Local Variable and Neighborhood Selection for Firearm Fatality in the Southeast USA

기술 요약: 미국 남동부 총기 사망 관련 국지적 변수 선택 및 이웃 선택

문제 정의
미국 내 총기 관련 사망은 인종, 연령, 성별, 소득 분포의 국지적 변화에 의해 유발되는 상당한 공간적 이질성을 나타낸다. 독립 데이터(예: LASSO, SCAD)에 대한 변수 선택 연구와 공간 데이터에 대한 일부 연구는 광범위하게 존재하지만, 국지적 변수 선택(local variable selection) 및 선택 후 추론(post-selection inference), 특히 공간적으로 상관되어 있고 과산포(over-dispersed)된 카운트 데이터에 대한 방법론의 부재는 중요한 공백으로 남아 있다. 전통적인 접근 방식은 전역적 변수 중요성을 가정하거나, 방향성 이방성(directional anisotropy) 또는 잠재적 공간 무작위 효과 구조의 국지적 변화를 포착하지 못하는 임의의 공간 이웃 구조(예: 고정된 1차 또는 2차 이웃)를 부과한다. 본 논문은 총기 사망 건수가 특정 임계값을 초과하는 지점을 대상으로 영향력 있는 사회경제적 요인과 적절한 공간 이웃 구조를 식별하는 문제를 다룬다.

방법론
저자들은 공간적으로 인덱싱된 음이항(Negative Binomial, NB) 데이터를 위한 2단계 국지적 변수 선택 및 추론 프레임워크를 제안한다.

1. 1단계: 국지적 변수 선택 (LSPMLE):

   • 국지화(Localization): 테일러 급수 전개를 사용하여 참조 위치 $s^{(0)}_i$ 주변에서 평균 함수를 국지화한다. 이는 회귀 계수 $\beta_k(s)$를 국지적 절편($\gamma_k$), 수평 기울기($\delta_k$), 수직 기울기($\tau_k$)로 분해하여 예측 변수의 효과가 방향에 따라 변화할 수 있도록 한다.
   • 패널티 부여(Penalization): 국지화된 의사 로그 가능도(pseudo-log-likelihood)에 SCAD(Smoothly Clipped Absolute Deviation) 패널티를 적용하여 관련 예측 변수를 선택한다. 이는 특정 위치에 대한 활성 공변량 집합 $\hat{A}^{(i)}_n$을 식별하기 위해 초기에는 무작위 효과가 없다는 가정하에 수행된다.
   • 최적화(Optimization): 고차원 국지 문제와 공선성을 효율적으로 처리하기 위해 앤더슨 가속 좌표 하강(Anderson-accelerated coordinate descent) 알고리즘을 활용한다. 튜닝 파라미터(대역폭 $h$ 및 패널티 $\lambda$)는 가중 콰시-BIC(Weighted Quasi-BIC, WQBIC) 기준을 통해 선택된다.

2. 2단계: 국지적 이웃 추론:

   • 재적합(Refitting): 1단계에서 선택된 예측 변수를 사용하여 패널티 없이 회귀 계수와 공간 무작위 효과를 추정하기 위해 모델을 재적합한다.
   • 이웃 선택(Neighborhood Selection): 표준 "룩(rook)" 이웃과 방향성 이방성 구조(예: 북쪽 전용, 동-서 또는 남-서 조합)를 포함한 15가지의 뚜렷한 공간 이웃 구조를 평가한다.
   • 추론(Inference): 공간 가중치 행렬을 국지화하고, 데이터에 가장 잘 맞는(공간 무작위 효과의 가능도 기여도를 최대화하는) 이웃 구조를 식별한다. 이를 통해 공간 의존성 구조의 방향성 변화를 추론할 수 있다.

이론적 특성
본 논문은 고정된 공간 영역 내에서 샘플링 지점의 수가 증가하는 인필 밀집 점근 이론(infill asymptotics) 하에서 이론적 결과를 확립한다.

• 존재성 및 일관성: 저자들은 패널티가 부여된 가능도의 국지적 극대값이 존재함을 증명한다.
• 수렴 속도: 추정량은 $O_P(\alpha_n)$의 속도로 수렴하며, 여기서 $\alpha_n = \sqrt{K_n/N_n}$ ($K_n$은 예측 변수의 수, $N_n$은 표본 크기)이다.
• 희소성 선택(Sparsity Selection): 피셔 정보 행 matrix의 거동 및 SCAD 미분값에 대한 특정 정칙성 조건을 포함한 특정 조건 하에서, 이 방법은 일관된 희소성 선택을 달성한다. 즉, 표본 크기가 커짐에 따라 0인 계수를 올바르게 식별할 확률이 1에 수렴한다.

주요 기여

1. 2단계 국지화 접근법: SCAD를 사용하여 국지적으로 예측 변수를 먼저 선택한 후(무작위 효과가 없다고 가정), 선택된 예측 변수를 사용하여 회귀 계수와 이웃 토폴로지를 추정하는 프레임워크를 도입하였다.
2. 방향성 변화 특성화: 계수 곡면(예: 예측 변수가 남-북 방향보다 동-서 방향에서 더 강한 효과를 가짐)과 공간 이웃 구조에서 나타나는 방향성 변화를 명시적으로 모델링하고 식별한다.
3. 데이터 기반 이웃 선택: 고정된 공간 구조를 가정하는 대신, 특정 "핫스팟" 카운티에 대해 가장 적절한 유형의 공간 이웃(예: 1차 이웃 또는 방향성 이방성)을 식별한다.
4. 과산포된 영역 데이터에 대한 적용: 음이항 분포를 통해 모델링된 과산포된 영역 데이터에 대해 국지적 변수 선택을 수행한 첫 번째 연구이다.

결과

• 시뮬레이션 연구: 방법론(LSPMLE)은 800개의 예측 변수와 다양한 표본 크기를 가진 시뮬레이션된 공간 카운트 데이터에 대해 테스트되었다. 결과적으로 LSPMLE는 표본 크기가 증가함에 따라 진성 국지 변수 선택 확률(TLVSP) 및 진성 전역 변수 선택 확률(TGVSP) 측면에서 글로벌 SCAD 및 글로벌 적응형 LASSO(AL)보다 우수한 성능을 보였다. 이 방법은 실제 국지적 변수 집합과 잠재적 이웃 구조를 성공적으로 복구하였다.
• 실제 데이터 분석 (미국 남동부, 2024): 본 프레임워크를 미국 남동부 카운티의 총기 사망 데이터에 적용하였다.
  • 카운티별 발견 사항: 분석 결과 영향력 있는 예측 변수는 카운티마다 달랐다. 예를 들어, 켄터키주의 플로이드(Floyd)와 노트(Knott) 카운티에서는 남성/여성 인구의 중위 연령과 하와이 원주민/태평양 섬 주민 여성 인구가 선택된 반면, 조지아주의 도어티(Dougherty) 카운티에서는 백인 남성 및 아메리카 원주민 인구와 관련된 변수들이 유의미했다.
  • 이웃 구조: 최적의 공간 이웃 구조도 위치에 따라 달랐다. 예를 들어, 플로리다의 프랭클린(Franklin) 카운티는 주로 서쪽을 따라 공간 의존성을 보였으나, 켄터키의 플로이드 카ло티는 표준 "룩(rook)"(1차) 구조에 의해 더 잘 모델링되었다.
  • 비교: 글로벌 방법들(AL 및 SCAD)은 균일한 변수 집합과 단일한 전역 이웃 구조(대부분 북향)를 선택하여, 제안된 방법이 식별한 국지적 이질성을 포착하는 데 실패하였다.

의의 및 주장
본 논문은 자신의 주요 의의가 공간적으로 상관되어 있고 과산포된 데이터를 위한 국지적 변수 선택에 관한 문헌의 "공백"을 해결하는 데 있다고 주장한다. 글로벌 가정을 탈피함으로써 이 방법은 다음을 제공한다:

1. 국지적 추론: 특정 위치의 사회 인구학적 맥락에 특화된 변수를 선택할 수 있는 능력 (예: 한 카운티에서는 젊은 흑인 남성을 위험 요인으로 선택하고, 다른 카운티에서는 고령의 백인 여성을 요인으로 선택하는 것).
2. 방향성 통찰: 선택된 예측 변수가 방향성(예: 특정 지리적 축을 따라 더 강한 효과)을 가지고 어떻게 영향을 미치는지 식별함.
3. 구조적 유연성: 고정된 공간 이웃 구조에 대한 임의의 가정을 제거하여, 데이터가 각 핫스팟에 적합한 공간 의존성 유형(예: 이방성 대 등방성)을 결정하도록 함.

저자들은 이 접근 방식이 총기 사망의 동인을 더욱 미묘하게 이해할 수 있게 해주며, 이는 표적화된 공중 보건 개입에 매우 중요하다고 결론짓는다. 또한 향-후 연구를 통해 이를 완전한 일반화 선형 모델, 공간 무작위 효과를 포함한 통합 패널티 로그 가능도 프레임워크, 그리고 시공간적 맥락으로 확장할 수 있음을 언급하였다.