다중범주 상관계수의 강건 추정법

초록

본 논문은 다중범주(폴리코릭) 상관계수를 추정할 때, 잠재 정규성 위반이나 부주의 응답 등으로 인한 부분적 모델 오차에 강건한 새로운 추정량을 제안한다. 관측 빈도와 이론적 빈도 사이의 발산을 최소화하는 손실함수를 이용해 기존 최대우도(ML) 추정법을 일반화했으며, 일관성·점근정규성·효율성을 유지하면서 계산 비용은 동일하게 유지한다. 시뮬레이션과 빅파이브 설문 데이터를 통해 제안 방법이 부정확한 응답을 자동으로 가중 감소시키고, ML과 현저히 다른 상관값을 제공함을 보였다.

상세 분석

이 연구는 폴리코릭 상관계수 추정에 있어 “부분적 모델 오차(partial misspecification)”라는 새로운 프레임워크를 도입한다. 기존 문헌은 전체 표본이 비정규 잠재분포를 따른다고 가정하는 배포오차(distributional misspecification)를 다루었지만, 저자들은 실제 설문 조사에서 흔히 발생하는 부주의 응답, 오답, 항목 오해 등으로 인해 표본의 일부만이 모델 가정에 부합하지 않을 가능성을 강조한다. 이러한 부분적 오차는 관측된 교차표 셀의 빈도가 이론적 빈도와 크게 차이나는 형태로 나타나며, 전통적인 ML 추정은 이러한 셀에 과도하게 의존해 편향된 상관값을 산출한다.

제안된 강건 추정량은 C-추정(C‑estimation) 이론을 기반으로, 관측 빈도와 모델이 예측하는 기대 빈도 사이의 φ‑다이버전스(예: 베타-다이버전스)를 손실함수로 설정한다. 손실함수는 각 셀에 대한 가중치를 자동으로 조정하는데, 관측 빈도가 모델에 부합하지 않을수록 해당 셀의 가중치가 감소한다. 이는 기존 ML이 로그우도에 모든 셀을 동일 가중치로 포함시키는 것과 대조된다. 수학적으로는
\