NCVS 조사 데이터 응답 편향 보정을 위한 베이지안 모델

본 논문은 미국 전국 범죄 피해자 조사(NCVS)에서 강간 및 가정폭력과 같은 민감한 범죄의 실제 발생률을 추정할 때 발생하는 응답 편향을 체계적으로 보정하는 새로운 통계 모델을 제시한다. 연구 배경으로는 두 가지 주요 편향이 있다. 첫째, 전화 인터뷰 시 프라이버시가 충분히 보장되지 않아 피해 사실을 숨기는 ‘가그’ 효과; 둘째, 대면 인터뷰 중 배우자·가족이 동석하면 피해를 고백하기 어려워지는 상황이다. 기존 연구에서는 이러한 편향을 정성적으로만 논의했으며, 정량적 보정 방법은 부족했다. 저자들은 1993‑1997년의 과거 NCVS 데이터를 ‘시간에 무감각한’ 사전 정보로 활용한다는 가정 하에, 베이지안 모델을 구축한다. 구체적으로, 각 범죄 유형(강간, 가정폭력, 기타 폭행, 개인 절도)을 잠재 사건(실제 발생 여부)과 관측된 보고 형태(전화·대면·동석 여부)로 교차시킨 4×4 컨틴전시 테이블을 설정한다. 각 셀의 확률 파라미터는 베타 사전분포를 갖으며, 사전 파라미터는 과거 데이터에서 얻은 최대우도 추정값을 이용해 경험적 베이지안 방식으로 지정한다. 이렇게 하면 현재 연도에 사건이 희귀해도 안정적인 사후 추정이 가능하다. 계산 절차는 전통적인 EM 알고리즘에 ‘B‑step’를 추가한 EMB(Expectation‑Maximization‑Bayesian) 알고리즘이다. 1. **E‑step**: 현재 파라미터 하에 잠재 사건의 기대값(즉, 보고되지 않은 사건의 추정 개수)을 계산한다. 2. **M‑step**: 완전 데이터 로그우도를 최대화하여 파라미터(셀 확률)를 업데이트한다. 3. **B‑step**: 업데이트된 파라미터를 이용해 베타 사전 파라미터를 재추정한다(사후 평균을 새로운 사전 평균으로 사용). 이 세 단계는 각각 닫힌 형태의 식으로 구현 가능하며, 반복 수행을 통해 파라미터가 수렴한다. 수렴 기준은 파라미터 변화가 미세한 임계값 이하가 될 때이다. 추정 정확도 평가는 jackknife 재표본법을 적용한다. 전체 가구를 하나씩 제외하고 EMB 추정을 반복해 각 추정량의 변동성을 측정한다. 이를 통해 표준오차와 95% 신뢰구간을 구한다. 베이지안 환경에서도 jackknife은 비베이지안 방법과 동일하게 적용 가능하다는 점을 강조한다. 실증 분석에서는 1998‑2004년 NCVS 데이터를 사용한다. 데이터는 여성 16세 이상 응답자를 대상으로 하며, 인터뷰 방식(전화·대면)과 대면 시 동석 인물(배우자·타인·혼자)별로 범죄 발생 건수를 집계한다. 주요 관찰 결과는 다음과 같다. - 전화 인터뷰에서 강간 보고율이 대면 인터뷰에 비해 약 30% 낮았다(비율 0.70 vs 1.00). - 배우자가 동석한 경우 강간 보고율이 ‘혼자’ 인터뷰 대비 약 20% 수준으로 크게 감소했다. - 가정폭력도 유사한 패턴을 보이며, 배우자 동석 시 보고율이 10배 이하로 감소했다. 베이지안 보정 후, ‘가그’ 요인을 통계적으로 제거한 추정값은 기존 빈도법보다 표준오차가 평균 12% 감소하였다. 특히 강간과 가정폭력의 경우, 사후 평균이 약 0.85에서 0.78(강간) 및 1.55에서 1.38(가정폭력)으로 조정되어 실제 발생률에 더 근접한 것으로 판단된다. 논문의 주요 기여는 다음과 같다. 1. **시간에 무감각한 사전 정보 활용**: 과거 연도 데이터를 사전으로 사용해 현재 연도 데이터의 희소성을 보완하였다. 2. **EMB 알고리즘 제안**: 기존 EM에 베이지안 사전 업데이트를 결합해 복잡한 사후 분포를 효율적으로 추정하였다. 3. **jackknife을 베이지안 환경에 적용**: 추정 정확도와 신뢰구간을 비베이지안과 동일한 방식으로 평가하였다. 한계점으로는 (1) 전화 인터뷰에서 동석 여부를 알 수 없어 완전한 교차표를 구성하지 못함, (2) 잠재 사건이 독립적이라고 가정했지만 실제로는 개인별 반복 응답이 존재할 가능성, (3) 베타 사전 선택이 과거 데이터에 크게 의존한다는 점을 들 수 있다. 향후 연구에서는 다층 베이지안 모델을 도입해 개인 수준의 반복 측정을 포함하고, 시간에 따라 변하는 ‘가그’ 효과를 동적 베이지안 프레임워크로 추정하는 방안을 제시한다. 결론적으로, 본 연구는 NCVS와 같은 대규모 패널 설문에서 민감한 범죄의 실제 발생률을 보다 정확히 추정할 수 있는 통계적 도구를 제공한다. 정책 입안자와 범죄학 연구자는 이 모델을 활용해 보다 신뢰성 있는 범죄 통계에 기반한 예방·대응 전략을 수립할 수 있을 것이다.