교환가능 관계 배열 회귀 분석

초록

본 논문은 행위자 간 쌍(pair) 관계를 행렬 형태로 표현한 관계 배열에 대해, 교환가능성(exchangeability) 가정을 이용해 회귀계수와 표준오차를 효율적으로 추정하는 새로운 방법을 제안한다. 기존의 dyadic clustering 방식은 표본이 제한될 때 과도하게 변동하고 보수적이지 않은 경향이 있었으나, 제안된 교환가능 추정법은 공분산 구조를 10개의 파라미터로 요약함으로써 추정 효율성을 크게 높이고, 이론적 일관성과 작은 편향을 보장한다. 시뮬레이션과 국제 무역 데이터 적용을 통해 기존 방법 대비 신뢰구간 커버리지가 개선됨을 확인하였다.

상세 분석

논문은 관계 배열 Y = (yᵢⱼʳ) 을 선형 모델 yᵢⱼʳ = βᵀxᵢⱼʳ + ξᵢⱼʳ 으로 설정하고, ξ 의 공분산 Ω 추정이 회귀계수 β 추정과 추론에 핵심적임을 강조한다. 기존 방법은 두 관계가 행위자를 공유하지 않을 경우 독립이라고 가정하는 dyadic clustering(D C) 추정법을 사용한다. D C는 비중첩 관계쌍에 대해 0을 강제하고, 실제로는 O(R²n³) 개의 공분산 원소를 각각 추정해야 하므로 표본이 제한될 때 추정 분산이 크게 증가한다.

저자들은 exchangeability 가정을 도입한다. 이는 행렬 Ξ = (ξᵢⱼʳ) 의 행·열·시간(또는 맥락) 인덱스를 임의의 동시 순열에 대해 분포가 변하지 않는다는 의미이며, 실제 네트워크·배열 모델에서 널리 사용되는 가정이다. 이 가정 하에 공분산 행렬 Ω 은 최대 12개의 고유값만을 가질 수 있음을 증명한다(정리 1). 비중첩 관계쌍은 여전히 독립으로 두고, 나머지 10개의 비제로 파라미터(φ⁽¹⁾₀, φ⁽¹⁾ₐ,…,φ⁽²⁾_d)만을 추정하면 된다.

제안된 exchangeable 공분산 추정기 bΩ_E 는 잔차 eᵢⱼʳ 의 곱을 동일한 인덱스 구성(그림 1에 정의된 0‑d, η=1,2)에 따라 평균함으로써 간단히 계산된다. 이 추정기는 bΩ_DC 를 해당 구조 공간에 투영한 형태이며, 따라서 차원 축소와 정보 공유가 동시에 이루어진다.

이론적으로는 bV_E = (XᵀX)⁻¹XᵀbΩ_EX(XᵀX)⁻¹ 가 β̂의 분산에 대한 일관적·효율적 추정량임을 보이며, 정리 2에서는 dyadic clustering 추정량이 하향 편향(bias)될 뿐 아니라 그 편향이 교환가능 추정량의 두 배 이상임을 증명한다. 즉, D C는 보수적이라고 알려졌지만 실제로는 과소보수(anticonservative) 위험이 크다.

시뮬레이션에서는 n = 20~320, R = 1인 경우와 다양한 공분산 구조(교환가능·비교환가능)를 고려해 95% 신뢰구간 커버리지를 비교하였다. 교환가능 오류 모델에서는 bV_E 가 명목 수준(0.95)에 가장 가깝게 커버리지를 제공했으며, 특히 신호‑노이즈 비가 낮은 이진 변수에서 차이가 두드러졌다. 비교환가능 오류에서는 두 추정법 모두 약간의 편향을 보였지만, bV_E 가 여전히 더 안정적인 결과를 냈다.

실제 국제 무역 데이터(다중 연도·다중 부문)에 적용한 결과, 교환가능 추정법은 기존 D C 기반 회귀보다 더 좁은 표준오차와 더 일관된 계수 추정값을 제공했으며, 정책 해석에 있어 보다 신뢰할 수 있는 통계적 근거를 제공한다. 또한, 제안된 R 패키지 netregR 과 공개 코드(https://github.com/fmarrs3/netreg_public)를 통해 실무자들이 손쉽게 구현할 수 있다.

요약하면, 교환가능성을 활용한 공분산 구조의 파라미터화는 관계 배열 회귀에서 복잡한 의존성을 효율적으로 다루는 강력한 도구이며, 기존의 dyadic clustering 방식보다 이론적·실증적 우위를 가진다.