선형 회귀 계수 신뢰구간의 누락 변수 민감도 분석

초록

본 논문은 관찰 자료에서 치료 효과를 추정할 때 발생할 수 있는 누락 변수 편향을 정량화하기 위해, 다중 선형 회귀의 점추정치와 표준오차를 동시에 조정하는 민감도 분석 방법을 제시한다. 핵심 아이디어는 ‘벤치마킹’으로, 실제 데이터에 존재하는 변수들의 공분산 구조를 이용해 잠재적 누락 변수의 영향력을 추정한다. 또한 하위집단별 효과, 다중 누락 변수, 그리고 성향점수 층화와의 결합 상황까지 확장 가능하도록 설계되었다. 실제로 중환자실 입원 환자의 건강 결과를 다룬 유명 연구 데이터를 활용해 방법론을 시연한다.

상세 분석

이 연구는 관찰 연구에서 흔히 직면하는 ‘누락 변수(Omitted Variable)’ 문제를 정량적으로 평가하는 새로운 프레임워크를 제공한다. 기존 민감도 분석은 주로 점추정치에만 초점을 맞추었으나, 저자들은 회귀계수의 신뢰구간 자체가 누락 변수에 의해 어떻게 변형되는지를 동시에 고려한다. 이를 위해 먼저 회귀모형에 포함된 공변량들의 공분산 행렬을 이용해 ‘벤치마크 변수’를 정의한다. 벤치마크 변수는 실제 데이터에 존재하는 변수들 중에서 누락 변수와 가장 유사한 공분산 구조를 가진 변수로, 이들의 회귀계수와 표준오차를 기준으로 잠재적 누락 변수의 효과 크기와 방향을 추정한다.
핵심 수식은 기존 OLS 추정식에 누락 변수의 가정된 회귀계수 βu와 공분산 Σxu 를 추가하는 형태이며, 이를 통해 조정된 점추정치와 조정된 표준오차를 도출한다. 특히, 표준오차 조정은 Σxu 가 회귀잔차의 분산에 미치는 영향을 반영함으로써, 신뢰구간이 실제보다 과소평가되는 문제를 방지한다.
다중 누락 변수 상황에서는 각 누락 변수의 효과를 선형 결합으로 모델링하고, 공분산 행렬을 블록 구조로 확장한다. 이때 벤치마크 변수들을 다중으로 선택해 각각의 블록에 매핑함으로써, 복합적인 교란 효과를 동시에 평가한다.
또한, 성향점수(stratification)와 결합한 경우, 각 층(stratum) 내에서 회귀분석을 수행하고, 층별 벤치마크를 별도로 설정한다. 이렇게 하면 치료 할당 메커니즘과 누락 변수의 교차 효과를 보다 정교하게 파악할 수 있다.
실증 예시에서는 중환자실 환자 데이터에 대해 치료(예: 특정 약물 투여)의 평균 효과를 추정하고, 주요 공변량(연령, APACHE 점수 등)을 벤치마크로 삼아 잠재적 누락 변수(예: 미측정된 사회경제적 요인)의 영향을 시뮬레이션한다. 결과는 원래 회귀계수의 신뢰구간이 누락 변수 가정에 따라 크게 확대될 수 있음을 보여주며, 정책 입안자나 임상 연구자가 결과 해석 시 반드시 고려해야 할 위험성을 강조한다.