다변량 인과 효과 추정을 위한 베이지안 인과 회귀 요인 모델

초록

본 논문은 야생화재 연기가 미국 전역의 PM2.5에 포함된 27가지 화학 종에 미치는 인과 효과를 추정하기 위해, 치료군별 요인 점수에 프로빗 스틱‑브레이킹 과정을 적용한 베이지안 요인 회귀 모델을 제안한다. 다변량 잠재 요인 구조를 데이터‑드리븐으로 학습함으로써 결측 잠재 결과를 보정하고, 복잡한 상관관계를 반영한 인과 추정을 가능하게 한다. 시뮬레이션과 실제 대기질 데이터 분석을 통해 모델의 정확성과 실용성을 검증하였다.

상세 분석

이 연구는 다변량 잠재 요인 구조를 인과 추정에 직접 연결한 최초의 베이지안 프레임워크 중 하나로 평가할 수 있다. 기존의 단일 결과 혹은 다변량 결과를 독립적으로 분석하는 접근법과 달리, 저자는 잠재 요인(L)과 요인 적재(Λ)를 치료군(T=0,1)별로 별도 모델링함으로써, 치료 효과가 요인 구조에 미치는 이질성을 자연스럽게 포착한다. 핵심 혁신은 치료군별 요인 점수에 대한 사전분포로 ‘프로빗 스틱‑브레이킹 과정’을 이용한 종속 디리클레 프로세스(DDP)를 도입한 점이다. 이 사전은 (i) 무한 혼합 가우시안 형태를 유지하면서 (ii) 공변량 X에 조건부로 군집 할당 확률을 조정하므로, 관측된 공변량에 따라 요인 점수의 분포가 달라지는 비선형 이질성을 모델링한다. 이는 인과 추정에서 필수적인 ‘결측 잠재 결과’ 문제를 해결하는데, 요인 점수 자체가 잠재 변수 U와 연결되어 결측값을 효과적으로 보간한다는 점에서 의미가 크다.

인과적 가정으로는 SUTVA, 양성성(positivity), 조건부 무작위성(conditional ignorability), 그리고 ‘측정되지 않은 교란은 잠재 요인을 통해서만 영향을 미친다’는 간접성 가정을 제시한다. 특히, 잠재 요인 L이 치료와 결과 모두에 영향을 미치는 구조를 그래프적으로 명시하고, 세 가지 시나리오(잠재 교란이 L에만 작용, X를 매개, X를 유발)에서 시뮬레이션을 수행해 가정 위반에 대한 모델의 강건성을 평가한다.

모델식은 다변량 정규분포를 기본으로 하며, 요인 적재 Λ와 오차 공분산 Ψ는 전통적인 베이지안 요인 분석과 동일하게 사전을 부여한다. 요인 점수 L에 대한 DDP 사전은 프로빗 변환을 통해 스틱‑브레이킹 가중치를 생성하고, 이를 통해 각 관측치가 무한 개의 잠재 군집 중 하나에 할당되는 구조를 만든다. MCMC 샘플링은 Gibbs와 Metropolis‑Hastings 단계를 혼합해 구현되며, 치료군별 요인 점수와 적재를 동시에 추정한다.

시뮬레이션 결과는 (1) 다변량 평균 치료 효과(SATE)의 추정 편향이 거의 없으며, (2) 치료군별 요인 구조를 정확히 복원하고, (3) 기존 다변량 회귀 대비 표준 오차가 현저히 감소함을 보여준다. 실제 데이터 적용에서는 야생화재 연기 존재 여부가 27가지 화학 종 각각에 미치는 평균 효과를 추정하고, 요인 적재를 통해 특정 화학 종군이 공통된 잠재 요인에 의해 설명된다는 해석을 제공한다. 이는 정책 입안자가 특정 화학 물질군에 집중적인 규제나 완화 전략을 설계하는데 실질적인 통찰을 제공한다.

전반적으로 이 논문은 (a) 다변량 인과 추정에 요인 분석을 자연스럽게 결합, (b) DDP 기반 요인 점수 사전으로 비선형 이질성 및 결측 보정을 동시에 해결, (c) 실증적 검증을 통해 실제 환경 보건 연구에 바로 적용 가능한 모델을 제시한다는 점에서 학문적·실용적 기여가 크다. 다만, 무한 혼합 사전의 계산 복잡성, 요인 수 J_t의 사전 선택 문제, 그리고 잠재 교란 U를 완전히 식별할 수 없는 경우에 대한 민감도 분석이 추가로 필요하다.