모델 오차에 강한 임퓨테이션 추정기의 부분적 보정 효과

초록

불완전한 관측치가 존재할 때, 개별 단위에 대해 결측값을 추정(임퓨테이션)하고 그 평균을 구하는 간단한 방법이 모델 오차에 대해 어느 정도 내성을 가진다는 것을 입증한다. 혼합 모델 군집, 유전형 빈도 추정, 마코프 진화 거리 추정 세 가지 사례를 통해 임퓨테이션 추정기가 플러그인 추정보다 비편향성을 유지하거나 asymptotically 우수함을 보이며, 베이지안 구현 방안도 제시한다.

상세 분석

본 논문은 불완전 데이터 상황에서 “임퓨테이션 추정기(imputation estimator)”가 모델 오차에 대해 부분적으로 보호막을 제공한다는 새로운 통계적 통찰을 제시한다. 전통적으로 결측값을 다룰 때는 완전 데이터에 대한 최대우도 추정량을 구한 뒤, 이를 플러그인 방식으로 관심 모수에 대입하는 것이 일반적이다. 그러나 이 방법은 모델이 실제 데이터 생성 과정을 정확히 반영하지 않을 경우 큰 편향을 초래한다. 저자들은 개별 관측치마다 결측값의 사후 기대값을 계산하고, 이를 전체 평균에 사용함으로써 “임퓨테이션 평균(imputed mean)”을 얻는다. 이 과정은 사후 기대값을 이용하므로, 모델이 부분적으로라도 실제 구조를 포착하면 편향이 감소한다는 점이 핵심이다.

첫 번째 사례는 혼합 모델 기반 군집화이다. 여기서 실제 군집 구조가 두 개 이상인 경우, 잘못 지정된 혼합 성분 수 혹은 부정확한 분포 가정이 플러그인 추정에 큰 오류를 일으킨다. 그러나 임퓨테이션 추정기는 각 데이터 포인트에 대해 군집 소속 확률을 이용해 기대 군집 라벨을 계산하고, 이를 평균함으로써 군집 비율 추정에서 더 안정적인 결과를 제공한다. 실험 결과는 모델 오차가 클수록 두 추정법 간 차이가 확대됨을 보여준다.

두 번째 사례는 인구 유전학에서의 유전형 빈도 추정이다. 관측된 유전자형이 불완전하거나 시퀀싱 오류가 존재할 때, 전통적인 EM 알고리즘 기반 플러그인 추정은 초기값에 민감하고, 특히 드물게 나타나는 대립유전자를 과소평가한다. 임퓨테이션 접근법은 각 개인에 대해 가능한 유전형들의 사후 확률을 구하고, 그 기대값을 합산함으로써 전체 유전형 분포를 보다 정확히 복원한다. 특히, 모델이 Hardy‑Weinberg 평형을 가정하지 않을 경우에도 편향이 크게 감소한다.

세 번째 사례는 마코프 연쇄를 이용한 진화 거리 추정이다. 여기서는 전이 확률 행렬을 추정할 때, 실제 진화 과정이 시간 불변성을 위반하거나 상태 전이 구조가 복잡할 경우 플러그인 추정이 크게 왜곡된다. 논문은 “대표적인 모델 오차”(예: 실제 전이 행렬이 비대칭이지만 대칭 행렬을 가정) 상황을 설정하고, 임퓨테이션 추정기가 각 관측된 서열 쌍에 대해 가능한 경로들의 사후 확률을 이용해 기대 전이 횟수를 계산한다는 점을 강조한다. 이때, 비퇴화(non‑degenerate) 상황에서는 임퓨테이션 추정기가 플러그인 추정보다 asymptotically 더 작은 평균 제곱 오차(MSE)를 보이며, 이는 수학적 증명과 시뮬레이션 모두에서 확인된다.

수학적 측면에서 저자들은 임퓨테이션 추정기가 “조건부 기대값”을 이용한다는 점을 강조한다. 즉, 관측된 데이터 (Y)에 대해 결측 변수 (X)의 사후 기대값 (E_{\theta}