매칭 방법의 통계적 결함: 검정통계량 m의 파워 한계와 고유 정보성

초록

본 논문은 매칭 방법에서 사용되는 검정통계량 m이 근본적인 통계적 결함을 가지고 있음을 보인다. Rae 정리를 재해석하고 m의 무조건적 표본분포를 이용해 절대적·상대적 전력 한계를 도출한다. 또한 ‘결핍 통계량(deficient statistic)’ 개념을 제시하고, 이를 활용해 공동 추정된 표본 상관계수의 표본오차를 정량화하는 새로운 적용 사례를 제시한다.

상세 요약

논문은 먼저 조합론에서 ‘모자 문제’로 알려진 고전 퍼즐과 연관된 변량 m을 소개한다. 이 m은 두 개의 순열 사이의 일치(매칭) 수를 세는 함수로, 통계학에서는 ‘매칭 방법’이라 불리는 고전적인 귀무가설 검정의 검정통계량으로 사용돼 왔다. 그러나 이 검정은 현재는 거의 사용되지 않으며, 그 이유는 통계적 검정력(power)이 근본적으로 낮기 때문이다. 저자는 Rae(1975)의 정리를 재해석함으로써, 귀무가설이 참일 때 m과 여러 순위 상관통계량(스피어만, 켄달, 켈리 등) 사이의 공동분포를 정확히 기술한다. Rae 정리는 m이 순열의 고정점 수와 동일한 분포를 갖는다는 점을 이용해, m의 기대값과 분산을 명시적으로 구하고, 특히 m의 분산이 n(표본크기) 대비 매우 작아 검정력이 제한된다는 것을 보여준다.

다음으로 저자는 m의 무조건적 표본분포, 즉 귀무가설 하에서의 정확한 확률질량함수를 이용해 전력 한계를 직접 도출한다. 표본크기 n이 커져도 m의 분포는 포아송 근사에 가깝게 수렴하지만, 평균이 1에 가까워 표준편차가 √1≈1 수준에 머문다. 따라서 대립가설이 존재하더라도 m이 관측값을 크게 벗어날 확률이 극히 낮아, 실제 효과를 탐지할 확률이 거의 0에 가깝다. 이는 ‘절대적 전력 한계(absolute power limit)’라 부를 수 있으며, n이 무한대로 가도 극복되지 않는다.

이러한 특성을 일반적인 통계량의 ‘충분성(sufficiency)’, ‘일관성(consistency)’, ‘효율성(efficiency)’과 비교해 ‘결핍 통계량(deficient statistic)’이라는 새로운 개념을 정의한다. 결핍 통계량은 모수에 대한 충분통계가 아니며, 표본이 증가해도 일관적으로 모수를 추정하지 못하고, 정보량이 최소화된 형태이다. m은 바로 이러한 결핍 통계량의 전형이다.

마지막으로 저자는 m의 결핍성을 활용한 실용적 응용을 제시한다. 두 변수의 표본 상관계수를 동시에 추정할 때, m을 보조 통계량으로 사용해 추정된 상관계수의 표본오차를 보정한다. 구체적으로, m이 제공하는 ‘일치 수’ 정보를 이용해 상관계수 추정치의 분산을 하향 조정함으로써, 기존 방법보다 더 정확한 신뢰구간을 얻을 수 있음을 시뮬레이션과 실제 데이터 예시를 통해 입증한다. 이 접근법은 m이 본래 검정력은 낮지만, 그 ‘결핍’ 자체가 오히려 오류 범위 평가에 유용한 보조 정보를 제공한다는 역설적인 통찰을 제공한다.

전반적으로 논문은 매칭 방법이 왜 현재 통계 실무에서 사라졌는지를 이론적으로 명확히 설명하고, 동시에 결핍 통계량이라는 새로운 관점을 통해 기존의 ‘무용’ 통계량을 재활용할 가능성을 제시한다.