불균형 다단계 모델의 중심 모멘트 무편향 추정

초록

**
본 논문은 군집 크기가 서로 다른 다단계 랜덤효과 모델에서, 군집 평균과 관측치 평균 두 가지 가중 방식에 대해 2차·3차·4차 중심 모멘트를 무편향으로 추정하는 폐쇄형 식을 제시한다. 2수준 모델에서는 2·3·4차 모멘트를, 3수준 모델에서는 2·3차 모멘트를 각각 군집‑레벨과 관측‑레벨 가중에 대해 유도한다. 핵심은 가중합의 기대값을 전개하는 보조정리와, 각 레벨의 분산·공분산 구조를 이용해 선형 시스템을 풀어 계수를 구하는 것이다.

**

상세 분석

**
이 연구는 다단계(계층) 선형 모델에서 잠재 요인의 고차 모멘트를 정확히 추정하고자 하는 실무·학술적 필요에서 출발한다. 기존 문헌은 주로 2차 모멘트(분산) 추정에 집중했으며, 3차·4차 모멘트는 비균형 설계에서 편향이 발생하기 쉬워 무편향 추정식이 거의 알려져 있지 않았다. 저자는 먼저 i‑번째 군집의 관측값 yᵢⱼ 을 uᵢ + vᵢⱼ 형태로 분해하고, 군집 평균 ȳᵢ 와 전체 평균 ȳ_g, ȳ_o 을 정의한다. 여기서 ȳ_g는 군집을 동일 가중, ȳ_o는 관측치를 동일 가중하는 두 가지 평균이다.

핵심 정리는 Lemma A.1으로, 가중합 S = ∑w_ℓ x_ℓ 의 2·3·4차 기대값을 각 차수의 모멘트와 가중의 제곱·세제곱·사제곱 형태로 표현한다. 이 정리를 적용하면, 군집 내부 편차 yᵢⱼ − ȳᵢ 의 제곱·세제곱·사제곱에 대한 기대값이 µ₂ᵥ, µ₃ᵥ, µ₄ᵥ (군집‑레벨 요인 v)의 함수임을 알 수 있다. 군집 크기 Jᵢ 가 다를 때는 Jᵢ − 1 또는 Jᵢ − 2 와 같은 보정항이 필요하다. 저자는 이러한 보정항을 계수 a_{·} 형태로 정리하고, 표 B에 구체적인 식을 제시한다.

2수준 모델에서는 먼저 관측‑레벨 모멘트 µ₂ᵥ, µ₃ᵥ, µ₄ᵥ 에 대한 무편향 추정량을 제시하고, 이를 이용해 군집‑레벨 요인 u 의 모멘트를 추정한다. 군집‑레벨 평균을 이용한 경우와 관측‑레벨 평균을 이용한 경우에 따라 선형 시스템의 계수가 달라지며, 각각 a_g, a_o 계열이 정의된다. 특히 4차 모멘트 추정에서는 교차곱 ∑(yᵢⱼ−ȳᵢ)²(yᵢ₁−ȳᵢ)² 와 같은 복합항이 등장해, 두 차수의 모멘트 µ₂ᵥ 와 µ₄ᵥ 가 동시에 나타난다. 이를 행렬식 형태로 정리하고, 역행렬을 구해 µ₄ᵥ 를 분리한다.

3수준 모델에서는 추가적인 하위 레벨 wᵢⱼₖ 을 도입한다. 여기서도 동일하게 Lemma A.1을 적용해 µ₂_w, µ₃_w 에 대한 무편향 추정량을 얻고, 이를 바탕으로 상위 레벨 v 와 u 의 모멘트를 차례로 추정한다. 군집‑레벨 평균(ȳ_g)과 관측‑레벨 평균(ȳ_o) 각각에 대해 2·3차 모멘트 추정식을 도출했으며, 3수준 구조 특성상 Jᵢ와 Kᵢⱼ (하위 군집 크기) 모두가 보정항에 등장한다.

이 논문의 주요 공헌은 (1) 비균형 설계에서도 정확히 무편향인 고차 모멘트 추정식을 제공한다는 점, (2) 군집‑레벨과 관측‑레벨 두 가지 가중 방식에 대해 일관된 프레임워크를 제시한다는 점, (3) 복잡한 교차곱 구조를 선형 시스템으로 정리해 실용적인 계산식을 얻었다는 점이다. 실증 연구에서는 소득·소비 충격의 비대칭성·과두성, 기업 성장률의 꼬리 위험 등 고차 모멘트가 정책·리스크 분석에 중요한 경우에 바로 적용할 수 있다. 한계로는 4차 이상 모멘트는 차원 폭증으로 인해 일반적인 경우에 대한 폐쇄형 해가 존재하지 않을 수 있으며, 추정식에 포함된 계수 a_{·} 가 군집 크기의 고차 함수이므로 매우 작은 군집이 많을 경우 분산이 커질 가능성이 있다. 향후 연구에서는 베이지안 사전을 결합하거나, 샘플링 변동성을 감소시키는 가중 최적화 방안을 탐색할 여지가 있다.

**