숨은 편향에 강한 가설 선택을 위한 데이터 분할 방법

초록

관측 연구에서 숨은 교란에 강건한 가설을 찾기 위해 데이터를 계획표본과 분석표본으로 나누고, 계획표본에서 각 결과의 민감도 값을 추정해 예측 구간을 구성한다. 이를 통해 선택된 가설만을 분석표본에서 검정함으로써 전체 오류율을 유지하면서 검정력과 견고성을 동시에 향상시킨다.

상세 분석

본 논문은 매치된 관측 연구에서 다수의 결과 변수를 동시에 검정할 때, 숨은 교란(미측정 공변량)으로 인한 편향을 최소화하는 새로운 가설 스크리닝 절차를 제시한다. 핵심 아이디어는 전체 데이터를 무작위로 두 부분으로 나누어, 작은 계획표본에서 각 결과에 대한 ‘민감도 값(sensitivity value)’을 계산하고, 이를 기반으로 결과의 견고성을 평가한다는 점이다. 민감도 값은 주어진 Γ(숨은 교란 정도)에서 p‑값이 유의 수준 α 이하가 되지 않게 되는 최소 Γ값으로, 설계 민감도(design sensitivity)의 유한표본 버전이라 할 수 있다. 논문은 민감도 값을 변환한 𝜅ₗ = Γ*/(1+Γ*) 형태로 표준화하고, 각 결과의 추정 변동성을 이용해 분석표본에서 기대되는 민감도 값의 예측 구간을 만든다. 이 구간이 사전에 설정한 Γ₍₍컨₎₎(연구자가 허용하고자 하는 최대 교란 수준)를 초과하면 해당 결과를 ‘강건한 가설’로 선정한다.

선정 절차는 다음과 같다. ① 전체 데이터를 무작위로 계획표본(Gₚ)과 분석표본(Gₐ)으로 분할한다. ② Gₚ에서 각 결과 l에 대해 민감도 값 Γ*ₗ와 변환값 𝜅ₗ을 계산하고, 부트스트랩 혹은 asymptotic 분산 추정법을 이용해 𝜅ₗ의 표준오차를 구한다. ③ 𝜅ₗ의 1‑α 신뢰구간을 구성하고, 하한이 Γ₍₍컨₎₎/(1+Γ₍₍컨₎₎)보다 크면 결과 l을 후보 집합 S에 포함한다. ④ Gₐ에서 후보 집합 S에 속한 결과만을 사전 지정된 유의 수준 α로 검정한다.

이 절차는 Proposition 1에 의해 전체 가족 오류율(FWER)을 α 이하로 제어함을 증명한다. 또한 민감도 값이 설계 민감도와 일치한다는 Zhao(2019)의 결과를 활용해, 제한된 표본에서도 설계 민감도에 근접한 선택 기준을 제공한다.

이론적 분석에서는 (i) 민감도 값의 일관성, (ii) 변환값 𝜅ₗ의 정규근사, (iii) 예측 구간의 보수성 등을 다루며, 특히 작은 표본에서 설계 민감도만을 이용한 전통적 방법이 과도하게 보수적이 될 수 있음을 지적한다.

시뮬레이션에서는 다양한 시나리오(표본 크기 N, 결과 수 L, 실제 효과 개수, Γ₍₍컨₎₎ 수준)를 고려해, 제안 방법이 기존의 전체표본 Bonferroni 교정보다 높은 검정력과 동일한 오류 제어를 달성함을 보여준다. 특히 Γ₍₍컨₎₎가 2~4와 같이 교란에 대한 경계가 높을수록 이득이 크게 나타난다. 반면, 표본이 매우 작고 Γ₍₍컨₎₎가 1에 가까운 경우에는 전통적 전체표본 방법과 비슷하거나 약간 뒤처질 수 있다.

실제 데이터 적용에서는 1998년 방글라데시 홍수의 다차원 영향을 조사한다. 여러 사회·보건·경제 지표를 결과 변수로 설정하고, 계획표본(20%)에서 민감도 값을 평가한 뒤, 분석표본(80%)에서 선택된 변수만을 검정한다. 결과적으로 식량 가용성 감소와 위생 시설 악화 등 몇몇 핵심 결과가 숨은 교란에 대해 비교적 강건함을 보였으며, 다른 변수들은 교란에 취약함을 확인했다.

전반적으로 본 연구는 (1) 데이터 분할을 통한 가설 스크리닝이 관측 연구에서 실용적이며, (2) 민감도 값을 활용한 선택 기준이 설계 민감도보다 유한표본에서 더 정확한 견고성 판단을 가능하게 함을 입증한다. 또한 방법론은 매치된 쌍뿐 아니라 다중 매치셋에도 확장 가능하도록 보조 자료에 기술되어 있다. 향후 연구에서는 비정규 매치 구조, 다중 처리 수준, 그리고 베이지안 프레임워크와의 통합을 탐색할 여지가 있다.