네트워크 실험에서 단조 치료 효과 추정

본 논문은 사회 네트워크 상에서 무작위 처치를 수행할 때 발생하는 간섭(interference) 문제를 다루며, 기존 연구가 주로 부분 간섭(partial interference)이나 구체적인 노출 모델을 전제로 하는 반면, 저자는 보다 약한 가정인 “치료 효과의 단조성(Monotonicity)”을 기반으로 새로운 추정 방법을 제시한다. 단조성 가정은 모든 개체 i에 대해 잠재적 통제 결과 θi가 관측된 결과 Yi보다 작거나 같다는 의미이며, 이는 치료가 직접적이든 간접적이든 결과를 악화시키지 않는다는 전제이다. 이 가정은 백신, 교육, 보건 개입 등에서 흔히 기대되는 방향과 일치한다. 논문은 크게 세 부분으로 구성된다. 첫 번째는 정수형(카운트) 결과에 대한 t‑검정 기반 비대칭 신뢰구간이다. 여기서는 통제군의 잠재 결과 θ를 직접 관측할 수 없으므로, θ가 0≤θi≤Yi 범위 내에 있을 때 가장 큰 상한을 주는 θ를 찾는 정수선형 최적화 문제(3)를 제시한다. 이 문제는 다항시간 알고리즘으로 해결 가능하며, 중앙극한정리 가정 하에 1−α 수준의 상한을 제공한다. 두 번째는 이진 결과에 특화된 방법으로, 검정통계량 W(X;θ)를 정의하고 그 α‑분위수 wα(θ)와 θ≤Y라는 두 제약을 동시에 만족하는 θ를 최적화한다. 기본 검정통계량 Wbasic은 “처치된 표본의 합”이며, 이는 초등적인 하이퍼지오메트릭 구조를 갖는다. 최적화 문제(5)는 이진 변수에 대한 선형계획으로 변환 가능하고, 부록에 구체적 풀이가 제공된다. 또한, 단조성 가정을 완화한 “비처치 집단에 대한 집합적 단조성(Assumption 2)”을 도입해, 치료를 받은 집단에 대한 부정적 효과 가능성을 허용한다. 이 경우 제약을 전체 합이 아닌 비처치 집단의 합으로 제한한 문제(6)를 풀면 된다. 세 번째는 관측된 네트워크 G를 활용한 스필오버 검정통계량 Wspill이다. K 행렬을 이용해 치료 할당 X를 공간적으로 스무딩한 ˜X를 만든 뒤, Wspill = (1/L)·∑˜Xi·θi 로 정의한다. 이 통계량은 치료 이웃에 있는 비처치 단위에도 높은 가중치를 부여해, 스필오버 효과를 민감하게 탐지한다. 그러나 Wspill에 대해 문제(5)를 직접 풀기는 계산적으로 어려우므로, 부록 C에서 제시한 이완형 선형계획을 사용해 보수적인 상한을 얻는다. 이 방법은 특히 치료 효과가 지역적으로 클러스터를 형성할 때 강력한 검정력을 보인다. 실증 분석에서는 세 가지 사례를 제시한다. (1) 케냐 초등학교 구충 실험에서는 t‑기반 방법이 기존 t‑검정과 동일한 보수적 구간을 제공함을 확인했다. (2) 페이스북 선거 광고 실험에서는 Wbasic을 이용한 추정이 1,199,323명 이상의 투표 행동 증가를 보장하며, 이는 기존 연구와 일치한다. (3) 인공 시뮬레이션에서는 치료가 넓은 스필오버 반경을 가질 때 Wspill이 Wbasic보다 정확도가 높고, K 매개변수 선택에 대한 민감도도 낮은 것을 확인했다. 특히 치료가 여러 개별 클러스터를 형성할 경우 Wspill이 가장 효과적이었다. 결론적으로, 이 논문은 “단조성”이라는 약한 구조적 가정만으로도 네트워크 간섭 상황에서 치료 효과의 하한을 정량화할 수 있음을 증명한다. 네트워크 정보를 활용한 맞춤형 통계량 설계와 비대칭 신뢰구간 구축 방법은 실무자에게 강력한 도구가 될 것이며, 특히 정책·보건·마케팅 분야에서 간섭이 불가피한 대규모 실험 설계에 직접 적용 가능하다. 다만, 단조성 가정이 위배될 경우(예: 범죄 억제 정책 등) 결과 해석에 주의가 필요하고, 가정 검증을 위한 민감도 분석이 추가로 요구된다.