중단 시계열 분석의 인과 추론 강화 삼중 차이 디자인

본 연구는 보건 정책 및 의료 개입 효과를 평가하기 위해 널리 활용되는 중단 시계열 분석(ITSA)의 인과 추론을 강화하는 새로운 방법론, 삼중 차이 중단 시계열 디자인(DDD‑ITSA)을 제시한다. 기존 단일군 ITSA는 사전 추세를 외삽해 반대 효과를 추정하지만, 시간에 따라 변하는 미측정 교란에 취약하다. 이를 보완하기 위해 다집단 ITSA(MG‑ITSA)가 도입되어 대조군을 활용해 평행 추세 가정을 이용한다. 그러나 두 집단만으로는 여전히 교란이 남을 수 있다. 특히 정책 효과가 하위 집단이나 지역에 따라 다를 경우, MG‑ITSA는 충분히 편향을 제거하지 못한다. DDD‑ITSA는 이러한 한계를 극복하기 위해 두 번째 대조군을 추가한다. 이는 경제학에서 사용되는 차이‑인‑차이‑인‑차이(DDD) 개념을 시계열 맥락에 적용한 것으로, 시간, 집단, 그리고 하위집단(또는 두 번째 대조군) 세 차원을 동시에 차분함으로써 남아 있는 편향을 상쇄한다. 논문은 이 설계의 통계 모델을 명시적으로 제시한다. 회귀식(1)은 시간 변수(Tₜ), 처리 변수(Xₜ), 치료군 표시(Z₁), 두 번째 대조군 표시(Z₂)를 포함한 12개의 계수를 포함한다. 각 계수의 의미는 상세히 설명되며, 특히 β₇(처리군·1차 대조군 사후 추세 차이)와 β₁₁(2차 대조군·1차 대조군 사후 추세 차이)의 차이인 (β₇−β₁₁)이 삼중 차이 추정량이 된다. 모델은 AR(1) 오류구조와 Newey‑West 표준오차를 적용해 시계열 데이터의 자기상관을 보정한다. 사전 균형 검증은 β₄·β₅(처리군·1차 대조군 사전 수준·추세 차이)와 β₈·β₉(2차 대조군·1차 대조군 사전 차이), 그리고 이들의 선형 조합을 통해 수행한다. 통계적으로 유의하지 않을 경우, 사전 수준·추세가 균형을 이룬 것으로 판단한다. 실증 사례로 캘리포니아 주의 1988년 담배세 인상(Prop 99)을 분석한다. 종속변수는 1970‑2000년 연간 1인당 담배 판매량이며, 공변량으로 평균 소매가격, 로그화된 1인당 소득, 1인당 맥주 소비량, 15‑24세 인구 비율을 포함한다. 치료군은 캘리포니아, 1차 대조군은 아이오와·몬태나, 2차 대조군은 콜로라도로 설정하였다. itsa 패키지의 itsamatch 기능을 이용해 사전 수준·추세가 유사한 매치를 수행하였다. 회귀 결과는 β₄=5.83(p=0.35), β₅=−0.35(p=0.54) 등으로 사전 균형이 확인되었으며, β₈·β₉ 역시 비유의적이었다. 치료 효과는 β₇=−2.07(p=0.01)로, 캘리포니아가 1차 대조군 대비 연간 2.07팩 감소했음을 보여준다. 삼중 차이 추정량인 (β₇−β₁₁)=−1.76(p=0.02) 역시 통계적으로 유의하며, 2차 대조군과 비교했을 때도 동일한 방향의 효과가 존재함을 확인한다. β₁₁ 자체는 p=0.72로 두 대조군 간 차이가 없음을 시사한다. 그래프와 예측값은 모델 적합도를 시각적으로 확인시켜준다. 논문은 Stata용 itsa 패키지에 DDD‑ITSA 기능을 추가한 점을 강조한다. 사용자는 itsamatch로 매칭, itsa 명령으로 회귀, lincom으로 복합계수 계산을 손쉽게 수행할 수 있다. 또한 대조군 선택 시 지리적·인구학적 차이를 고려하고, 사전 수준·추세 검증을 반드시 수행하며, 자동상관을 적절히 모델링해야 함을 실무 지침으로 제시한다. 결론적으로 DDD‑ITSA는 두 개 이상의 비교군을 활용해 남아 있는 시간변화 교란을 제거하고, 정책 효과의 이질성을 탐색할 수 있는 강력한 도구이다. 특히 보건 정책 연구에서 무작위 실험이 불가능한 상황에서 인과 추론의 타당성을 크게 향상시킬 수 있다.