다중 교차표 베이지안 분석을 위한 데이터 증강 방법

초록

본 논문은 다중 교차표(특히 J×K×N 형태)의 베이지안 추정을 위해 Polya‑Gamma 분포를 이용한 데이터 증강 기법을 제안한다. 이 기법은 EM 및 Gibbs 샘플링을 통한 정확한 사후 계산을 가능하게 하며, 라쏘·브리지와 같은 정규화 페널티를 포함한 다양한 사전 선택을 지원한다. 또한 로지스틱‑Z 사전이라는 기본 사전 전략을 제시한다.

상세 분석

이 논문은 다중 교차표, 특히 메타분석이나 다기관 임상시험에서 흔히 나타나는 2×2×N 형태의 데이터를 베이지안 프레임워크 안에서 정규화된 추정값을 얻기 위한 새로운 데이터 증강(data‑augmentation) 접근법을 제시한다. 핵심 아이디어는 로지스틱 우도함수를 Polya‑Gamma(Polyá–Gamma) 혼합 정규분포로 표현함으로써, 비선형성에 의해 발생하는 비공액성 문제를 완전히 해소한다는 점이다. Polya‑Gamma 분포는 무한 개의 감마 변수들의 가중합으로 정의되며, 이 논문에서는 이를 실용적인 시뮬레이션을 위해 유한 개(K≈200)의 감마 변수 합으로 근사한다.

주요 정리는 두 부분으로 나뉜다. Part A에서는 로그오즈 ψ에 대한 사후가 잠재 정밀도 행렬 Ω=diag(ω₁,ω₂) 조건하에 다변량 정규분포 N(m_Ω, V_Ω) 로 표현된다는 것을 보인다. 여기서 ω_j는 Polya‑Gamma(n_j,0) 사전(또는 사후) 분포를 갖는다. Part B는 ω_j의 사후가 다시 Polya‑Gamma(n_j,ψ_j) 형태임을 증명한다. 이 두 부분을 결합하면, EM 알고리즘에서는 E‑step에서 ω_j의 기대값 E