함수 부분선형 모델

초록

본 논문은 설명변수가 함수 형태인 경우, 일부 변수는 선형으로, 다른 변수는 비선형으로 반응과 관계를 맺는 상황을 위해 반정형(partial) 모델을 제안한다. 파라메트릭 선형 부분과 비파라메트릭 함수형 부분을 결합한 반부분선형 모델을 정의하고, 추정량의 일관성 및 정상성(Asymptotic Normality)을 증명하였다. 또한 작은 규모 시뮬레이션을 통해 제안 방법의 유한표본 성능을 검증하였다.

상세 분석

본 연구는 함수형 데이터 분석 분야에서 “선형-비선형 혼합” 문제를 다루기 위해 새로운 반정형 모델을 고안하였다. 기존의 전통적 함수선형 모델은 모든 설명변수가 반응에 대해 선형 관계를 가진다고 가정하지만, 실제 데이터에서는 일부 변수는 복잡한 비선형 효과를 나타내는 경우가 빈번하다. 이를 해결하기 위해 저자는 반부분선형 모델(Functional Partial Linear Model, FPLM)을 제시한다. 모델은 두 부분으로 구성된다. 첫 번째는 가중치 함수 β(t)와의 내적을 통해 선형 효과를 포착하는 파라메트릭 항 ∫X₁(t)β(t)dt이며, 두 번째는 비선형 함수 g(·)에 의해 정의되는 비파라메트릭 항 g(X₂)이다. 여기서 X₁과 X₂는 각각 선형 효과를 기대하는 함수형 변수와 비선형 효과를 기대하는 함수형 변수 집합을 의미한다.

추정 절차는 크게 두 단계로 나뉜다. 첫 단계에서는 비선형 부분을 제외한 선형 부분을 부분 최소제곱(partial least squares) 방식으로 추정한다. 구체적으로, 관측된 반응 Y와 X₁의 내적을 이용해 β̂(t)를 구하고, 이를 통해 선형 예측값 Ŷ₁을 만든다. 두 번째 단계에서는 잔차 e = Y – Ŷ₁에 대해 비선형 함수 g를 커널 회귀 또는 Nadaraya–Watson 추정법을 적용해 추정한다. 이때, X₂는 고차원 함수 공간에 존재하므로, 거리 측정에 L² 노름을 사용하고, 밴드위스 h는 교차검증을 통해 선택한다.

이론적 기여는 두 추정 단계의 결합이 일관성을 유지함을 보인 점에 있다. 저자는 β̂(t)와 ĝ(·)가 각각 L² 수렴률 Oₚ(n^{-1/2})와 Oₚ(h^{m}+ (nh)^{-1/2})를 만족한다는 정리를 제시한다. 특히, β̂(t)의 경우, X₁이 충분히 풍부하고 공분산 연산자가 역행 가능할 때, 표준적인 함수선형 회귀와 동일한 수렴 속도를 얻는다. 비선형 부분 ĝ(·)는 커널 차원 저주(“curse of dimensionality”)를 완화하기 위해 X₂를 사전 차원 축소(예: FPCA)한 뒤 적용하는 것이 실용적이며, 이 경우 수렴률이 차원 감소 효과에 따라 개선된다.

시뮬레이션에서는 두 종류의 함수형 변수(정현파와 스플라인 기반)를 사용해 선형·비선형 혼합 구조를 인위적으로 만든다. 결과는 제안된 FPLM이 순수 함수선형 모델과 순수 비선형 모델에 비해 평균제곱오차(MSE)가 현저히 낮으며, 특히 비선형 효과가 강할수록 그 우위가 두드러진다. 또한, 밴드위스 선택이 추정 정확도에 미치는 영향을 분석해, 교차검증 기반 h 선택이 안정적인 성능을 제공함을 확인한다.

이 논문은 함수형 데이터에서 복합적인 관계를 모델링하고자 하는 연구자들에게 실용적인 프레임워크를 제공한다는 점에서 의미가 크다. 특히, 선형·비선형 혼합 구조를 명시적으로 분리함으로써 해석 가능성을 유지하면서도 비선형 복잡성을 포착할 수 있다는 장점이 있다. 향후 연구에서는 다변량 함수형 변수, 시간변화하는 비선형 함수 g(t,·), 그리고 고차원 함수 공간에서의 정규화 기법을 도입해 모델을 확장할 여지가 있다.