제로와 N 인플레이션을 위한 유한 혼합 모델

초록

본 논문은 다변량 카운트‑컴포지션 데이터의 과다 제로 현상을 다루기 위해, 제로와 N‑인플레이션을 동시에 모델링할 수 있는 두 가지 분포(다항형 기반 ZANIM과 디리클레‑다중항형 기반 ZANIDM)를 유한 혼합 형태로 재구성한다. 이를 통해 모멘트, 주변분포 등 주요 통계적 성질을 유도하고, 베이지안 추론을 위한 효율적인 Gibbs 샘플러를 설계한다. 시뮬레이션과 인간 장 마이크로바이옴 데이터 적용을 통해 제안 모델의 실용성을 검증한다.

상세 분석

이 논문은 다변량 카운트‑컴포지션 데이터에서 관측되는 과다 제로(Zero‑inflation)와 동시에 발생할 수 있는 N‑인플레이션(모든 시도 중 하나의 범주에만 N개의 카운트가 집중되는 현상)을 하나의 통합 프레임워크로 설명한다는 점에서 학문적 의의가 크다. 기존 연구들은 주로 단변량 제로‑인플레이션 모델에 초점을 맞추었으며, 다변량 경우에는 제로가 여러 범주에 걸쳐 나타날 때 발생하는 복합적인 확률 질량 재분배를 충분히 고려하지 못했다. 저자들은 이러한 문제를 해결하기 위해 두 가지 새로운 확률분포, 즉 ZANIM(Zero‑and‑N‑inflated Multinomial)과 ZANIDM(Zero‑and‑N‑inflated Dirichlet‑Multinomial)을 제안한다.

핵심 아이디어는 각 범주의 제로‑인플레이션 파라미터 ζ_j를 도입하고, 이를 베르누이 변수 z_j와 결합해 “구조적 제로”와 “샘플링 제로”를 구분한다는 점이다. ZANIM의 경우, 다항형의 라플라스 변환을 이용해 보조 변수 ϕ를 도입하고, ζ_j에 따라 수정된 ZI‑Poisson 형태의 조건부밀도를 구성한다. 이후 ϕ를 적분함으로써 2^d 개의 혼합 성분을 갖는 유한 혼합 모델을 도출한다. 이때 혼합 가중치는 ζ_j의 조합으로 표현되며, 각 성분은 (i) 일반 다항형, (ii) 하나의 범주가 N에 도달하는 N‑인플레이션 성분, (iii) 다수의 범주가 제로가 되는 경우의 축소 차원 다항형, (iv) 모든 카운트가 0인 퇴화 성분으로 구분된다.

ZANIDM은 기존 Koslovsky의 ZIDM을 확장해, 디리클레‑다중항형 계층 구조를 그대로 유지하면서도 동일한 유한 혼합 형태로 재표현한다. 여기서는 λ_j를 Gamma(α_j,1)와 결합한 혼합으로 두어, ζ_j가 1이면 λ_j가 0이 되고, 그렇지 않으면 Gamma 분포를 따르게 한다. 결과적으로 ZANIDM의 PMF는 다항형 혼합과 디리클레‑다중항형 혼합이 동시에 나타나는 형태가 되며, N‑인플레이션 성분과 완전 제로 성분이 ZANIM과 동일하게 포함된다.

통계적 성질 측면에서 저자들은 두 분포의 모멘트, 공분산, 주변분포를 명시적으로 유도한다. 특히, 혼합 가중치 η가 ζ_j에 대한 단순 함수이므로, 제로‑인플레이션 정도를 직접 해석할 수 있다. 또한, ZANIDM의 경우 과잉분산(overdispersion)을 조절하는 α 파라미터와 제로‑인플레이션 파라미터 ζ_j가 분리되어 있어, 데이터에 따라 두 현상을 독립적으로 추정할 수 있다.

베이지안 추론에서는 각 혼합 성분에 대한 조건부 사후분포가 표준 형태를 유지함을 이용해 Gibbs 샘플러를 설계한다. ZANIDM에서는 기존 연구와 달리 잠재 변수 λ_j를 적분(마진화)함으로써 MCMC의 효율성을 크게 향상시켰으며, ZANIM에서도 베르누이 변수 z_j와 보조 변수 ϕ에 대한 직접적인 풀-조건 사후분포를 이용해 빠른 수렴을 보인다. 시뮬레이션 결과는 제안된 알고리즘이 기존 Metropolis‑Hastings 기반 방법보다 유효표본크기(effective sample size)가 현저히 높고, 수렴 속도도 빠름을 입증한다.

실제 데이터 적용에서는 인간 장 마이크로바이옴 데이터(수백 개의 미생물 종, 수천개의 샘플)를 사용해, ZANIM과 ZANIDM이 기존 다항형·디리클레‑다중항형 모델에 비해 로그우도와 예측 정확도에서 우수함을 보여준다. 특히, 특정 종이 거의 관측되지 않지만 가끔 전체 샘플을 차지하는 경우(N‑인플레이션)와 다수 종이 완전 제로인 경우를 동시에 모델링함으로써, 생물학적 해석이 가능한 파라미터 추정치를 제공한다.

전반적으로 이 논문은 제로와 N‑인플레이션을 동시에 다루는 유한 혼합 프레임워크를 제시함으로써, 다변량 카운트‑컴포지션 데이터 분석에 새로운 도구를 제공한다. 이론적 기여와 실용적 구현이 잘 조화된 점이 큰 장점이며, 향후 다른 복합 과다 제로 현상이 있는 분야(예: 유전자 발현, 환경 오염 데이터)에도 확장 가능성이 높다.