📊 statistics

Two-stage Estimation for Causal Inference Involving a Semi-continuous Exposure

이 논문은 0 에 많은 질량을 가진 반연속적 노출을 다루기 위해 노출 상태와 노출 강도를 분리하여 추정하는 새로운 2 단계 추정 전략과 일반적 인과 추론 프레임워크를 제안하고, 그 일관성 및 점근적 정규성을 증명하며 시뮬레이션과 실제 사례를 통해 유효성을 입증합니다.

원저자: Xiaoya Wang, Richard J. Cook, Yeying Zhu, Tugba Akkaya-Hocagil, R. Colin Carter, Sandra W. Jacobson, Joseph L. Jacobson, Louise M. Ryan

게시일 2026-04-07

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Xiaoya Wang, Richard J. Cook, Yeying Zhu, Tugba Akkaya-Hocagil, R. Colin Carter, Sandra W. Jacobson, Joseph L. Jacobson, Louise M. Ryan

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

이 논문은 **"반-연속적 (Semi-continuous)"**이라고 불리는 특별한 종류의 데이터를 분석할 때 사용하는 새로운 통계 방법을 제안합니다. 이를 쉽게 이해하기 위해 **'술을 마시는 임산부와 아이의 지능'**이라는 실제 연구 사례를 바탕으로 비유를 들어 설명해 드리겠습니다.

1. 문제 상황: "술을 안 마신 사람"과 "술을 마신 사람"의 차이

연구자들은 임산부가 술을 얼마나 마셨는지가 아이의 지능 (IQ) 에 어떤 영향을 미치는지 알고 싶어 합니다. 여기서 데이터는 두 가지 형태로 나뉩니다.

술을 전혀 마시지 않은 엄마들 (0 잔): 이 그룹은 숫자가 0 입니다.
술을 마신 엄마들: 이 그룹은 0.1 잔, 1 잔, 5 잔 등 다양한 양을 마십니다.

통계학자들은 보통 '술을 안 마신 그룹'과 '술을 마신 그룹'을 비교하거나, '술을 마신 양'에 따른 효과를 따로 분석합니다. 하지만 이 두 가지가 섞여 있을 때 (0 이 많고, 그 외는 연속적인 숫자) 기존 방법으로는 정확한 원인과 결과를 파악하기 어렵습니다. 마치 "비행기를 타지 않은 사람"과 "비행기를 탄 사람 (1 시간, 10 시간 등 다양한 시간)"을 섞어서 "비행 시간"이 건강에 미치는 영향을 분석하려는 것과 비슷합니다.

2. 해결책: "두 단계 요리법" (Two-Stage Estimation)

저자들은 이 복잡한 문제를 해결하기 위해 **"두 단계 요리법"**을 제안합니다. 한 번에 모든 것을 해결하려 하지 않고, 두 단계로 나누어 요리합니다.

1 단계: "술을 마신 사람들끼리만 비교하기" (양 효과 분석)

상황: 이미 술을 마신 엄마들만 모인 방을 상상해 보세요.
목표: "술을 1 잔 더 마시면 아이 지능이 얼마나 변할까?"를 알아내는 것입니다.
방법: 이 단계에서는 '술을 마신 양 (Dose)'에 초점을 맞춥니다. 다른 요인들 (나이, 흡연, 집안 환경 등) 이 영향을 미치지 않도록 통계적으로 보정합니다.
비유: 마치 **"이미 스포츠를 하는 사람들만 모아놓고, '운동 시간을 1 시간 늘리면 근력이 얼마나 더 붙을까?'를 계산하는 것"**과 같습니다. 여기서 '운동 안 하는 사람'은 아예 고려하지 않습니다.

2 단계: "술을 마신 사람 vs 안 마신 사람 비교하기" (상태 효과 분석)

상황: 이제 1 단계에서 계산한 '운동량 (술의 양)'의 효과를 빼고, **'운동 자체를 시작했는지 여부'**만 비교합니다.
목표: "술을 전혀 안 마신 사람"과 "특정 기준 (예: 하루 1 잔) 만큼 마신 사람"을 비교합니다.
방법: 1 단계에서 구한 결과를 '기준점 (Offset)'으로 고정해 둔 뒤, '술을 마셨는지 여부 (Yes/No)'가 아이 지능에 미치는 순수한 영향을 계산합니다.
비유: **"운동량 (시간) 의 차이는 무시하고, '운동장 출입증 (술을 마셨는지)'을 가진 사람과 '출입증이 없는 사람'의 건강 차이를 비교하는 것"**입니다.

3. 왜 이 방법이 특별한가? (Propensity Score)

이 연구의 핵심은 **'성향 점수 (Propensity Score)'**라는 도구를 두 부분으로 나누어 쓴다는 점입니다.

기존 방법의 한계: 보통은 모든 변수를 한 번에 보정합니다. 하지만 술을 '마시게 만든 요인'과 술을 '많이 마시게 만든 요인'은 다를 수 있습니다. (예: 친구의 권유로 술을 시작했지만, 스트레스로 인해 양을 늘릴 수도 있음)
이 연구의 방법:
1. 술을 '마시게' 만든 요인을 분석하는 점수 (1 단계).
2. 술을 '많이' 마시게 만든 요인을 분석하는 점수 (2 단계).
  이 두 점수를 따로따로 계산해서 적용함으로써, 훨씬 더 정교하게 원인과 결과를 분리해냅니다.

4. 실제 적용: 디트로이트 연구 사례

이론만 설명하면 어렵지만, 연구자들은 미국 디트로이트의 실제 데이터 (480 명의 임산부와 자녀) 에 이 방법을 적용했습니다.

결과: 술을 전혀 마시지 않은 엄마의 아이와, 특정 기준량만큼 술을 마신 엄마의 아이를 비교했을 때, 술을 마시는 행위 자체가 아이의 인지 능력에 해로운 영향을 줄 가능성이 있음을 발견했습니다.
중요한 점: 기존의 단순한 방법으로는 이 차이가 통계적으로 명확하지 않았지만, 이 '두 단계 방법'을 쓰니 더 명확한 그림이 나왔습니다. (물론 통계적 유의성은 여전히 조심스럽게 해석해야 하지만, 방법론의 유효성을 입증했습니다.)

5. 요약: 이 논문이 우리에게 주는 메시지

이 논문은 **"0 이 섞여 있는 복잡한 데이터 (술, 담배, 약물 사용 등)"**를 다룰 때, **"한 번에 다 풀려고 하지 말고, '시작 여부'와 '양'을 나누어 생각하라"**고 조언합니다.

1 단계: "이미 경험한 사람들 사이에서 양의 차이를 분석하세요."
2 단계: "경험한 사람과 경험하지 않은 사람의 차이를 분석하세요."

이처럼 두 단계를 거쳐서 (Two-Stage) 분석하면, 혼란스러운 변수들 사이에서도 진짜 원인과 결과를 더 정확하게 찾아낼 수 있다는 것이 이 연구의 핵심 메시지입니다. 마치 복잡한 레시피를 단계별로 나누어 요리하면 실패 확률이 줄어드는 것과 같은 이치입니다.

이 논문은 반연속적 (semi-continuous) 노출 변수를 포함하는 인과 추론을 위한 새로운 2 단계 추정 프레임워크를 제안합니다. 반연속적 노출이란 0 에 큰 질량 (point mass) 을 가지면서, 노출된 집단 내에서는 연속적인 분포를 보이는 변수 (예: 음주, 흡연, 약물 복용량 등) 를 의미합니다.

논문은 이러한 복잡한 노출 구조를 가진 데이터에서 인과 효과를 추정하기 위한 방법론적 접근법, 이론적 성질, 시뮬레이션 결과, 그리고 실제 데이터 (산전 알코올 노출과 아동 인지 능력 연구) 에의 적용을 다룹니다.

주요 내용은 다음과 같습니다.

1. 문제 제기 (Problem)

배경: 공중보건 연구에서는 이진 (binary) 또는 연속 (continuous) 노출에 대한 인과 추론 방법이 잘 개발되어 있습니다. 그러나 많은 실제 상황 (예: 음주, 흡연) 에서 많은 대상자는 노출이 없고 (0), 노출된 대상자 중에서는 노출 강도가 다양하게 분포합니다.
한계: 기존 방법론은 이러한 '0 과 연속 분포가 공존하는' 반연속적 노출을 효과적으로 처리하지 못하거나, 단순히 모델링 도구로만 사용하며 명확한 인과적 추정량 (estimand) 과 그 점근적 성질을 체계적으로 정의하지 못했습니다.
목표: 노출 여부 (Status) 와 노출 강도 (Dose) 의 효과를 분리하여 해석 가능한 인과 효과를 추정하는 프레임워크 개발.

2. 방법론 (Methodology)

저자들은 **2 단계 추정 전략 (Two-stage estimation strategy)**을 제안하며, 각 단계에서 propensity score (PS) 를 활용합니다.

2.1. 모델 설정 및 가정

노출 변수: $A$ (노출 여부, 0 또는 1), $D$ (노출된 경우의 로그 변환된 용량).
잠재 결과 (Potential Outcomes): $Y(1, d)$ 는 용량 $d$ 에서 노출되었을 때의 결과, $Y(0, 0)$ 은 비노출 상태의 결과.
추정 목표 (Causal Estimands):
1. 노출 집단 내 용량 - 반응 효과 ( $\Delta_D$ ): 노출된 집단 내에서 용량이 1 단위 증가할 때의 평균 결과 변화.
2. 기준 용량 대비 노출 효과 ( $\Delta_0(c)$ ): 특정 임상적으로 의미 있는 기준 용량 $c$ 에서의 노출 효과와 비노출 상태의 차이.
2 부분 Propensity Score (Two-part PS):
- $S_1(Z_1)$ : 노출된 집단 내에서의 용량 분포를 설명하는 모델 ( $E[D|A=1, Z_1]$ ).
- $S_2(Z_2)$ : 노출 여부를 설명하는 모델 ( $P(A=1|Z_2)$ ).
- 여기서 $Z_1$ 과 $Z_2$ 는 각각 용량과 노출 여부에 영향을 미치는 교란 변수 집합입니다.

2.2. 2 단계 추정 절차

1 단계 (Stage I): 노출 집단 내 용량 - 반응 효과 추정
- 노출된 집단 ( $A=1$ ) 에만 초점을 맞춥니다.
- $S_1(Z_1)$ 을 기반으로 한 **PS 회귀 조정 (PS Regression Adjustment)**을 사용하여 용량 ( $D$ ) 의 효과를 추정합니다.
- 이 단계에서 얻은 용량 효과 계수 ( $\hat{\gamma}_{11}$ ) 는 2 단계에서 '오프셋 (offset)' 항으로 사용됩니다.
2 단계 (Stage II): 기준 용량 대비 노출 효과 추정
- 1 단계에서 추정된 용량 효과를 오프셋으로 고정하고, 노출 여부 ( $A$ ) 의 효과를 추정합니다.
- 세 가지 접근법을 제시합니다:
  - PS 회귀 조정: $S_2(Z_2)$ 를 공변량으로 포함하는 회귀 모델.
  - 역확률 가중치 (IPW): $S_2(Z_2)$ 를 기반으로 한 가중치 추정.
  - 증강 역확률 가중치 (AIPW): 회귀 모델과 IPW 를 결합하여 **이중 강건성 (Double Robustness)**을 확보합니다. 즉, $S_2$ 모델 또는 imputation 모델 중 하나만 정확하면 일관된 추정치를 제공합니다.

2.3. 이론적 성질

일관성 (Consistency) 및 점근적 정규성: 올바른 모델 설정 하에서 추정량이 일관적이며 점근적으로 정규 분포를 따름을 증명했습니다.
모델 오설정 (Misspecification) 하의 극한값: PS 모델이 잘못 설정되었을 때 추정량이 어떻게 편향되는지 (Bias) 를 수학적으로 유도하여 분석했습니다. 특히 1 단계의 오설정이 2 단계에 미치는 영향을 규명했습니다.

3. 주요 결과 (Results)

3.1. 시뮬레이션 연구

성능 평가: 다양한 데이터 생성 시나리오와 표본 크기 ( $n=1000$ ) 에서 6 가지 방법 (단순 회귀, 2 부분 PS 회귀, 2 단계 PS/IPW/AIPW 등) 을 비교했습니다.
정확한 모델 설정 시: 제안된 2 단계 방법 (특히 AIPW) 은 편향이 작고 95% 신뢰구간 커버리지가 명목 수준에 근사했습니다.
모델 오설정 시:
- 1 단계 PS ( $S_1$ ) 가 오설정되면 1 단계와 2 단계 모두에서 편향이 발생했습니다.
- 2 단계 PS ( $S_2$ ) 가 오설정되더라도 AIPW 방법은 imputation 모델이 정확하다면 일관된 추정치를 제공하여 이중 강건성을 입증했습니다.
- IPW 방법은 가중치의 변동성으로 인해 표준 오차가 큰 경향이 있었습니다.

3.2. 실제 데이터 적용 (Detroit Longitudinal Cohort)

데이터: 1986-1989 년 출생한 377 명의 아동의 산전 알코올 노출 (PAE) 과 7 세 때의 WISC-III 전지 IQ 점수 데이터.
노출 특성: 16.2% 의 어머니는 임신 중 음주가 없었으며 (0), 음주자는 음주량이 다양하게 분포 (반연속적).
분석 결과:
- 제안된 PS 기반 방법들은 모두 음주 상태 (Drinking Status) 와 음주량 (Dose) 이 아동의 인지 능력에 부정적인 영향을 미친다는 점근적 추정을 보였습니다.
- 기존 공변량 보정 방법 (Covariate Adjustment) 은 음주 상태에 대해 양의 효과를 추정하는 등 편향된 결과를 보일 수 있었습니다.
- AIPW 추정치는 음주 상태의 효과를 $-0.176$ (표준오차 1.965) 으로 추정했으나, 통계적으로 유의하지는 않았습니다 (표본 크기의 한계).
- 제안된 프레임워크는 노출의 '유무'와 '강도'를 분리하여 과학적 질문에 답할 수 있음을 보여주었습니다.

4. 주요 기여 및 의의 (Contributions & Significance)

통계적 프레임워크의 정립: 반연속적 노출에 대한 인과 추론을 위한 체계적인 잠재 결과 (Potential Outcomes) 프레임워크를 정립하고, 노출 상태와 용량 효과를 분리하여 추정하는 2 단계 전략을 제시했습니다.
이중 강건성 확보: 2 단계 중 2 단계에서 AIPW 를 적용함으로써, 노출 여부 모델이 잘못 설정되더라도 보정 모델이 정확하면 일관된 추정이 가능하도록 하여 방법론의 견고성을 높였습니다.
실용적 유연성: 2 단계 구조를 통해 연구자가 관심 있는 과학적 질문 (예: "음주 자체가 해로운가?" vs "음주량이 많을수록 더 해로운가?") 에 따라 유연하게 분석을 수행할 수 있게 했습니다.
실제 적용 가능성: 산전 알코올 노출과 같은 복잡한 공중보건 문제에서 기존 방법론의 한계를 극복하고, 보다 정확한 인과 효과 추정을 가능하게 함을 실증했습니다.

5. 결론 및 한계

이 연구는 반연속적 노출을 가진 관찰 연구에서 인과 추론을 위한 강력한 도구를 제공합니다. 다만, 1 단계 (용량 효과 추정) 에는 아직 이중 강건성 방법이 적용되지 않았으며, 1 단계 모델 오설정이 전체 추정에 미치는 영향을 완화하기 위한 향후 연구가 필요하다고 지적했습니다. 또한, 다중 결측치 처리와 다중 결과 변수 (Multivariate outcomes) 로의 확장도 향후 과제로 남겼습니다.

요약하자면, 이 논문은 0 과 연속값이 공존하는 복잡한 노출 데이터를 다루는 통계적 방법론을 혁신적으로 발전시켜, 공중보건 및 역학 연구에서 더 정교한 인과 추론을 가능하게 한 중요한 기여를 했습니다.