대안 매칭 실험 설계: 교차경로 무작위화와 최소최대 분산 최적화

초록

본 논문은 두 사전 정의된 매칭 계획을 동일한 유한 모집단에 대해 비교하기 위한 실험 설계를 제안한다. ‘불일치 집합’의 고유한 경로·사이클 분해를 이용해 교차경로 무작위화(Alternating Path Randomized Design, AP 디자인)를 구축하고, 최소최대 기준에서 조건부 무작위화 확률을 최적화한다. 최적 확률은 긴 경로에서 √2−1에 수렴한다. Horvitz‑Thompson 추정량의 편향이 없음을 증명하고, 복잡하고 변동적인 경·사이클 구조를 포함하는 유한 모집단 중심극한정리를 제시한다. 또한 다대일 매칭에 대한 확장과 그래프 이론적 구현 방법을 제공한다.

상세 분석

이 연구는 매칭 메커니즘을 실험적으로 비교하려는 근본적인 난제를 설계‑기반 관점에서 해결한다. 핵심 개념은 두 매칭 Mᵗ(처리)와 Mᶜ(통제) 사이의 불일치 집합 ΔM(t,c)이다. ΔM은 한 매칭에만 등장하는 쌍을 모아, 비교에 필요한 모든 정보가 여기 포함된다는 점에서 중요한 역할을 한다. 저자들은 ΔM이 고유한 교대 경로와 사이클(alternating paths and cycles)으로 분해될 수 있음을 증명한다. 각 경로·사이클은 치료‑통제 매칭이 번갈아 나타나는 에지들로 이루어지며, 인접한 에지는 동시에 선택될 수 없다는 매칭 간섭(matching interference) 제약을 자연스럽게 반영한다.

이 구조적 특성을 활용해 제안된 Alternating Path Randomized Design (AP 디자인) 은 경로·사이클을 순차적으로 탐색하면서 각 에지를 조건부 확률 p에 따라 선택한다. 선택 여부는 바로 앞 에지의 실현 결과에 의존하므로, 전체 매칭이 항상 실현 가능하도록 보장한다. 설계의 핵심은 최소최대 최적화이다. 저자들은 최악의 경우 분산을 최소화하는 p를 구하고, 경로 길이가 무한히 길어질 때 최적 p가 √2−1≈0.4142에 수렴함을 보여준다. 이는 직관적으로 “현재 에지의 분산 감소와 앞으로 남은 에지들의 불확실성 사이의 균형”을 의미한다.

통계적 추론 측면에서는 Horvitz‑Thompson 추정량을 사용한다. AP 디자인 하에서 각 에지의 포함 확률이 정확히 알려져 있기 때문에, 추정량은 무편향(unbiased)이며, 설계 기반 분산 추정도 가능하다. 특히 저자들은 유한 모집단 중심극한정리(Finite‑Population CLT) 를 증명한다. 기존 CLT는 경·사이클 구조가 일정하거나 점차 안정화될 때만 적용 가능했지만, 본 논문은 경·사이클 길이와 개수가 모집단 규모에 따라 급격히 변동하는 경우에도 α‑mixing과 Bolzano‑Weierstrass 정리를 결합해 수렴성을 확보한다.

다대일 매칭(예: 병원에 여러 환자를 배정)으로 확장할 때는 불일치 집합의 분해가 유일하지 않으며, 일부 분해는 용량 제약을 위반한다. 이를 해결하기 위해 보조 비균형 유향 그래프를 구성하고, 증강 경로(augmenting paths) 와 Euler 투어 분해를 이용해 실현 가능한 경·사이클 분해를 찾는 알고리즘을 제시한다. 이렇게 얻어진 분해에 동일한 AP 디자인과 추론 결과를 그대로 적용할 수 있다.

전반적으로 논문은 매칭 간섭을 그래프 이론적 구조로 명확히 규정하고, 최소최대 원칙에 기반한 최적 무작위화 확률을 도출함으로써, 매칭 메커니즘의 실험적 비교를 모델‑프리 방식으로 가능하게 만든다. 이론적 기여와 함께 실제 운영 시스템(교육 배정, 장기 이식, 라이드셰어링 등)에서 새로운 매칭 알고리즘을 검증하는 실용적 프레임워크를 제공한다.