Bounding causal effects with an unknown mixture of informative and non-informative missingness

이 논문은 실험 및 관찰 연구 데이터에서 결과 변수 (outcome) 가 결측될 때, 그 결측 메커니즘이 **정보적 결측 (informative missingness, MNAR)**과 **비정보적 결측 (non-informative missingness, MAR)**의 알 수 없는 혼합 (mixture) 으로 이루어진 상황을 가정하고, 인과 효과 (causal effects) 에 대한 경계 (bounds) 를 추정하는 새로운 프레임워크를 제안합니다.

주요 내용은 다음과 같습니다.

1. 문제 제기 (Problem)

• 결측 데이터의 현실: 임상 시험이나 관찰 연구에서 피험자가 중도 탈락하거나 데이터가 누락되는 경우가 빈번합니다.
• 기존 방법의 한계: 대부분의 연구는 결측이 관찰된 공변량 (covariates) 에만 의존한다는 '결측 무작위성 (Missing At Random, MAR)' 가정을 합니다. 그러나 실제로는 결측 자체가 결과 변수의 값이나 관찰되지 않은 요인과 연관된 '결측 비무작위성 (Missing Not At Random, MNAR)'일 가능성이 높습니다.
• 혼합 결측의 복잡성: 특히, 결측의 원인이 완전히 알려지지 않은 경우, 어떤 결측은 무작위적이고 (행정적 결측 등), 어떤 결측은 결과와 연관된 정보적 결측일 수 있습니다. 연구자는 어떤 결측이 어떤 유형인지 구분할 수 없습니다.
• 인과 추론의 어려움: 이러한 상황에서 평균 치료 효과 (ATE) 와 같은 표준 인과 추정량은 식별 불가능 (non-identifiable) 해집니다.

2. 방법론 (Methodology)

저자들은 혼합 결측 (Mixture Missingness) 프레임워크를 도입하여 다음과 같은 접근법을 제시합니다.

• 가정 (Assumptions):
  • 결측은 관찰되지 않은 두 가지 지시 변수, 즉 **비정보적 결측 ($UNI$)**과 **정보적 결측 ($UI$)**의 혼합으로 정의됩니다.
  • $UNI$는 결과와 조건부 독립이지만,$UI$는 결과와 의존할 수 있습니다.
  • 교란 변수를 통제하기 위해 관찰된 공변량 $X$가 충분하다고 가정합니다 (No unmeasured confounding).
• 경계 추정 (Bounding Strategy):
  • 추가적인 가정 없이도 관찰된 데이터만으로 ATE 의 하한 ($\ell_0$) 과 상한 ($u_0$) 을 구할 수 있는 일반적 경계를 유도합니다.
  • 민감도 분석 (Sensitivity Analysis): 경계를 좁히기 위해 사용자가 지정할 수 있는 민감도 파라미터를 도입합니다.
    • $\delta_a$: 결측 중 정보적 결측이 차지하는 비율.
    • $\tau_a$: 정보적 결측 집단의 결과 위험도와 관찰된 집단의 위험도 비율.
  • 이러한 파라미터에 대한 다양한 가정 (예: 단조성, 비율의 상한/하한) 을 적용하여 더 좁은 경계를 도출합니다.
  • Tipping Point 분석: 관측된 인과 효과가 0 이 되거나 부호가 바뀌기 위해 필요한 정보적 결측의 최소 규모 (예: 위험도 증가 배수) 를 역산하여 분석합니다.
• 추정자 (Estimators):
  • 영향 함수 기반 (Influence-function based) 추정자를 개발했습니다.
  • 이 추정자는 **이중 강건성 (Doubly-robust)**을 가지며, 공변량, 치료 할당 확률, 결측 확률, 결과 모델 등 방해 변수 (nuisance functions) 에 대해 유연한 비모수적 방법이나 머신러닝 (예: 랜덤 포레스트) 을 사용할 수 있습니다.
  • 방해 변수 추정치가 $n^{-1/4}$보다 빠르게 수렴하기만 하면, 추정치는 $\sqrt{n}$-수렴 속도와 점근적 정규성을 가집니다.

3. 주요 기여 (Key Contributions)

1. 새로운 민감도 분석 프레임워크: 결측 메커니즘이 완전히 알려지지 않은 혼합 상태에서도 인과 효과를 경계화할 수 있는 체계적인 방법을 제시했습니다.
2. 유연한 추정 및 추론: 머신러닝을 활용한 비모수적 추정과 함께, 민감도 파라미터에 따른 경계 변화와 tipping point 를 분석할 수 있는 도구를 제공합니다.
3. 경쟁 사건 (Competing Events) 처리: 결측이 사망과 같은 경쟁 사건으로 인한 경우, ATE 대신 **복합 결과 (Composite ATE)**나 **분리 가능 직접 효과 (Separable Direct Effect, SDE)**와 같은 대안적 추정량에 대한 경계와 식별 조건을 제공합니다.
4. 소프트웨어 구현: 제안된 방법을 R 패키지 (marbounds) 로 구현하여 연구자들이 쉽게 적용할 수 있도록 했습니다.

4. 결과 (Results)

• 시뮬레이션 연구: 제안된 추정자가 이론적으로 예측한 대로 편향이 적고, 95% 신뢰구간이 명목 수준을 잘 유지함을 확인했습니다. 특히 방해 변수 모델이 복잡할 때 머신러닝을 사용하더라도 $\sqrt{n}$ 수렴 속도를 달성함을 보였습니다.
• 실제 데이터 적용 (항정신병제와 당뇨병 위험):
  • 메디케어 어드밴티지 보험 데이터를 이용해 항정신병제 (Aripiprazole, Haloperidol 등) 가 당뇨병 발병 위험에 미치는 영향을 분석했습니다.
  • 단순 MAR 가정을 할 때 (Naive analysis) 는 일부 약물이 당뇨병 위험을 낮춘다는 결과가 나왔으나, 이는 결측이 무작위라는 강한 가정에 기반했습니다.
  • 민감도 분석 결과: 정보적 결측이 존재할 가능성을 고려한 경계 분석을 통해, Haloperidol 의 경우 정보적 결측이 당뇨병 위험을 10 배 이상 증가시키지 않는 한, 당뇨병 위험 감소 효과가 유의미함을 확인했습니다. 반면, 다른 약물들 (예: Quetiapine) 은 정보적 결측의 영향에 더 민감하여 결론이 덜 견고했습니다.
  • 이는 결측 메커니즘에 대한 불확실성을 정량화하고, 연구 결과의 견고성을 평가하는 데 필수적임을 보여줍니다.

5. 의의 (Significance)

이 논문은 관찰 연구와 무작위 대조 시험 (RCT) 에서 흔히 발생하는 '결측 데이터의 원인 불명' 문제를 해결하는 강력한 도구를 제공합니다.

• 실무적 유용성: 연구자들이 민감도 파라미터를 사전에 정확히 지정하기 어려운 경우에도, 다양한 가정 하에서 인과 효과의 범위를 제시하거나, 결론이 무너지기 위한 '임계점 (tipping point)'을 분석함으로써 결과 해석의 신뢰도를 높입니다.
• 방법론적 발전: 기존에 주로 매개변수적 (parametric) 모델에 의존하던 민감도 분석을 비모수적/머신러닝 기반의 유연한 프레임워크로 확장하여, 복잡한 실제 데이터 환경에 적용 가능성을 높였습니다.
• 임상적 함의: 특히 정신건강 분야에서 약물 안전성 평가 시, 중도 탈락이나 데이터 누락이 환자의 건강 상태 (결과) 와 연관되어 있을 가능성을 고려함으로써, 더 안전하고 정확한 임상 의사결정을 지원합니다.

요약하자면, 이 연구는 불완전한 데이터 환경에서도 인과 추론의 불확실성을 정량화하고 견고한 결론을 도출할 수 있는 새로운 통계적 프레임워크를 제시했다는 점에서 중요한 의의를 가집니다.