비직사각형 검열 데이터의 베이지안 불평등 추정

초록

프랑스 2004년 가계자산 조사에서 구간화·누락된 자료와 세무 신고와의 매칭을 이용해, 다변량 베이지안 모델과 Gibbs 샘플러를 적용해 부의 분포를 복원하고, 설계 기반 추정값을 평균으로 하는 정규분포 가정 하에 소득·재산 불평등 지표들의 점·구간 추정치를 제공한다.

상세 분석

본 논문은 전통적인 설계 기반 추정법이 구간화된(Bracketed) 데이터와 다차원 비직사각형 검열(censoring) 구조를 제대로 반영하지 못한다는 점에 착안한다. 저자들은 가구당 부(wealth)를 다변량 정규(또는 로그정규) 모델로 설정하고, 설문 응답자와 세무 신고 데이터 간의 공통 변수들을 이용해 사후 분포를 구성한다. 비직사각형 검열은 각 변수마다 서로 다른 구간 한계와 결측 패턴이 존재함을 의미하는데, 이는 단순한 좌·우 검열을 넘어 복합적인 다변량 구간 제약을 만든다. 이를 해결하기 위해 베이지안 프레임워크를 채택하고, Gibbs 샘플러를 통해 각 변수의 조건부 사후분포를 순차적으로 샘플링한다. 특히, 검열 구간이 복잡한 경우에는 삼각형, 사다리꼴 등 비정형 영역을 다루기 위해 ‘데이터 증강(data augmentation)’ 기법을 적용, 잠재 변수(잠재 부)를 가상의 완전 데이터로 복원한다.

불평등 지표(예: 지니계수, 톱 1% 부의 비중 등)는 입력 분포에 비선형적으로 의존하므로, 사후 샘플링된 부의 전체 분포에 대해 매 시뮬레이션마다 지표를 계산하고, 그 결과들의 평균과 신뢰구간을 추정한다. 설계 기반 추정값을 평균으로 하는 정규분포 가정은 복합 표본 설계와 비응답(non‑response) 효과를 선형화(linearization) 기법으로 추정한 분산을 활용한다. 비응답 메커니즘은 외생적(exogenous)이라고 가정하고, 관련 공변량을 조건부로 고정함으로써 선택 편향을 최소화한다.

Monte‑Carlo 표준오차는 Gibbs 샘플링의 수렴 진단(Gelman‑Rubin, 효율성 평가)과 함께 제시되며, 실제 데이터 적용 결과는 전통적인 설계 기반 추정에 비해 불평등 지표의 불확실성을 보다 현실적으로 반영한다는 점에서 정책 입안자에게 유용한 정보를 제공한다.