식품망 소비 데이터의 통계적 사회망 모델

초록

본 연구는 포식-피식 관계를 양(非음수)으로 나타낸 식품망의 소비 데이터를 사회망 분석 기법에 적용한다. 데이터에 존재하는 다수의 영(0)값을 구조적 영으로 간주하고, 먹이 사슬의 최하위(기저)와 최상위(정점) 종을 고려한 특수한 통계 모델을 개발하였다. 두 실제 식품망에 모델을 적용했으며, 특히 해양 포식자인 물개 개체수가 어업에 미치는 영향을 중점적으로 분석하였다.

상세 분석

이 논문은 전통적인 사회망 모델을 생태학적 식품망에 그대로 적용하는 데서 발생하는 몇 가지 근본적인 문제점을 정확히 짚어낸다. 첫째, 식품망의 연결 행렬은 대부분이 0인 고희소(sparse) 구조를 가진다. 이러한 0은 단순히 관측되지 않은 값이 아니라, 포식자가 특정 피식을 전혀 소비하지 못한다는 생물학적 제약을 반영한다는 점에서 ‘구조적 영(structural zero)’으로 정의된다. 기존의 이항·포아송 회귀 모델은 이러한 영을 무작위 오차로 취급하기 때문에 과도한 연결성을 추정하거나 파라미터 편향을 일으킨다. 논문은 이를 해결하기 위해 ‘zero‑inflated’ 혹은 ‘hurdle’ 형태의 혼합 모델을 도입하고, 구조적 영을 사전 확률로 명시적으로 모델링한다.

둘째, 식품망에는 ‘기저 종(basal prey)’과 ‘정점 종(top predator)’이라는 특수 노드가 존재한다. 기저 종은 전혀 포식하지 않으며, 정점 종은 전혀 피식되지 않는다. 이러한 노드들은 행렬의 특정 행·열 전체가 0이 되는 특성을 가지며, 이는 일반적인 랜덤 효과 모델에서 가정하는 정규성이나 독립성 가정에 위배된다. 저자들은 이러한 노드를 별도의 카테고리로 분리하고, 각각에 대해 고정 효과와 변동 효과를 별도 추정함으로써 모델의 식별성을 확보한다.

모델 자체는 다음과 같은 계층적 구조를 가진다. 관측된 소비량 (y_{ij})는 로그 변환 후 정규분포를 가정하고, 평균은 (1) 노드별 발신자(sender)와 수신자(receiver) 효과, (2) 두 노드 간의 상호작용을 설명하는 dyadic latent 변수, (3) 환경·시간적 공변량을 포함한다. 구조적 영에 대해서는 베르누이 변수 (z_{ij})를 도입해 (z_{ij}=0)이면 실제 소비가 0임을 강제한다. 베이즈 추정 프레임워크를 사용해 MCMC 샘플링으로 사후분포를 얻으며, 사전분포는 비정보적이면서도 파라미터 공간을 제한하는 정규·베타 혼합 형태를 취한다.

두 개의 실제 식품망—북극 해양 식품망과 남극 해양 식품망—에 모델을 적용한 결과, 구조적 영을 명시적으로 고려했을 때 예측 정확도가 크게 향상되었으며, 특히 물개의 포식 강도와 어류 자원의 상관관계가 정량적으로 드러났다. 물개의 포식률이 높은 연결에서는 해당 어종의 어획량 감소와 강한 음의 상관관계가 관찰되었으며, 이는 어업 관리 정책에 직접적인 시사점을 제공한다. 또한, 모델이 제공하는 노드별 발신·수신 효과는 전통적인 토폴로지 지표(예: 연결도, 클러스터링 계수)와 비교했을 때 종의 생태적 역할을 더 미세하게 구분한다는 장점을 보여준다.

전반적으로 이 연구는 식품망 데이터를 사회망 통계 모델에 맞게 변형함으로써, 생태학적 네트워크 분석에 새로운 정량적 도구를 제공한다. 구조적 영 처리, 특수 노드 구분, 베이즈 계층 모델링이라는 세 가지 핵심 기법이 결합돼, 복잡하고 희소한 식품망 데이터를 효과적으로 해석할 수 있게 한다. 향후에는 시간에 따른 동적 변화와 공간적 이질성을 포함한 확장 모델 개발이 기대된다.