📊 statistics

Sample size and power calculations for causal inference of observational studies

본 논문은 공변량 중첩을 위한 바타차리아 계수와 교란을 위한 R-제곱 기반 민감도 매개변수라는 두 가지 핵심 매개변수를 도입하고 분산을 세 가지 구성 요소로 분해함으로써 관찰적 인과 추론의 표본 크기와 검정력 계산을 위한 분석적 공식을 제공하며, 새로운 R 패키지 및 온라인 계산기를 통해 이를 뒷받침하는 이론적 틀을 확립한다.

원저자: Bo Liu, Chengxin Yang, Fan Li

게시일 2026-05-19

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Bo Liu, Chengxin Yang, Fan Li

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

새로운 약이 실제로 효과가 있는지 파악하려는 형사가 되어 상상해 보세요. 과학의 이상적인 세계에서는 **무작위 대조 시험 (RCT)**을 수행합니다. 이는 환자마다 동전을 던지는 것과 같습니다. 앞면이면 약을, 뒷면이면 가짜 약 (설탕 알약) 을 투여합니다. 동전 던지기가 무작위이기 때문에 치료 시작 전 두 그룹은 모든 면에서 동일합니다. 만약 약을 투여받은 그룹이 호전된다면, 그것은 다른 요인이 아니라 약의 효과임을 알 수 있습니다.

하지만 동전을 던질 수 없는 상황이라면 어떨까요? 윤리적으로 문제 있거나, 비용이 너무 많이 들거나, 실행상 불가능할 수 있습니다. 이때는 관측 데이터를 사용해야 합니다. 이는 병원의 기록을 살펴보는 것과 같습니다. 어떤 환자들은 우연히 약을 받았고, 다른 환자들은 받지 못했습니다. 문제는 약을 받은 사람들이 처음부터 더 아팠거나, 더 부유했거나, 더 나이가 많았을 수 있다는 점입니다. 이러한 차이들을 **교란 변수 (confounders)**라고 부릅니다. 이들은 상황을 흐리게 만들어 약이 효과가 있었는지, 아니면 환자들의 출발점이 달랐기 때문인지 구분하기 어렵게 만듭니다.

이 논문은 이러한 messy 한 현실 세계의 기록으로 일해야 하는 형사들을 위한 안내서입니다. 이는 다음과 같은 중요한 질문에 답합니다: "내가 스스로를 속이지 않도록 하기 위해 몇 개의 환자 기록을 살펴봐야 할까요?"

다음은 간단한 비유를 사용한 그들의 해결책에 대한 개요입니다:

1. 낡은 지도의 문제

과거 연구자들은 messy 한 관측 데이터를 완벽한 동전 던지기 실험인 것처럼 가정하여 필요한 기록 수를 계산하려 했습니다. 그들은 무작위 시험을 위해 설계된 표준 공식을 사용했습니다.

결함: 이는 고속도로용 지도로 늪지를 항해하려는 것과 같습니다. 재앙으로 이어집니다. 결국 100 개의 기록만 필요하다고 생각하지만, 데이터가 너무 "노이즈 (교란)"가 많기 때문에 실제로는 1,000 개가 필요합니다. 연구를 수행하고 아무것도 찾지 못했을 때, 충분한 수의 사람을 조사하지 않았음을 깨닫게 됩니다.

2. 새로운 공식: 세 가지 재료

저자들은 관측 데이터의 "노이즈"를 파악하기 위해 연구 시작 전 모든 환자의 모든 세부 사항을 알 필요가 없다고 깨달았습니다 (그런 정보는 연구 시작 전에는 없습니다). 오직 세 가지 특정 사항만 이해하면 됩니다:

성향 점수 분포 (The "Likelihood" Map):
- 무엇인가: 개인의 특성에 따라 치료를 받을 확률은 얼마나 되는가?
- 비유: "치료" 그룹 쪽과 "대조" 그룹 쪽의 방이 얼마나 붐비는지 보여주는 지도를 상상해 보세요. 두 그룹이 완전히 다르다면 (예: 치료 그룹은 젊은이만, 대조 그룹은 노인만 포함), 지도는 매우 불균형합니다. 이를 **불량한 중첩 (poor overlap)**이라고 합니다.
- 논문의 트릭: 두 그룹이 얼마나 유사한지 측정하는 Bhattacharyya 계수라는 특별한 수치를 사용합니다 (이를 **중첩 점수 (Overlap Score)**라고 부르겠습니다). 점수가 높으면 그룹이 유사한 것 (좋음) 이고, 낮으면 매우 다른 것 (나쁨) 입니다.
잠재적 결과 분포 (The "Natural Variation"):
- 무엇인가: 환자 결과의 자연스러운 변동은 얼마나 큰가?
- 비유: 약 없이도 어떤 환자는 빠르게 회복하고, 어떤 환자는 오랜 시간이 걸립니다. 이는 단순한 자연스러운 무작위성입니다.
상관관계 (The "Confounding Strength"):
- 무엇인가: 환자의 특성이 치료 받을 확률과 결과 모두를 얼마나 강력하게 예측하는가?
- 비유: 이것이 "비밀 연결고리"입니다. 아픈 상태가 약을 받을 확률을 높이고 동시에 회복할 확률을 낮춘다면, 그 연결고리는 엄청난 노이즈를 생성합니다. 저자들은 이 연결고리의 강도를 측정하기 위해 **민감도 매개변수 (sensitivity parameter)**를 제안합니다 (이를 **교란 계수 (Confounding Coefficient)**라고 부르겠습니다). 이는 결과를 얼마나 잘 예측하는지 측정하는 표준 통계량인 **R-제곱 (R-squared)**을 사용하여 추정할 수 있다고 제안합니다.

3. "마법" 같은 결과

이 논문의 가장 큰 돌파구는 미래 데이터를 예측하는 수정구슬이 필요하지 않다는 것을 보여준 것입니다. 무작위 시험에 사용되는 표준 수치 위에 **두 가지 추가 수치 (중첩 점수와 교란 계수)**만 있으면 됩니다.

중첩이 좋다면 (그룹이 유사함) 그리고 교란이 약하다면, 더 적은 기록이 필요합니다.
중첩이 나쁘다면 (그룹이 완전히 다름) 또는 교란이 강하다면, 동일한 수준의 확신을 얻기 위해 훨씬 더 많은 기록이 필요합니다.

4. "안전망" 접근법

저자들은 **Hájek 역확률 가중치 추정기 (Hájek Inverse Probability Weighting estimator)**라는 특정 통계 도구를 중심으로 공식을 구축했습니다.

비유: 이를 "보수적" 전략이라고 생각하세요. 필요 이상으로 약간 무거운 낙하산을 챙기는 것과 같습니다. 가장 가볍고 빠른 비행 방법은 아닐지 모르지만, 추락하지는 않을 것이라고 보장합니다.
그들은 이 방법을 선택했는데, 그 이유는 데이터 분포의 정확한 모양을 미리 추측할 필요가 없기 때문입니다. 데이터 모양을 잘못 추측하면 다른 방법들은 실패할 수 있지만, 이 "무거운 낙하산" 방법은 여전히 안전하고 보수적인 답변을 제공합니다 (즉, 엄격하게 필요한 것보다 약간 더 많은 사람을 필요로 한다고 계산할 수는 있지만, 절대 너무 적은 수로 끝나지는 않습니다).

5. 현실 세계 테스트

저자들은 다음과 같이 그들의 공식을 테스트했습니다:

가짜 데이터: 그들은 다양한 수준의 "messiness (중첩)"와 "교란"을 가진 수백만 명의 가상의 환자를 만들었습니다. 그들의 공식은 실제 효과를 발견하는 데 필요한 올바른 인원 수를 일관되게 예측했습니다.
실제 데이터: 그들은 심장 카테터 삽입 (의료 시술) 에 관한 유명한 데이터 세트를 사용했습니다. 그들은 만약 오래된 "무작위 시험" 방법을 사용했다면 약 1,500 명의 환자가 필요하다고 생각했을 것이라고 보였습니다. 하지만 그들의 새로운 방법은 약 3,600 명이 필요하다는 것을 올바르게 계산했습니다. 오래된 방법을 사용했다면 연구가 심각하게 통계적 검정력 (power) 이 부족해져 (진실을 놓칠 가능성이 높음) 실패했을 것입니다.

요약

이 논문은 관측 연구를 위한 계산기를 제공합니다. 연구자들에게 다음과 같이 말합니다: "필요한 기록 수를 단순히 추측하지 마세요. 그룹이 얼마나 유사한지 (중첩) 와 숨겨진 연결고리가 얼마나 강한지 (교란) 를 측정하세요. 그 두 수치를 우리의 새로운 공식에 입력하면 시간과 돈을 낭비하지 않도록 연구를 얼마나 크게 해야 하는지 정확히 알 수 있습니다."

저자들은 복잡한 수학을 직접 수행하지 않고도 누구나 이 새로운 방법을 사용할 수 있도록 무료 소프트웨어 도구 (R 패키지 및 온라인 계산기) 까지 만들었습니다.

기술적 요약: 관찰 연구에서 인과 추론을 위한 표본 크기와 검정력 계산

문제 제기
표본 크기와 검정력 계산은 무작위 대조 시험 (RCT) 에서는 표준적인 관행이지만, 관찰 연구에서는 여전히 미개발 상태이며 도전적입니다. RCT 에서는 무작위화가 교란을 제거하여 단순한 평균 차이에 기반한 폐쇄형 (closed-form) 공식을 사용할 수 있습니다. 반면, 관찰 연구는 편향 없는 치료 효과 추정을 위해 교란을 보정해야 합니다. 관찰 연구용 검정력 분석을 위한 기존 방법들은 종종 전체 데이터 생성 과정에 대한 검증 불가능한 가정 하에 개별 데이터를 시뮬레이션하거나, 설계 단계에서 사용할 수 없는 가중치 분포에 대한 지식을 요구하는 분산 확대 인자를 사용합니다. 그 결과, RCT 기반 공식을 관찰 연구에 적용하는 것은 종종 심각한 검정력 부족을 초래하는 반면, 현재 시뮬레이션 기반 접근법들은 충분한 요약 통계를 결정하기 위한 이론적 기반이 부족합니다.

방법론
저자들은 평균 치료 효과 (ATE) 에 대한 Hájek 역확률 가중치 (IPW) 추정량의 분산에 기반한 표본 크기와 검정력 계산을 위한 분석 공식을 개발했습니다. 핵심 혁신은 추정량의 분산을 세 가지 해석 가능한 구성 요소로 분해하는 것입니다: 경향성 점수 분포, 잠재적 결과 분포, 그리고 이들의 상관관계입니다.

설계 단계에서 이용 가능한 요약 통계로부터 이러한 구성 요소를 계산 가능하게 만들기 위해, 저자들은 다음과 같은 프레임워크를 제안합니다:

경향성 점수 분포: 경향성 점수에 대해 로지스틱 회귀 모델을 가정하고, 저자들은 Lyapunov 중심극한정리를 사용하여 공변량의 선형 결합 ( $X'\beta$ ) 을 정규 분포로 근사합니다. 이는 경향성 점수가 로짓 - 정규 분포를 따른다는 것을 의미합니다. 계산을 용이하게 하기 위해 이를 베타 분포로 근사합니다. 저자들은 베타 모수 ( $a, b$ ) 가 두 가지 입력값을 사용하여 유일하게 식별 가능함을 보여줍니다:
- 치료 비율 ( $r$ ).
- 치료군과 대조군의 경향성 점수 밀도 간의 Bhattacharyya 계수로 정의된 중첩 계수 ( $\phi$ ). 이 계수는 군 간 공변량 분포의 유사성을 정량화합니다.
잠재적 결과 분포: 저자들은 동질적 치료 효과와 등분산 오차를 가진 준모수적 제한된 평균 모델을 가정합니다. 결과와 경향성 점수 선형 예측자의 결합 분포를 이변량 정규 분포로 근사합니다. 잠재적 결과와 경향성 점수 간의 상관관계는 공변량에 대한 결과 회귀의 $R^2$ 통계량으로 제한되는 "교란 계수"( $\rho$ ) 로 포착됩니다.
분석 공식: 이러한 구성 요소를 통합함으로써, 저자들은 유의수준 $\alpha$ 에서 검정력 $\beta$ 로 표준화된 효과 크기 ( $e_\tau$ ) 를 검출하는 데 필요한 최소 표본 크기 ( $N$ ) 에 대한 폐쇄형 공식을 유도합니다. 이 공식은 표준 RCT 입력값 ( $\alpha, \beta, e_\tau, r$ ) 에 두 가지 새로운 매개변수, 즉 중첩 계수 ( $\phi$ ) 와 교란 계수 ( $\rho$ ) 를 더한 것에 의존합니다.

이 방법론은 기울기 함수 하에서 분산을 계산하기 위해 수치적 적분을 사용하여, 치료군 평균 치료 효과 (ATT) 와 중첩 평균 치료 효과 (ATO) 를 포함한 다른 가중 평균 치료 효과 (WATE) 추정량으로 확장됩니다.

주요 결과
합성 데이터와 실제 데이터 기반의 비모수적 시뮬레이션 (우심실 카테터 삽입 데이터셋 사용) 을 통한 광범위한 수치 실험을 통해 저자들은 다음과 같은 것을 입증했습니다:

정확성: 제안된 분석 공식은 공변량 중첩의 다양한 정도와 치료 효과 시나리오에 걸쳐 명목 수준 (예: 0.80) 에 근접한 경험적 검정력을 일관되게 달성합니다.
강건성: 이론적 분산이 조건부 치료 효과의 분산에 의존함에도 불구하고, 이 방법은 동질적 치료 효과 가정이 위반될 때 (즉, 이질적 치료 효과가 존재할 때) 도 강건하게 유지됩니다.
기존 방법과의 비교:
- 교란을 무시하는 표준 두 표본 z-검정과 비교할 때, 제안된 방법은 공변량 중첩이 악화됨에 따라 더 큰 표본 크기의 필요성을 올바르게 식별하는 반면, z-검정은 요구 사항을 과소평가합니다.
- Shook-Sa 와 Hudgens(2022) 의 분산 확대 인자 방법과 비교할 때, 제안된 방법은 특히 교란 계수 ( $\rho$ ) 가 0 일 때 약간 더 보수적이고 정확하며, $\rho$ 가 작을 때 차이는 미미합니다.
추정량 효율성: 시뮬레이션은 공변량 중첩이 불량할 때 ATO 추정량이 ATE 나 ATT 에 비해 현저히 작은 표본 크기를 필요로 함을 강조하며, 이러한 맥락에서 연구 설계에 ATO 가 더 효율적인 선택임을 시사합니다.
민감도: 요구되는 표본 크기는 중첩이 불량할 때 주로 교란 계수 ( $\rho$ ) 에 민감하므로, 설계 단계에서 중첩과 교란 강도를 모두 평가하는 것의 중요성을 재확인합니다.

의의 및 주장
이 논문은 복잡한 분산 공식을 몇 가지 해석 가능하고 일반적으로 이용 가능한 요약 매개변수의 함수로 축소함으로써 관찰 연구의 검정력 분석에 대한 이론적 토대를 확립했다고 주장합니다. 저자들은 그들의 접근 방식이 전체 데이터 생성 과정이나 개별 수준 데이터에 대한 검증 불가능한 가정을 필요로 하지 않는다고 논합니다.

주요 기여점은 다음과 같습니다:

이론적 분해: 표준 RCT 입력값을 넘어 두 가지 추가 매개변수 ( $\phi$ 와 $\rho$ ) 만으로 관찰 연구의 최소 표본 크기를 결정할 수 있음을 보여줍니다.
실용적 유용성: 연구자들이 파일럿 데이터나 도메인 지식을 사용하여 이러한 계산을 수행할 수 있도록 하는 PSpower R 패키지와 온라인 계산기 개발.
설계 지침: 자원 제약이 있는 전향적 관찰 연구 (예: 희귀 질환) 나 비용이 수반되는 데이터 소스 (예: 전자 건강 기록) 를 선택할 때 중요한 사후 검정력 분석을 수행할 수 있는 프레임워크 제공.

저자들은 자신의 유도가 로지스틱 경향성 점수 모델과 등분산 제한된 평균 결과 모델에 의존함을 인정하며 겸손한 입장을 유지합니다. 그들은 Hájek 추정량이 이중 강건 추정량보다 효율성이 낮지만, 데이터 수집 전에 특정 결과 모델을 전제함으로써 발생하는 설계 - 분석 불일치 위험을 피하기 위해 표본 크기 계산에 이를 사용한다고 지적합니다. 그들은 자신의 작업을 실제 분석 단계에서 더 효율적인 추정량을 사용할 수 있는 유연성을 갖춘, 검정력 부족 연구에 대한 보수적인 안전장치로 위치시킵니다.