암시적 회귀를 이용한 상수와 역관계 탐지

초록

본 논문은 변수들을 명시적 종속‑독립 관계가 아닌 암시적 공동 의존 구조로 모델링하는 ‘암시적 회귀’를 제시한다. 2011년 Wooten이 제안한 비응답 분석(Non‑Response Analysis)을 기반으로, 양변에 무작위 오차가 존재하는 이변량 상황에서 변수의 상수성 여부와 역관계(1/x 형태)를 검출하는 통계적 절차와 추정식을 개발한다. 시뮬레이션과 실제 데이터 적용을 통해 기존 최소제곱 회귀 대비 편향 감소와 신뢰구간 정확도가 향상됨을 보인다.

상세 분석

암시적 회귀는 전통적인 회귀분석이 전제하는 ‘종속 변수 = f(독립 변수) + 오차’ 형태를 탈피한다. 대신 관측된 두 변수 X와 Y를 하나의 암시적 방정식 g(X, Y, θ)=0 의 해로 간주하고, θ는 모델 파라미터를 의미한다. 이 접근법은 양변에 동일한 수준의 측정오차가 존재할 때, 즉 ‘양방향 오류 모델(bivariate error‑in‑variables)’ 상황에 자연스럽게 적용될 수 있다. 논문은 먼저 비응답 분석의 수학적 토대를 재정리한다. 비응답 분석은 관측값을 직접적인 응답으로 사용하지 않고, 관측값들의 선형 결합이 기대값 0에 근접하도록 최소화하는 방법이다. 이를 통해 파라미터 추정식은 전통적인 OLS가 요구하는 독립 변수의 무오차 가정을 필요로 하지 않는다.

다음으로 상수 검출 문제를 다룬다. 변수 Z가 실제로는 상수 c 이지만 측정오차 εZ가 존재한다고 가정한다. 암시적 회귀에서는 Z를 다른 변수와의 관계식 Z − c + εZ = 0 으로 모델링하고, 최소제곱법 대신 총제곱(Total Least Squares, TLS) 혹은 최대우도 추정법을 적용한다. 논문은 이때 추정된 ĉ 의 분산이 전통적인 평균값 추정보다 작으며, 특히 εZ가 큰 경우에 그 차이가 두드러진다는 이론적 증명을 제시한다.

역관계 검출에서는 Y와 X가 Y = α / X + β + ε 형태를 만족한다고 가정한다. 기존 방법은 양변을 로그 변환하거나 비선형 최소제곱을 사용하지만, 변환 과정에서 오차 구조가 왜곡된다. 암시적 회귀는 f(X, Y, θ)=α − X(Y − β)=0 이라는 형태로 직접 모델링함으로써 양변 오차를 동시에 고려한다. 파라미터 α, β 에 대한 추정식은 일반화된 고유값 문제로 귀결되며, 이는 수치적으로 안정적인 알고리즘(예: SVD 기반)으로 해결된다. 논문은 시뮬레이션을 통해 이 방법이 기존 비선형 회귀보다 편향이 거의 없고, 신뢰구간 커버리지가 명목 수준에 가깝게 유지된다는 것을 입증한다.

마지막으로 실증 적용 사례로는 화학 실험에서 농도와 흡광도 사이의 비선형 관계, 그리고 경제 데이터에서 가격과 수요량 사이의 역관계를 분석한다. 두 사례 모두 양측 오차가 존재함을 사전 검증했으며, 암시적 회귀를 적용한 결과 상수값과 역관계 파라미터가 기존 OLS 대비 더 일관된 추정치를 제공하였다. 특히 신뢰구간 폭이 20 % 정도 감소하여 실무적 의사결정에 유리함을 보여준다.