흡연 행동 지도에 대한 베이지안 두 단계 소규모 지역 추정 모델

초록

본 논문은 이탈리아 2019년 유럽 보건 인터뷰 조사 데이터를 활용해, 지역·연령별 흡연 유병률과 흡연 강도를 동시에 추정하는 베이지안 단위 수준 소규모 지역 추정 모델을 제안한다. 관측값의 반올림·숫자 선호·상위값 제한(20개비 초과)이라는 공동화(coarsening) 현상을 명시적으로 모델링하고, 로짓 부분과 로그정규 혼합 부분을 결합한 두 단계 구조를 사용한다. 시뮬레이션과 실제 적용 결과, 공동화를 무시할 경우 편향과 불안정성이 크게 증가하지만 제안 모델은 정확도와 신뢰구간 커버리지를 크게 개선한다.

상세 분석

이 연구는 소규모 지역 추정(SAE)과 데이터 공동화(coarsening) 문제를 동시에 다루는 최초의 베이지안 단위 수준 모델을 제시한다. 먼저, 흡연 여부를 이진 변수 W 로 두고, 로짓 선형 모델에 지역별 랜덤 효과 uᵥ 와 인구통계학적 공변량 x 을 포함한다. 이는 기존 SAE에서 흔히 사용되는 베이지안 혼합 로짓 모델과 동일하지만, 여기서는 W 가 다른 단계 모델의 조건부 변수로 작용한다는 점이 핵심이다. 두 번째 단계에서는 일일 평균 흡연량 Z (양의 연속 변수)를 로그정규 혼합 모델으로 가정한다. 두 개의 로그정규 성분을 도입해 흡연 강도의 이질성을 포착하고, 각 성분의 가중치는 또 다른 베타-디리클레 사전으로 제어한다.

관측된 흡연량 Z* 는 세 가지 왜곡을 포함한다. 첫째, 설문 응답자는 정수값만 입력하므로 반올림(예: 5,10,15) 현상이 발생한다. 둘째, 특정 숫자(5배수)로의 집중, 즉 히핑(heaping) 현상이 존재한다. 셋째, 20개비 초과는 하나의 범주(21)로 상위코딩(top‑coding)되어 오른쪽 검열(right‑censoring)된다. 이를 모델링하기 위해 잠재 변수 G 을 도입하고, G|Z 의 조건부 분포를 히핑 매트릭스와 검열 구간을 결합한 형태로 정의한다. 즉, Z 가 특정 구간에 속하면 G 은 해당 구간의 대표값(예: 5,10,15,20)으로 변환되고, Z>20 이면 G=21 로 고정된다.

베이지안 추정은 MCMC를 이용해 전체 파라미터 δ (로짓 부분)와 θ,γ (강도·공동화 부분)를 동시에 샘플링한다. 로그정규 혼합의 분산 파라미터에 대해 부적절한 비제한 사전은 사후 평균이 발산할 위험이 있음을 이론적으로 증명하고, 반대로 역감마 사전을 사용하면 사후 모멘트가 존재한다는 충분조건을 제시한다. 이는 기존 로그정규 SAE 모델에서 종종 간과되는 중요한 수학적 검증이다.

시뮬레이션에서는 공동화를 무시한 모델과 제안 모델을 비교했으며, 특히 표본 크기가 작은 도메인에서 편향이 30% 이상 증가하고, 95% 신뢰구간 커버리지가 70% 이하로 떨어지는 현상이 관찰되었다. 반면 제안 모델은 평균 편향을 5% 이하로 억제하고, 커버리지를 93~97% 수준으로 유지했다.

실제 이탈리아 EHIS 데이터 적용 결과, 지역·연령별 흡연 유병률은 기존 직접 추정치와 크게 차이가 없으나, 흡연 강도와 중증 흡연자 비율은 공동화를 고려했을 때 평균 1.8~2.3개비 차이가 나타났다. 특히 남부 지역의 20대·30대 연령층에서 중증 흡연자 비율이 과대평가된 것을 교정함으로써, 정책 입안자가 목표 집단을 보다 정확히 식별할 수 있게 되었다.

전반적으로 이 논문은 (1) 공동화 메커니즘을 명시적으로 모델링함으로써 소규모 지역 추정의 편향을 제거하고, (2) 로그정규 혼합을 통한 흡연 강도 이질성 포착, (3) 사후 모멘트 존재 조건을 이론적으로 보장하는 베이지안 프레임워크를 제공한다는 점에서 통계학 및 공공보건 분야에 중요한 기여를 한다.