측정오차와 영점 과다를 동시에 보정하는 함수형 공변량 정량 회귀

초록

본 논문은 웨어러블 기기로부터 얻은 시간‑변화형 데이터에 내재된 측정오차와 영점 과다 현상을 동시에 교정하고, 교정된 함수형 공변량을 이용해 스칼라 결과에 대한 다중 분위수 회귀를 수행하는 새로운 통계 프레임워크를 제안한다.

상세 분석

이 연구는 현대 디지털 헬스 데이터에서 흔히 나타나는 두 가지 주요 문제, 즉 시간에 따라 변동하는 측정오차와 구조적·내재적 영점(Zero‑inflation)을 동시에 다루는 최초의 방법론적 시도를 제시한다. 저자들은 각 피험자별로 시간‑변화하는 유효성 지표 Vᵢⱼ(t)를 도입하여 관측값 Wᵢⱼ(t)=Vᵢⱼ(t)·Wᵢⱼ(t) 형태로 모델링한다. 여기서 Vᵢⱼ(t)∼Bernoulli(1−πᵢ(t))는 비착용·연결 오류 등으로 인한 구조적 영점을 나타내고, πᵢ(t)는 피험자‑특정·구간별 상수값으로 설정해 영점 과다의 이질성을 반영한다. 반면, Wᵢⱼ(t)는 지수족 분포를 따르는 ‘진짜’ 측정값이며, 평균이 잠재 함수형 공변량 Xᵢ(t)와 동일하도록 설정함으로써 측정오차 Uᵢⱼ(t)=W*ᵢⱼ(t)−Xᵢ(t)의 평균이 0임을 보장한다. 이러한 구조는 Vᵢⱼ(t)와 Uᵢⱼ(t)의 독립성을 가정해 결합가능도(likelihood)를 분리하고, EM‑유사 반복 최대우도 추정 절차를 통해 Xᵢ(t)와 πᵢ(t)를 동시에 추정한다.

잠재 함수형 공변량 Xᵢ(t)는 베이시스 전개(예: B‑spline, Fourier)와 선형 혼합효과 모델을 활용해 추정되며, 이는 시간에 따라 상관된 이질적 오차 구조를 자연스럽게 포착한다. 추정된 Xᵢ(t)를 이용해 스칼라 결과 Y와의 관계를 다중 분위수 회귀(SoFQR) 모델 Q_Y(τ|X,Z)=∫β(t,τ)Xᵢ(t)dt+Zᵢᵀθ(τ) 로 설정한다. 저자들은 여러 분위수를 공동 추정함으로써 개별 분위수 회귀에서 발생할 수 있는 비단조성 문제를 방지하고, 추정 효율성을 크게 향상시킨다.

시뮬레이션에서는 (1) 측정오차만 보정하는 기존 방법, (2) 영점 과다만 고려하는 방법, (3) 제안 방법을 비교한다. 결과는 제안 방법이 β(t,τ)와 θ(τ)의 평균제곱오차(MSE)를 현저히 낮추며, 특히 영점 과다 비율이 높고 오차 구조가 이질적인 경우에 큰 이점을 보인다. 또한, 공동 분위수 추정이 개별 추정에 비해 추정 편향을 감소시키고 신뢰구간 커버리지를 개선한다는 것이 확인되었다.

실제 데이터 적용에서는 초등학생을 대상으로 한 비만 연구에서 단계별 걸음 수 데이터를 분석한다. 제안 모델은 비착용·휴식 구간을 정확히 구분하고, 교정된 걸음 수 곡선이 에너지 소비량과 높은 상관관계를 보이며, BMI의 상위·중위·하위 분위수에 미치는 영향을 일관되게 추정한다. 이는 기존 방법이 과소/과대 추정했던 효과를 바로잡아, 걸음 수를 신체활동의 프록시로 활용할 근거를 강화한다.

전반적으로 이 논문은 (1) 구조적 영점과 측정오차를 동시에 모델링하는 새로운 확률적 프레임워크, (2) 베이시스‑혼합모델 기반의 효율적인 잠재 함수 추정, (3) 공동 다중 분위수 회귀를 통한 추정 효율성 및 해석 가능성 향상을 종합적으로 제공한다. 이러한 접근은 웨어러블 데이터뿐 아니라, 의료·생명과학 분야에서 이산·연속 혼합형 측정값을 다루는 다양한 응용에 확장 가능할 것으로 기대된다.