Bayesian Nonparametrics for Principal Stratification with Continuous Post-Treatment Variables

1. 연구 배경 및 문제 정의 (Problem)

• 주요 층화 (Principal Stratification): 치료 후 변수 (Intermediate variable) 가 존재할 때 인과 효과를 추정하기 위한 프레임워크입니다. 잠재적 치료 후 반응에 따라 개체를 '주요 층 (Principal Strata)'으로 분류하여 이질적인 치료 효과를 분석합니다.
• 기존 연구의 한계: 기존 문헌은 주로 이분형 (Binary) 치료 후 변수에 초점을 맞추어 왔습니다. 치료 후 변수가 연속형일 경우, 잠재적 층의 수가 무한해지고 자연스러운 이산화 (discretization) 기준이 부재하여 해석과 모델링이 매우 어렵습니다.
• 현재 방법론의 문제점:
  • 임계값 설정 (Thresholding): 연속 변수를 임의로 이분화하거나 임계값을 설정하여 층을 정의하는 방식은 주관적이며 결과에 큰 영향을 미칠 수 있습니다.
  • 파라메트릭/반파라메트릭 모델: 강건한 구조적 가정을 요구하거나 외부 기준에 의존하여 무한한 잠재 층을 축소해야 하는 문제가 있습니다.
  • 비분리 (Dissociative) 층의 부재: 연속 분포에서는 치료 전후 변수의 차이가 정확히 0 이 될 확률이 0 이므로, '치료가 중간 변수에 영향을 미치지 않는 집단 (비분리 층)'을 확률적으로 정의하기 어렵습니다.

2. 제안된 방법론: CASBAH (Methodology)

저자들은 **의존 디리클레 프로세스 (Dependent Dirichlet Process, DDP)**를 기반으로 한 **공유 원자 베이지안 혼합 모델 (Shared-atoms Bayesian Mixture Model)**인 CASBAH 를 제안합니다.

• 핵심 아이디어:
  • 주요 층을 사전에 정의된 임계값이 아닌, **잠재적 사후 처리 변수의 기대값이 동일한 잠재 하위 집단 (latent subpopulations)**으로 정의합니다.
  • 공유 원자 (Shared Atoms): 치료군 (Treatment) 과 대조군 (Control) 모두에서 동일한 혼합 원자 (mixture atoms) 를 공유하도록 하여, 두 조건 하에서의 잠재적 반응을 연결합니다.
• 모델 구조:
  • 혼합 가중치 (Mixture Weights): 관측된 교란 변수 (Covariates) 에 의존하는 프로빗 스틱 브레이킹 (Probit Stick-breaking) 과정을 사용하여 혼합 가중치를 모델링합니다. 이를 통해 교란 변수를 직접적으로 보정합니다.
  • 잠재 변수: 각 개체 $i$에 대해 $S_i^{(0)}$와 $S_i^{(1)}$라는 잠재 범주형 변수를 도입하여, 해당 개체가 치료/대조군에서 각각 어떤 혼합 성분 (Cluster) 에 속하는지 나타냅니다.
  • 비분리 층 (Dissociative Stratum) 정의: $S_i^{(0)} = S_i^{(1)}$인 경우를 비분리 층으로 정의합니다. 이 모델은 **사전 확률 (Prior Probability)**상에서 $S_i^{(0)} = S_i^{(1)}$일 확률이 0 이 아니도록 설계되어, 데이터에 따라 비분리 층이 존재할 가능성을 자연스럽게 포착합니다.
• 추론 (Inference):
  • 깁스 샘플링 (Gibbs Sampling) 을 통해 사후 분포를 추정합니다.
  • 누락된 잠재적 사후 처리 변수 ($P_i(0), P_i(1)$) 와 결과 변수 ($Y_i(0), Y_i(1)$) 를 동시에 임의화 (Imputation) 하고, 주요 층 소속에 대한 불확실성을 사후 추론을 통해 정량화합니다.

3. 주요 기여 (Key Contributions)

1. 데이터 적응형 층 식별: 임의의 임계값이나 외부 규칙 없이, 데이터에 기반하여 연관성 (Associative) 과 비연관성 (Dissociative) 층을 자동으로 식별합니다.
2. 불확실성 정량화: 주요 층에 속하는 개체의 불확실성을 확률적으로 정량화하며, 이는 주요 인과 효과 (Principal Causal Effects) 추정의 신뢰구간에 반영됩니다.
3. 이론적 보장: Theorem 1을 통해 교란 변수에 따라 비분리 층에 속할 확률이 0 이 아니며, 사전적으로 정의될 수 있음을 증명했습니다.
4. 교란 변수 보정: 혼합 가중치에 교란 변수를 직접 통합하여 측정된 교란을 완전히 비모수적으로 보정합니다.

4. 실험 및 결과 (Results)

A. 시뮬레이션 연구 (Simulation Study)

• 비교 대상: Schwartz et al. (2011) 의 모델 및 Lu et al. (2023) 의 코풀라 (Copula) 모델과 비교했습니다.
• 성능:
  • 편향 (Bias): CASBAH 은 잠재적 사후 처리 변수와 결과 변수의 기대값 추정에서 다른 두 방법보다 훨씬 낮은 편향을 보였습니다. (Schwartz 모델은 5 개 시나리오 중 4 개에서 심각한 편향을 보임).
  • 층 식별: 조정된 랜덤 지수 (Adjusted Rand Index) 가 거의 1 에 가까워 주요 층을 매우 정확하게 식별했습니다.
  • 인과 효과 추정: 주요 인과 효과 ($\tau_0, \tau_+, \tau_-$) 를 정확하게 추정하는 반면, 기존 방법들은 층을 정의하지 못하거나 편향된 결과를 보였습니다.

B. 실증 분석: 미국 대기 질 규제 및 건강 영향 (Case Study)

• 데이터: 2005 년 미국 국가 대기 질 기준 (NAAQS) 개정과 관련된 384 개 카운티 데이터 (PM2.5 농도 및 사망률).
• 분석 결과:
  • CASBAH 은 3 가지 주요 층을 식별했습니다:
    1. 비분리 층 (Dissociative, 32%): 규제가 PM2.5 농도에 유의미한 영향을 미치지 않은 지역.
    2. 부정적 연관 층 (Associative Negative, 56%): 규제로 인해 PM2.5 가 감소한 지역.
    3. 긍정적 연관 층 (Associative Positive, 12%): 규제로 인해 PM2.5 가 오히려 증가한 지역.
  • 인과 효과:
    • PM2.5 가 감소한 지역 (부정적 연관 층) 에서 사망률이 유의하게 감소했습니다 (중앙값 8.12‰ 감소).
    • 반면, PM2.5 변화가 없거나 증가한 지역에서는 사망률에 유의미한 인과 효과가 관찰되지 않았습니다.
  • 특성 분석: PM2.5 가 감소한 지역은 도시화, 고소득, 고학력 지역인 반면, 비분리/긍정적 연관 층은 농촌, 저소득, 소수계열 비율이 높은 지역으로 특징지어졌습니다.

5. 의의 및 결론 (Significance)

• 방법론적 혁신: 연속형 사후 처리 변수를 다루는 주요 층화 문제에서 임의의 임계값 설정 없이도 해석 가능하고 통계적으로 엄밀한 접근법을 제시했습니다.
• 실용적 가치: 환경 정책 평가와 같이 치료 후 변수가 연속적이고 이질적인 효과를 가질 수 있는 분야에서, 정책의 실제 효과를 하위 집단별로 정교하게 평가할 수 있는 도구를 제공합니다.
• 미래 연구: 현재 선형 결과 모델을 사용했으나, 향후 비선형 모델 적용, 연속형 치료 변수 확장, 생존 분석 (Time-to-event) 적용 등으로 확장 가능성이 있습니다.

요약하자면, 이 논문은 CASBAH를 통해 연속형 중간 변수를 가진 인과 추론의 난제를 해결하고, 데이터 기반의 유연한 층화 및 불확실성 정량화를 가능하게 하여 기존 방법론의 한계를 극복했습니다.