Doubly robust estimation with functional outcomes missing at random

논문 요약: 결측이 있는 함수형 결과변수를 위한 이중 강건 추정 (Doubly Robust Estimation with Functional Outcomes)

1. 연구 배경 및 문제 제기 (Problem)

• 문제의 정의: 많은 연구 (예: 인간 운동 분석, 생애 소득 궤적 분석 등) 에서 결과 변수가 스칼라 (단일 값) 가 아닌 함수형 데이터 (Functional Data, $L^2([0,1], \mathbb{R})$) 로 관측됩니다. 그러나 조사 무응답이나 추후 연구 중 탈락 등으로 인해 일부 개체의 전체 함수형 결과 데이터가 결측되는 경우가 빈번합니다.
• 가정: 본 논문은 결측 메커니즘이 관측된 공변량 (Covariates) 에만 의존한다는 결측 무작위성 (Missing at Random, MAR) 가정을 전제로 합니다.
• 기존 연구의 한계:
  • 기존 스칼라 결과변수에 대한 반모수적 추정법 (Outcome Regression, Inverse Probability Weighting 등) 은 함수형 데이터에 직접 적용하기 어렵습니다.
  • 기존 함수형 데이터 분석 문헌은 주로 '분할된 (fragmented)' 데이터 (도메인의 일부만 관측됨) 를 다루며, 공변량을 활용한 결측 처리나 이중 강건성 (Doubly Robustness) 을 고려하지 않았습니다.
  • 함수형 결과변수의 평균을 추정할 때, 모델 오차에 대한 분산 구조와 동시에 신뢰 구간 (Simultaneous Confidence Bands) 을 구성하는 이론적 근거가 부족했습니다.

2. 방법론 (Methodology)

저자들은 함수형 결과변수의 평균 ($\mu_y = E[Y]$) 을 추정하기 위해 두 가지 반모수적 추정량을 제안하고 그 점근적 성질을 분석했습니다.

• 추정 모델:

  1. 결과 회귀 모델 (Outcome Regression, OR): $Y_i = x_i^\top \beta + \epsilon_i$ (함수형 선형 회귀).
  2. 결측 확률 모델 (Propensity Score): $Pr(Z_i=1|x_i) = \tau(x_i^\top \gamma)$ (로지스틱 회귀, $\tau$는 로지스틱 함수).

• 제안된 추정량:

  1. OR 추정량 (Outcome Regression Imputed Estimator):
     $$\hat{\mu}_{OR} = n^{-1} \sum_{i=1}^n x_i^\top \hat{\beta}$$
     (결측된 $Y_i$를 회귀 모델로 예측하여 대체)
  2. 이중 강건 추정량 (Doubly Robust, DR Estimator):
     $$\hat{\mu}_{DR} = n^{-1} \sum_{i=1}^n \left( x_i^\top \hat{\beta} + \frac{Z_i}{\tau(x_i^\top \hat{\gamma})} (Y_i - x_i^\top \hat{\beta}) \right)$$
     (OR 추정량에 역확률 가중치를 이용한 보정항을 추가)

• 점근적 이론 (Asymptotic Theory):

  • 이산화 및 유한 차원 근사: 함수형 도메인 $[0,1]$을 유한한 점으로 이산화하여 다변량 추정량의 점근적 정규성을 유도했습니다.
  • tightness (긴밀성) 증명: 유한 차원 결과를 기반으로 함수형 추정량의 tightness 를 증명하여, 무한 차원 함수형 추정량의 극한 분포가 가우스 과정 (Gaussian Process, GP) 임을 보였습니다.
  • 공분산 함수 명시: OR 및 DR 추정량의 점근적 공분산 함수를 명시적으로 유도했습니다. 이는 기존 문헌에서 찾아보기 힘든 중요한 기여입니다.

3. 주요 기여 (Key Contributions)

1. 함수형 데이터에 대한 이중 강건성 확립: DR 추정량이 결과 회귀 모델 또는 결측 확률 모델 중 하나만 올바르게 지정되어도 (즉, 다른 하나는 틀려도) 일관성 (Consistency) 과 $\sqrt{n}$-일관성을 가지며, 극한 분포가 0 평균의 가우스 과정이 됨을 증명했습니다.
2. 공분산 함수의 명시적 유도: 스칼라 결과가 아닌 함수형 데이터에 대한 OR 및 DR 추정량의 공분산 함수를 이론적으로 도출했습니다.
3. 동시 신뢰 구간 (Simultaneous Confidence Bands, SCB) 구성: 유도된 가우스 과정 극한 분포와 공분산 함수를 활용하여, 전체 도메인에 걸쳐 일정한 커버리지 (Coverage) 를 보장하는 동시 신뢰 구간을 구성할 수 있음을 보였습니다. 이는 [Liebl & Reimherr, 2023] 의 'Fast and Fair' 방법을 적용하여 계산 효율성을 높였습니다.

4. 실험 결과 (Results)

• 모의 실험 (Monte Carlo Study):

  • 데이터 생성: 가우스 과정 오차와 다변량 t-분포 오차 (비선형/비정규성 시나리오) 를 사용하여 다양한 샘플 크기 ($n=250 \sim 3000$) 와 모델 오지정 (Misspecification) 시나리오를 테스트했습니다.
  • 커버리지 성능:
    • 모델이 올바르게 지정되었거나 DR 추정량의 조건 (모델 중 하나만 정확) 을 만족할 때, 제안된 동시 신뢰 구간 (SCB) 은 명목 수준 (95%) 에 근접한 경험적 커버리지를 보였습니다.
    • 반면, 점별 신뢰 구간 (PCB) 은 도메인 전체를 고려하지 않아 커버리지가 급격히 떨어졌습니다.
    • DR 추정량은 두 모델 모두 틀린 경우를 제외하고는 편향 (Bias) 이 거의 없었으며, 단순 완전 사례 분석 (Complete Case Analysis) 에 비해 훨씬 우수한 성능을 보였습니다.
  • 비정규성 robustness: 이론적 가정인 "거의 확실하게 1 회 미분 가능"이라는 조건을 위반하는 t-분포 오차 시나리오에서도 SCB 의 커버리지 성능이 양호하게 유지되었습니다.

• 실제 데이터 적용 (Application):

  • 사례: 1954 년 출생 스웨덴 코호트 데이터를 활용하여, "만약 모든 사람이 20 세에 대도시 노동시장에 거주했다면 생애 소득 궤적은 어떻게 되었을까?"라는 반사실적 (Counterfactual) 질문을 분석했습니다.
  • 결과: DR 추정량을 사용하여 추정한 평균 소득 궤적은 단순 관측 데이터 평균 (Naive estimator) 과 유의미한 차이를 보였습니다. 특히 초기 연도에는 과대평가, 30 대 이후에는 과소평가되는 경향이 있음을 동시 신뢰 구간을 통해 확인했습니다.

5. 의의 및 결론 (Significance)

• 통계적 방법론의 확장: 결측 데이터가 있는 함수형 결과변수에 대한 강력한 반모수적 추정 프레임워크를 제공했습니다.
• 인과 추론 (Causal Inference) 적용성: 잠재 결과 (Potential Outcomes) 프레임워크와 결합하여 관측 데이터로부터 인과적 효과 (예: 지역별 노동시장의 소득 영향) 를 추정할 때, 모델 오지정 위험을 줄이고 불확실성을 정량화할 수 있는 도구를 제시했습니다.
• 실용성: 동시 신뢰 구간을 통해 함수 전체에 걸쳐 통계적 유의성을 판단할 수 있게 하여, 정책 결정이나 과학적 해석에 더 신뢰할 수 있는 근거를 제공합니다.

이 논문은 함수형 데이터 분석과 결측 데이터 처리, 그리고 인과 추론을 융합한 중요한 연구로, 복잡한 실증 연구에서 함수형 결과변수의 평균 추정을 위한 표준적인 방법론을 제시합니다.