실제 정책 변화를 반영하는 새로운 인과 효과: 한계 개입 효과

초록

이 논문은 기존의 평균 치료 효과(ATE)가 모든 개인에게 치료를 적용하는 극단적인 상황을 가정하여 실제 점진적 정책 변화를 제대로 반영하지 못하는 한계를 지적합니다. 이를 해결하기 위해 경제학과 통계학/역학 분야에서 발전시킨 ‘개입 효과’ 개념을 통합하여, 치료 개입의 인당 효과를 나타내는 ‘개입 효과(IE)‘와 개입 규모가 극소화될 때의 한계 효과인 ‘한계 개입 효과(MIE)‘를 새롭게 정의하고 이론적 체계를 구축합니다. IE와 MIE는 기존의 정책 관련 치료 효과(PRTE)보다 유연하며, 강력한 가정 없이도 무혼동성 또는 도구 변수 조건 하에서 식별 가능합니다.

상세 분석

이 논문의 핵심 기술적 기여는 기존 문헌의 두 갈래 접근법을 통합한 새로운 인과 추정치 체계를 제시하는 데 있습니다. 첫째, 저자들은 ‘개입 효과(IE)‘를 치료 할당 메커니즘에 대한 가상의 개입 전후 평균 결과 차이를, 개입으로 인한 치료 받은 사람의 ‘순 인원 변화’로 표준화한 값으로 정의합니다. 이는 무조건적(unconditional) 평균으로, Heckman과 Vytlacil의 PRTE가 공변량(X)에 조건부라는 점과 차별화됩니다. 따라서 IE는 개입의 강도가 개인의 기저 특성에 따라 변할 수 있는 더욱 유연한 정책 시나리오를 모델링할 수 있습니다.

둘째, IE의 극한 개념인 ‘한계 개입 효과(MIE)‘는 개입의 규모가 무한히 작아질 때의 한계적 인당 효과를 나타냅니다. 이 개념의 강력한 통찰은 MIE가 종종 ATE 식별에 필요한 ‘강한 양성(strong positivity)’ 가정(즉, 모든 공변량 수준에서 치료와 대조군 모두 존재해야 함) 없이도 식별될 수 있다는 점입니다. 예를 들어, 무혼동성 하에서 Kennedy(2019)의 ‘점진적 성향점수 개입(IPSI)‘에 해당하는 MIE는 Li 등(2018)의 ‘중첩 인구에 대한 평균 치료 효과(ATO)‘와 동일함을 보입니다. 이는 ATO가 단순한 통계적 가중치 이상으로, ‘상대적 치료 승산비를 보존하는 극소 규모 개입의 인당 효과’라는 실질적 해석을 제공함으로써 기존 문헌에 의미 있는 기여를 합니다.

또한, 논문은 MIE가 무혼동성 하에서는 조건부 평균 치료 효과(CATE)의 가중평균으로, 도구 변수 설정 하에서는 한계 치료 효과(MTE)의 가중평균으로 식별됨을 보입니다. 특히 도구 변수 프레임워크에서 MIE를 식별하기 위해 PRTE에 필요한 지원 조건(support condition)이 필요 없다는 점은 중요한 방법론적 장점입니다. 이처럼 IE/MIE 체계는 기존의 ATE, ATT, ATO 등 다양한 유명 추정치들을 포괄하는 일반화된 프레임워크로 기능하며, 정책 입안자에게 현실적인 점진적 개입의 효과를 평가할 수 있는 강력한 도구를 제공합니다.