen eerste- en tweede-orde, niet de totale fout tegen de waarheid (hoewel grenzen worden geboden). Het vervangt de directe inversie van niet-lineaire modellen niet wanneer deze beschikbaar is. De multivariate uitbreiding wordt gemarkeerd als een apart onderzoeksprobleem vanwege metriek-afhankelijkheden.

Samenvattend betoogt het artikel dat hoewel linearisering een handig hulpmiddel is, de substantiële adequaatheid ervan niet gegarandeerd wordt door de afwezigheid van significante kromming. De voorgestelde $\Theta_{COT}$ en de bijbehorende adequaatheidstoets bieden een rigoureuze, schaalvrije methode om te bepalen wanneer een lineaire drempel "goed genoeg" is om te rapporteren.