계층적 폐쇄형 인구 포획‑재포획 모델에서 풍부도 추정을 위한 새로운 접근법

초록

본 논문은 이질성 모델 M_h를 적용한 폐쇄형 포획‑재포획에서 풍부도(N)를 명시적 파라미터로 포함시키는 방법을 제시한다. 데이터 증강을 이용한 전이 차원 MCMC와 슈퍼인구 접근법을 비교·통합하여, BUGS와 같은 소프트웨어로 계층적 모델을 손쉽게 구현한다. 야생 그리즐리 베어의 1986‑1998년 추세 분석에 적용해 실용성을 검증한다.

상세 분석

폐쇄형 인구 포획‑재포획 모델은 개체수 N을 직접 추정하는 것이 핵심이지만, 이질성(M_h) 모델에서는 개체마다 다른 포획 확률 p_i가 존재하므로 N이 모델 차원의 결정 변수 역할을 한다. 전통적인 방법은 N을 고정하거나 사후 추정에만 활용했으며, 계층적 구조(시간·공간에 따른 N의 변동)를 반영하기 어려웠다. 저자들은 두 가지 데이터 증강 전략을 상세히 비교한다. 첫 번째는 전이 차원 마코프 연쇄 몬테카를로(trans‑dimensional MCMC, RJMCMC) 방식으로, N을 변화시키는 제안 단계에서 새로운 p_i를 생성·소멸시켜 차원을 직접 조정한다. 이 방법은 이론적으로 정확하지만 구현이 복잡하고 수렴 진단이 어려운 단점이 있다. 두 번째는 슈퍼인구(superpopulation) 접근법으로, 충분히 큰 상한 M을 미리 설정하고 각 잠재 개체에 이진 지표 z_j(활성 여부)를 부여한다. 여기서 N=∑z_j 로 정의되며, z_j와 p_j를 동시에 샘플링함으로써 차원 문제를 회피한다. 이 방식은 BUGS, JAGS 등에서 직관적으로 코딩할 수 있어 실무자에게 인기가 높다. 그러나 N이 모델식에서 사라지고 사후 파생량으로만 존재하기 때문에, N에 대한 사전분포를 직접 지정하거나 N을 다른 계층적 레벨(예: 연도별 성장률)과 연결하기가 곤란했다.

저자들은 두 접근법이 실제로는 동일한 확률 구조를 공유한다는 점을 수학적으로 증명한다. 슈퍼인구 모델의 z_j를 베르누이(ψ)로 두고, ψ를 N/M 로 정의하면, N에 대한 사전을 직접 지정하는 것과 ψ에 대한 베타 사전을 지정하는 것이 동치임을 보인다. 이를 이용해 모델을 재구성하면, N을 명시적 파라미터로 유지하면서도 데이터 증강 형태를 그대로 활용할 수 있다. 구체적으로, (i) N을 직접 샘플링하고 (ii) N에 따라 p_i의 차원을 동적으로 할당하는 함수를 BUGS의 “zeros trick” 혹은 “log‑likelihood” 블록에 삽입한다. 이렇게 하면 N에 대한 계층적 사전(예: 연도별 로그정규분포)도 자연스럽게 포함될 수 있다.

실증 분석에서는 1986‑1998년 야생 그리즐리 베어의 연도별 포획 데이터에 위 모델을 적용했다. 연도별 N에 로그정규 성장 모형을 부여하고, 개체별 포획 확률은 베타 분포를 통해 이질성을 반영했다. MCMC 결과는 연도별 N 추정치가 1986년 약 150마리에서 1998년 약 210마리로 점진적 증가함을 보여주며, 95% 신뢰구간도 비교적 좁아 정책적 의사결정에 활용 가능함을 시사한다. 또한, 전이 차원 MCMC와 슈퍼인구 기반 모델을 동일 데이터에 적용했을 때 사후 평균과 변동성이 거의 일치함을 확인해, 제안된 재구성 방법이 이론적·실무적 타당성을 모두 갖춤을 입증한다.

이 논문의 주요 기여는 (1) N을 명시적 파라미터로 유지하면서도 데이터 증강을 통한 차원 회피를 가능하게 한 모델 재구성, (2) 두 기존 접근법의 수학적 동등성을 명확히 증명, (3) BUGS와 같은 일반적 베이지안 소프트웨어로 계층적 N 모델을 손쉽게 구현할 수 있는 실용적 가이드라인 제공이다. 이러한 접근은 야생동물 관리뿐 아니라 전염병 역학, 인간 인구 조사 등 다양한 폐쇄형 집단에 대한 동적 추정 문제에 확장 적용될 수 있다.