観測データから変数の重要度を測る新手法

研究の概要

統計学者ジュリア・ヴァンヌッチ氏は、観測データだけから大域的感度分析(GSA)を行う手法「MM-GSA」を提案した。従来の分散ベースGSAは、入力を設計通りに変えながらモデルを繰り返し評価できることが前提である。しかし企業の現場では、過去の取引履歴や検査記録など、すでに得られた標本しか使えない場合が大半であり、従来手法の適用は難しかった。

MM-GSAは、教師あり学習で入出力の系統的な関係を近似するメタモデルを構築し、そのうえで二種類の指標を算出する。第一は、ある入力が応答のばらつきにどれだけ寄与するかを示す一次ソボル指数の、モデルに依存しない推定量である。第二は新たに提案されたトリガー型構造指標で、予測変数の部分集合を入れ替えたとき、特定の変数が使えるか否かによって予測性能がどう変わるかを数値化する。

著者は両推定量の一致性を証明した。加えて、入力が互いに独立の場合、構造指標が変数選択の性質を備えることも示した。モンテカルロ実験で有限標本での挙動を確認し、米国の健康栄養調査NHANESを用いた応用でも、二つの指標が入力の重要性について補完的な情報を与えることを示している。

ビジネスへの示唆

最大の意義は、新たな実験や追加データ収集を伴わずに、手元のデータから変数の重要度を定量化できる点にある。影響が見込まれる部門とKPIは次のとおりである。

• 製造業の品質管理部門:不良率や歩留まりに効く工程パラメータの特定。試験的な条件変更による生産停止を避けられる
• 金融のリスク管理部門:与信モデルの貸倒率や予測精度に対する各特徴量の寄与の把握と、説明責任への対応
• ヘルスケア・保険:疾病リスクや医療費に対する生活習慣・検査値の寄与の評価
• マーケティング部門:解約率や購買転換率に影響する顧客属性の整理

二つの指標が補完関係にある点も実務上重要である。一次ソボル指数は「その変数が結果のばらつきをどれだけ説明するか」を示すのに対し、構造指標は「その変数を外すと予測が悪化するか」を示す。相関の強い変数がある場合、前者では重要と出ても、代替変数があれば後者では影響が小さく見えることがある。両者を併用すれば、重要だが代替可能な変数と、代替の利かない変数を区別でき、データ収集コストの削減判断に使える。たとえば不要なセンサーや調査項目を削減すれば、データ取得・保守コストの低減につながる。

規制対応の面でも利点がある。金融や医療ではモデルの説明可能性が求められており、モデルの種類を問わず適用できる推定量は、既存の機械学習モデルを入れ替えずに説明資料を整える手段となりうる。

今後の展望

留意すべき点もある。変数選択の保証は入力が独立という条件下で示されたものであり、実務データのように変数間の相関が強い場合の性能は個別の検証を要する。また、観測データに基づく指標は予測上の重要度であって因果効果ではない。施策の効果測定には、因果推論の手法との併用が欠かせない。さらに推定精度はメタモデルの当てはまりに左右されるため、標本数が限られる領域では不確実性の評価が課題となる。

一方で、既存データの活用余地が大きい企業にとって、実験コストをかけずに変数の優先順位を定める手段は需要が高い。今後、相関のある入力や高次元データへの拡張、実装ライブラリの整備が進めば、データ駆動型の意思決定における標準的な診断ツールとして定着する可能性がある。