[論文レビュー] In reply to Faes et al. and Barnett et al. regarding "A study of problems encountered in Granger causality analysis from a neuroscience perspective"

Patrick A. Stokes, Patrick L. Purdon|arXiv (Cornell University)|Sep 29, 2017

Functional Brain Connectivity Studies被引用数 5

ひとこと要約

この論文は、神経科学におけるグランジャ＝ゲヴェケ（GG）因果関係に関する以前の研究に対する批判に応えるもので、別々のモデル適合がバイアスと分散を引き起こし、特に周波数領域で顕著であることを強調している。単一モデル、状態空間アプローチを採用することで、こうした問題を解消し、因果関係はデータに内在するものではなく、モデルの指定とダイナミクスに依存することを強調している。研究者は、デフォルトの実装よりもモデルの透明性と科学的妥当性を優先すべきであると提言する。

ABSTRACT

This reply is in response to commentaries by Barnett, Barrett, and Seth (arXiv:1708.08001) and Faes, Stramaglia, and Marinazzo (arXiv:1708.06990) on our paper entitled "A study of problems encountered in Granger causality analysis from a neuroscience perspective." (PNAS 114(34):7063-7072. 2017). In our paper, we analyzed several properties of Granger-Geweke causality (GGC) and discussed potential problems in neuroscience applications. We demonstrated: (i) that GGC, estimated using separate model fits, is either severely biased, particularly when the true model is known, or a high variance is introduced to overcome the bias; and (ii) that GGC does not reflect some component dynamics of the system. The commentaries by both Faes et al. and Barnett et al. point out that the computational problems of (i) are resolved by using recent computational methods. We acknowledge that these problems are indeed resolved by these methods. However, the traditional computation using separate model fits continues to be presented and applied. More fundamentally, the interpretational problems stemming from (ii) are not in anyway addressed by the improved methods because they are inherent to the definition of GGC. These properties are indeed acknowledged by both commentaries. We have no misconception of the GGC measure and do not claim that these properties are facially wrong. But we do discuss at length how these properties make it inappropriate and misleading for common types of scientific questions, how presentation of GGC results without model estimates are not decipherable, and how the absence of clear statements of questions of interest present further opportunities for misinterpretation.

研究の動機と目的

• 従来の別々のモデルアプローチにおけるグランジャ＝ゲヴェケ（GG）因果関係の統計的限界、特に周波数領域での推定におけるバイアスと分散を明確にすること。
• バネット、セス、ソロによる先行研究で示されたように、統合的で単一のモデルに基づく状態空間フレームワークによって、こうした問題が解決できることを示すこと。
• GG因果関係を解釈するにあたり、モデルのダイナミクスと構造が果たす重要な役割を強調し、因果関係は独立した結果ではなく、モデリングの選択の産物であると主張すること。
• 特にダイナミクスが理解の中心となる周期的神経系において、「指向的情報フロー」を生理的因果関係と同一視しないよう警告すること。
• 神経科学における因果関係分析を、デフォルトの計算パイプラインではなく、科学的に意味のあるダイナミクスに基づいたモデル中心の協働的アプローチに再定義することを提唱すること。

提案手法

• 別々のモデル推定によるバイアスと分散を回避するため、単一で整合的な適合でGG因果関係を推定する状態空間モデリングフレームワークを採用すること。
• 状態空間フレームワーク内でのスペクトル因子分解を用いて、周波数領域におけるGG因果関係を計算し、一貫性と統計的頑健性を確保すること。
• シミュレーションスタディを用いて、別々のモデルアプローチと単一モデルアプローチの性能を比較し、因果関係推定におけるバイアスと分散を定量すること。
• 推定されたモデルとそのダイナミクス成分の公開を要請することで、モデルの透明性を強調すること。因果関係値のみではなく、モデルそのものも提示すべきである。
• 因果関係を、データそのものに内在する性質ではなく、選択されたモデルとそのダイナミクスに関する主張として再定式化すること。
• 神経科学者と定量的研究者との密接な協働を提唱し、モデル構造を科学的問いに一致させることを促すこと。

実験結果

リサーチクエスチョン

• RQ1 グランジャ＝ゲヴェケ因果関係における別々のモデル適合が、周波数領域で特に顕著なバイアスと分散を引き起こすメカニズムは何か？
• RQ2 単一モデル、状態空間アプローチによって、GG因果関係推定におけるこうした統計的問題はどの程度解消可能か？
• RQ3 GG因果関係の受信者独立性特性が、周期的系における神経因果関係の解釈に問題を引き起こす理由は何か？
• RQ4 GG因果関係モデルからダイナミクス成分が欠落していると、神経科学における指向的影響の解釈がどのように妨げられるか？
• RQ5 モデル構造の選択が因果関係の解釈を根本的にどのように変えるのか。なぜこうした点がしばしば無視されるのか？

主な発見

• GG因果関係の別々のモデル適合は、周波数領域推定において顕著なバイアスと分散を引き起こし、信頼性を損なう。
• バネット、セス、ソロが以前に提唱した単一モデル、状態空間アプローチは、こうした統計的問題を効果的に解消する。
• MVGCツールボックスは、既に単一モデルアプローチを実装しているが、スペクトル因子分解の方法が異なり、著者らの以前の主張とは対照的である。
• GG因果関係は生理的メカニズムの直接的反映ではなく、指定されたモデルとそのダイナミクスに完全に依存する。
• 大多数のGG因果関係研究でモデルのダイナミクスが欠落しているため、適切な解釈が不可能となり、科学的洞察が制限される。
• 著者らは、因果関係は独立した結果ではなく、モデリングの選択の結果であると結論づけ、モデルの透明性と科学的妥当性への注意を強く要請する。