함수형 치료 정책 수정으로 인과 효과를 정밀 추정하는 새로운 프레임워크

초록

**
본 논문은 무한 차원의 함수형 치료를 대상으로, 기존의 평균 용량‑반응 함수(ADRF)의 한계를 극복하고자 수정된 함수형 치료 정책(MFTP)이라는 새로운 인과 추정량을 제안한다. FPCA 기반의 평균 정의를 도입해 인과 식별성을 확보하고, 결과 회귀, 역확률 가중치, 이중 강건 추정량을 개발한다. 이론적 수렴성 및 이중 강건성을 증명하고, 시뮬레이션 및 NHANES 가속도계 데이터 분석을 통해 야간 활동 감소와 저활동 시간 감소가 전체 사망률에 미치는 인과 효과를 실증적으로 보여준다.

**

상세 분석

**
이 연구는 함수형 치료(예: 하루 24시간 동안의 활동량 곡선)를 다루는 인과 추론 분야에서 중요한 전환점을 제시한다. 기존 문헌은 주로 평균 용량‑반응 함수(ADRF)를 추정했으며, 이는 모든 대상이 동일한 함수형 치료 경로를 받는 가정 하에 평균 잠재 결과를 정의한다. 그러나 무한 차원의 함수형 치료에서는 “모든 경로가 모든 사람에게 가능하다”는 강한 양성 가정이 현실적으로 성립하기 어렵고, ADRF 자체가 함수 형태라 해석과 시각화가 복잡하다.

논문은 이러한 문제점을 해결하기 위해 ‘수정된 함수형 치료 정책(MFTP)’이라는 새로운 인과 추정량을 도입한다. MFTP는 각 개인의 관측된 치료 곡선 A(t)를 사전공변량 X와 결합한 결정론적 변환 q(X, A(·))에 따라 약간씩 수정한다. 예를 들어, 야간 활동을 절반으로 감소시키는 정책을 정의하면, 각 개인은 자신에게 가능한 범위 내에서 야간 활동이 감소된 새로운 곡선을 갖게 된다. 이렇게 하면 양성 가정이 관측된 데이터 분포에 고정되므로 현실적이며, 정책 자체가 과학적 질문에 맞게 설계될 수 있다.

핵심 기술적 난관은 “무한 차원 객체에 대한 평균”을 어떻게 정의하느냐이다. 저자들은 함수형 주성분 분석(FPCA) 전개를 이용해 A(t)=a₀(t)+∑{j=1}^∞ √θ_j A_j ψ_j(t) 형태로 표현하고, 첫 K개의 주성분 점수를 사용해 제한된 평균 μ_K를 정의한다. K→∞ 한계에서 μ=lim{K→∞} μ_K 로 평균을 정의함으로써, 전통적인 기대값 개념과 일치함을 보였다. 이 과정에서 (C1) 고유값의 제곱합이 유한하고 (C2) ν(·)가 L2-리프시츠 연속이라는 두 가지 충분조건을 제시한다.

식별 단계에서는 잠재 결과 Y(q(X,A))의 조건부 기대값을 X와 A에 대해 평균화함으로써 MFTP의 인과 효과 μ_q=E