결손 공변량을 고려한 이중강건 머신러닝 기반 인구 규모 추정

초록

본 논문은 캡처‑리캡처 데이터에서 누락된 공변량을 MAR(결측이 무작위) 가정하에 식별하고, 반듀얼(이중강건) 머신러닝 추정기를 이용해 비모수 효율 경계에 근접한 추정량을 제시한다. 시뮬레이션과 가자 지구 사망자 추정 사례를 통해 높은 결측 비율에서도 편향을 최소화하고 유효한 신뢰구간을 제공함을 보인다.

상세 분석

이 연구는 기존 캡처‑리캡처 인구 규모 추정 방법이 공변량 결측을 무시하거나 단순 삽입(imputation)으로 처리하면서 발생하는 편향 문제를 근본적으로 해결한다는 점에서 학술적·실무적 의의가 크다. 먼저 저자들은 “Missing at Random”(MAR) 가정을 명시적으로 도입하고, 이를 바탕으로 캡처 확률 γ(v,x)와 조건부 캡처 프로파일 분포 q_y(v,x) 사이의 식별식을 유도한다. 이 식별식은 “최고 차수 상호작용이 없다는”(no‑highest‑order‑interaction) 로그선형 모델 가정과 결합되어, 결측 공변량 X가 존재하더라도 전체 인구 규모 n = N/ψ (ψ는 전체 캡처 확률)의 역수 ψ⁻¹을 정확히 추정할 수 있는 이론적 근거를 제공한다.

다음으로 저자들은 반듀얼(이중강건) 추정기를 설계한다. 핵심은 두 개의 ‘보조 함수’를 비모수적으로 추정하는데, 하나는 캡처 확률 γ̂(V,X) 이고 다른 하나는 결측 메커니즘 π̂(R=1|V,X) 이다. 각각을 임의의 머신러닝 알고리즘(예: 랜덤 포레스트, 그래디언트 부스팅, 딥 뉴럴 네트워크)으로 추정하되, 어느 하나가 잘못 지정되더라도 추정량은 일관성을 유지한다는 이중강건 특성을 갖는다. 이를 위해 저자들은 효율적 영향 함수(efficient influence function)를 기반으로 한 ‘one‑step’ 업데이트를 적용했으며, 이 과정에서 비모수 효율 경계에 근접하도록 설계된 가중치를 도입한다. 결과적으로 제안된 추정량은 √n‑속도로 수렴하면서도, 전통적인 플러그인 방식이 머신러닝 기반 보조 함수를 사용할 때 흔히 겪는 ‘느린 수렴’ 문제를 회피한다.

시뮬레이션에서는 결측 비율을 10%에서 70%까지 변화시켰으며, 기존 완전 사례 분석(complete‑case)와 단순 평균 대체(imputation) 방법에 비해 평균 제곱 오차(MSE)가 30% 이상 감소하고, 95% 신뢰구간의 실제 커버리지가 명목 수준에 가깝게 유지되는 것을 확인했다. 특히 결측 비율이 50% 이상일 때도 이중강건 추정기는 편향이 거의 없으며, 보조 함수 중 하나만 정확히 모델링되어도 일관성을 유지한다는 점이 강조된다.

실증 적용에서는 2023년 10월 7일부터 2024년 6월 30일까지 가자 지구에서 수집된 3‑리스트 캡처‑리캡처 데이터를 사용했다. 기존 연구가 제시한 사망자 추정치는 약 66,000명(95% CI: 58,000‑74,000)였으나, 본 방법은 59,441명(95% CI: 50,708‑68,173)으로 보다 보수적이면서도 좁은 구간을 제공한다. 이는 공식 통계보다 약 26% 높은 사망자 수를 시사한다.

전체적으로 이 논문은 (1) MAR 가정 하에 결측 공변량을 포함한 캡처 확률의 식별성을 증명하고, (2) 반듀얼 머신러닝 기반 한‑스텝 추정기를 통해 비모수 효율성을 달성하며, (3) 제한된 표본에서도 정규성 기반 추론을 가능하게 하는 유한표본 유효성을 제공한다는 점에서 기존 문헌을 크게 확장한다. 특히 갈등 지역이나 전염병 등 ‘숨은 인구’를 추정해야 하는 상황에서, 데이터 결측이 불가피한 경우에도 신뢰할 수 있는 추정치를 얻을 수 있다는 실용적 메시지는 정책 입안자와 현장 연구자 모두에게 큰 도움이 될 것이다.