헥만 선택 모델의 베이지안 분석: HMC와 스케일 혼합 정규분포 활용

초록

본 논문은 전통적인 헥만 선택 모델의 정규오차 가정을 스케일 혼합 정규(SMN) 분포, 특히 학생‑t와 오염 정규(CN) 분포로 확장하고, Stan의 No‑U‑Turn Sampler를 이용한 Hamiltonian Monte Carlo(HMC) 기반 베이지안 추정을 제안한다. 시뮬레이션과 실제 의료·노동 데이터에 적용해 모델 적합도와 예측력을 비교·검증했으며, 구현 코드를 R 패키지 HeckmanStan에 제공한다.

상세 분석

헥만 선택 모델은 관측이 선택 메커니즘에 의해 제한되는 상황에서 편향을 보정하기 위해 두 개의 연관된 방정식(결과 방정식과 선택 방정식)을 사용한다. 기존 연구는 오차항이 이변량 정규분포를 따른다고 가정했지만, 실제 데이터는 종종 중대한 꼬리(heavy‑tail)와 이상치에 민감한 특성을 보인다. 이를 해결하기 위해 저자는 오차 구조를 스케일 혼합 정규(SMN) 클래스 안에 포함시켰다. SMN은 정규분포에 스케일 변수 U를 혼합함으로써 꼬리를 조절할 수 있는 일반화된 형태이며, U의 분포에 따라 학생‑t, 슬래시, 오염 정규 등 다양한 특성을 구현한다.

학생‑t(SLt) 모델은 U가 감마분포 G(ν/2, ν/2) 인 경우이며, 자유도 ν 가 작을수록 꼬리가 두꺼워져 이상치에 대한 강건성을 제공한다. 오염 정규(SLcn) 모델은 U가 두 개의 질량점(1과 ν₂ < 1)으로 구성된 이항 혼합으로 정의되어, ‘정상’ 관측과 ‘오염’ 관측을 각각 다른 스케일로 모델링한다. 이 두 확장 모델은 기존 정규 모델(SLn)보다 더 넓은 오류 구조를 포괄한다는 점에서 이론적·실용적 의미가 크다.

베이지안 추정에서는 사후분포를 직접 샘플링해야 하는데, 고차원 파라미터와 복잡한 혼합 구조 때문에 전통적인 Gibbs 또는 Metropolis‑Hastings 알고리즘은 수렴이 느리고 튜닝이 어려운 단점이 있다. 저자는 Stan의 자동 미분과 NUTS(No‑U‑Turn Sampler)를 활용해 HMC 기반 샘플링을 수행한다. HMC는 로그 사후밀도와 그 그래디언트를 이용해 효율적인 탐색 경로를 생성하므로, 특히 스케일 혼합 구조처럼 비선형성이 강한 모델에서 높은 효율성을 보인다.

시뮬레이션에서는 다양한 꼬리 강도와 오염 비율을 가진 데이터셋을 생성해 세 모델(SLn, SLt, SLcn)의 추정 정확도와 신뢰구간 커버리지를 비교했다. 결과는 실제 오류가 중대한 꼬리를 가질 때 SLt와 SLcn이 편향을 크게 감소시키고, 베이지안 사후 평균이 MLE 대비 더 안정적임을 보여준다. 또한, 모델 선택을 위해 WAIC와 LOO‑CV 같은 베이지안 정보 기준을 적용했으며, 데이터 생성 과정에 맞는 모델이 일관되게 우수한 점수를 받았다.

실제 적용 사례로는 의료 서비스 이용 데이터와 노동 공급 데이터가 사용되었다. 의료 데이터에서는 고령 환자군에서 관측되지 않은 비용이 선택 편향을 일으키는 전형적인 상황이며, 노동 데이터에서는 비정규직·시간제 근로자의 임금이 선택 메커니즘에 의해 누락되는 문제가 있었다. 두 사례 모두 SLt와 SLcn이 보다 현실적인 추정치를 제공했고, 특히 SLcn은 이상치(극단적 비용·임금) 영향을 완화하는 데 효과적이었다.

마지막으로, 저자는 R 패키지 HeckmanStan을 공개하여 모델 정의, 사전 지정, 사후 샘플링, 진단 및 시각화를 일괄적으로 수행할 수 있게 했다. 패키지는 Stan 코드 자동 생성, 사용자 정의 사전 설정, 그리고 사후 예측 검증 도구를 포함한다. 이는 실무자와 연구자가 복잡한 선택 모델을 손쉽게 적용하도록 돕는다.

요약하면, 본 연구는 헥만 선택 모델의 오류 구조를 스케일 혼합 정규로 일반화하고, HMC 기반 베이지안 추정을 통해 높은 계산 효율성과 견고한 추정 성능을 동시에 달성하였다. 이는 선택 편향을 다루는 사회과학·보건·경제 분야 연구에 중요한 방법론적 기여를 제공한다.