네트워크 간섭 하 두 단계 실험 설계와 최적 파일럿 선택

초록

본 논문은 단일 네트워크 상에서 발생하는 간섭과 통계적 의존성을 고려해, 파일럿 실험을 통해 분산을 추정하고 이를 기반으로 본 실험의 참여자와 처리 할당을 최적화하는 두 단계(파일럿‑본) 실험 설계 방법을 제안한다. 로컬 간섭 가정과 희소 네트워크 조건 하에서, 제안된 설계는 오라클 설계와의 분산 차이를 ‘레지스트(후회)’로 정의하고, 파일럿 규모와 본 실험 규모 사이의 최적 비율을 이론적으로 도출한다. 또한 최소 컷(min‑cut) 최적화와 레지스트 수렴 속도 분석을 통해 파일럿 선택의 트레이드오프를 정량화하고, 시뮬레이션 및 실제 네트워크 데이터를 이용해 기존 방법보다 높은 추정 정확도를 입증한다.

상세 분석

이 연구는 네트워크 간섭이 존재하는 상황에서 실험 설계의 효율성을 극대화하려는 중요한 시도를 보여준다. 먼저, 저자는 “로컬 간섭(local interference)”이라는 가정을 명시한다. 이는 각 개체의 잠재 결과가 자신의 이웃들의 처리 상태에만 의존한다는 전제로, 실제 정책 실험(현금 이전, 보건 개입 등)에서 널리 관찰되는 현상을 이론화한다. 이 가정 하에, 잠재 결과는 노출 매핑 g_i 와 관측 가능한 특성 T_i 를 통해 표현되며, 오차항 ε_i 는 1‑degree 의존성을 가진다(즉, 인접한 이웃들 사이에만 상관관계가 존재). 이러한 구조적 제약은 네트워크가 희소하고 최대 차수가 N_max = o(N^{1/2}) 인 경우에만 유효하므로, 별도의 고차 의존성 확장은 부록에 기술되어 있다.

핵심 설계 아이디어는 두 단계 실험 프로토콜이다. ① 파일럿 실험을 통해 ε_i 의 분산·공분산을 추정하고, ② 이 추정값을 이용해 본 실험의 참여자 집합 R 과 처리 할당 D_R 을 최적화한다. 파일럿과 본 실험이 겹치면 본 실험이 비조건부(unconfounded)되지 않을 위험이 있으므로, 저자는 파일럿 집합이 본 실험 집합과 “잘 분리(separated)”되도록 최소 컷(min‑cut) 문제를 정의한다. 이 문제는 기존 그래프 커팅 알고리즘으로 효율적으로 해결 가능하며, 파일럿 크기가 커질수록 분산 추정 정확도가 향상되는 반면, 본 실험에 할당 가능한 노드가 감소해 설계 자유도가 제한되는 트레이드오프가 발생한다.

이 트레이드오프를 정량화하기 위해 저자는 ‘레지스트(regret)’ 개념을 도입한다. 레지스트는 파일럿 정보를 사용하지 않은 오라클 설계와 비교했을 때 발생하는 분산 차이이며, 이를 파일럿 크기 m 와 본 실험 크기 n 에 대한 함수로 표현한다. 주요 정리는 레지스트가 O(1/m + m/n) 속도로 0에 수렴한다는 것으로, 최적 파일럿 비율 m ≈ √n 을 제시한다. 즉, 파일럿이 너무 작으면 분산 추정이 부정확해 레지스트가 커지고, 너무 크면 본 실험의 표본이 부족해 역시 레지스트가 커진다.

또한, 설계 최적화 과정에서 처리 할당 간의 상호 의존성이 자연스럽게 발생한다. 이를 다루기 위해 저자는 조건부 분산 최소화를 목표 함수로 설정하고, 라그랑주 승수를 이용한 이산 최적화 기법을 적용한다. 결과적으로, 제안된 설계는 추정량 \hat{Γ} 의 조건부 분산을 최소화하면서도, 설계 기반(디자인‑베이스) 추론을 가능하게 하는 무작위화(randomization) 확장을 제공한다.

시뮬레이션에서는 합성 네트워크와 실제 소셜 네트워크 데이터를 사용해, 전체 효과(overall), 직접 효과(direct), 스필오버 효과(spillover) 세 가지 추정량에 대해 기존 클러스터드·포화 설계와 비교한다. 특히 이질분산(heteroskedasticity)과 비영(非零) 공분산이 존재할 때, 제안 방법이 평균 제곱 오차(MSE)를 20 % 이상 감소시키는 것으로 나타난다.

마지막으로, 저자는 관련 문헌을 폭넓게 검토한다. 기존 연구는 주로 클러스터 기반 설계, 포화 설계, 혹은 i.i.d. 배치 설계에 초점을 맞추었으며, 파일럿 정보를 활용한 분산 최적화는 거의 다루지 않았다. 본 논문은 이러한 공백을 메우며, 네트워크 간섭 상황에서 파일럿‑본 이중 설계가 어떻게 실험 효율성을 크게 향상시킬 수 있는지를 이론·실증적으로 입증한다.