균형 가중치를 활용한 인과 매개 분석의 안정성 향상

초록

기존 인과 매개 분석의 표준 추정법은 추정된 성향점수의 역수를 사용함에 따라 불안정성과 유한표본 공변량 불균형 문제에 취약합니다. 본 연구는 가중치 분산을 직접적으로 패널티화하면서 공변량과 매개변수의 균형을 강제하는 알고리즘을 제안하여 이러한 문제를 해결하고, 유한표본에서의 성능을 개선합니다. 제안된 추정량은 점근적 정규분포성을 가지며 준모수 효율성 한계에 도달함을 이론적으로 증명하였고, 모의실험과 실제 데이터 적용을 통해 그 유용성을 입증합니다.

상세 분석

본 논문은 인과 매개 분석에서 자연적 직접효과(NDE)와 간접효과(NIE)를 추정하는 방법론을 개선하는 데 중점을 둡니다. 기존의 효율적 영향함수 기반 추정량(EIF)과 역확률 가중치 추정량(IPW)은 성향점수 추정치의 역수를 가중치로 사용하기 때문에 두 가지 근본적인 문제를 야기합니다. 첫째, 추정된 성향점수가 0 또는 1에 가까우면 가중치가 급격히 증가하는 ‘불안정성’ 문제가 발생합니다. 특히 매개 분석에서는 성향점수의 곱이 분모에 위치하므로 이 문제가 더욱 심화됩니다. 둘째, 이론적으로는 점근적으로 공변량 균형을 보장하지만, 유한표본에서는 ‘공변량 불균형’이 발생하여 편향을 초래할 수 있습니다.

저자들은 이러한 문제를 동시에 해결하기 위해 “최소 분산 근사 균형 가중치” 방법을 확장한 “2단계 최소 분산 가중치” 알고리즘을 제안합니다. 이 방법의 핵심은 가중치의 분산(예: 제곱손실)을 최소화하는 동시에, 사전 지정된 허용 오차 내에서 공변량 및 매개변수의 균형을 명시적으로 제약 조건으로 부과하는 최적화 문제를 푸는 것입니다. 1단계에서는 처치집단과 통제집단 간의 공변량 X의 주변분포 균형을, 2단계에서는 (M, X)의 결합분포 균형을 달성하는 가중치를 순차적으로 추정합니다. 이 접근법은 극단값 처리를 위한 임의적 사후 조정이나 별도의 균형 진단 없이도 안정적인 가중치와 우수한 유한표본 성능을 보장합니다.

이론적 기여로는, 균형 제약 조건의 수가 표본 크기에 따라 증가하는 비모수 설정 하에서 제안된 가중치가 각각 진정한 가중치 함수(1/π₀(X) 및 ξ₀(M,X)/π₀(X)ξ₁(M,X))로 수렴함을 보입니다. 또한, 적절한 정규성 조건 하에서 제안된 추정량이 점근적 정규분포를 따르며 준모수 효율성 한계에 도달함을 증명합니다. 이는 제안된 방법이 유한표본에서의 장점을 유지하면서도 점근적으로는 기존 효율 추정량과 동등한 성능을 가짐을 의미합니다. 모의실험 결과는 모형 오지정이 있는 어려운 시나리오에서 제안된 방법이 EIF, IPW, 회귀대체법 추정량을 모두 능가하는 우수한 성능을 보여주었습니다.