함수형 결과를 위한 이중 강인 메타러너 FOCaL

초록

FOCaL은 함수형 결과를 갖는 데이터에서 조건부 평균 치료 효과(F‑CATE)를 추정하기 위해 설계된 이중 강인(doubly robust) 메타러너이다. 고차원 함수 회귀와 표준 이진 분류기를 이용해 결과 회귀와 성향 점수를 추정하고, 이를 통해 함수형 의사결과(pseudo‑outcome)를 구성한다. 최종 단계에서 의사결과 차이를 다시 함수형 회귀에 넣어 개별 공변량 프로필에 대한 치료 효과 함수를 얻으며, 하나의 부정확한 모델만이라도 올바르게 지정되면 일관성을 유지한다. 시뮬레이션과 실제 SHARE·COVID‑19 데이터에서 기존 비강인 방법보다 정확하고 안정적인 추정치를 제공한다.

상세 분석

FOCaL은 기존 메타러너가 스칼라 결과에만 적용될 수 있다는 한계를 극복하고, 연속적인 시간·공간 도메인 위에 정의된 함수형 결과를 직접 다루도록 설계되었다. 핵심 아이디어는 두 단계의 ‘귀찮은’ 함수를 정확히 추정하는 것이 아니라, 이들을 결합해 이중 강인성을 확보하는 것이다. 첫 번째 단계에서는 ˆµ(a)(x)와 ˆπ(x)를 각각 함수‑on‑scalar 회귀와 표준 로지스틱/머신러닝 분류기로 추정한다. 여기서 함수‑on‑scalar 회귀는 베이스라인으로 함수형 주성분 분석(FPCA) 혹은 스플라인 기반 베이지안 회귀를 활용해, 공변량 x가 주어졌을 때 전체 곡선 Y(t)의 기대값을 매끄럽게 추정한다. 두 번째 단계에서는 다음과 같은 의사결과를 만든다: ˆγ(1)(Di)=ˆµ(1)(Xi)+Ai/ˆπ(Xi)