The Role of Measured Covariates in Assessing Sensitivity to Unmeasured Confounding

1. 연구 배경 및 문제 제기 (Problem)

관찰 연구 (Observational Studies) 에서 인과적 결론의 견고성을 평가하기 위해 민감도 분석 (Sensitivity Analysis) 이 널리 사용되지만, 이는 종종 측정된 공변량 (Measured Covariates) 의 구조적 특성과의 상호작용을 간과합니다.

• 핵심 문제: 측정되지 않은 교란 요인 (Latent Confounder, $U$) 을 직접 통제할 수 없을 때, 연구자들은 종종 그 대리 변수 (Proxy, $X$) 를 사용하여 교란을 통제합니다.
• 기존 통념: 노출 (Exposure, $A$) 과 측정된 공변량 ($X$) 간의 강한 상관관계 (다중공선성, Multicollinearity) 는 주로 통계적 검정력 (Statistical Power) 의 문제, 즉 표준 오차 증가와 추정치 정밀도 저하로 간주되어 왔습니다.
• 논문의 주장: 다중공선성이 단순히 정밀도 문제뿐만 아니라, 측정되지 않은 교란 요인에 대한 인과적 결론의 민감도를 증폭 (Amplify) 시킬 수 있다는 점을 지적합니다. 즉, $A$와 $X$가 강하게 연관되어 있을 때, $X$가 $U$의 불완전한 대리 변수라면 잔여 교란 (Residual Confounding) 으로 인한 편향 (Bias) 이 기존 추정치보다 훨씬 크게 증폭될 수 있습니다.

2. 방법론 (Methodology)

저자들은 선형 회귀 (Linear Regression) 설정 하에서 이 현상을 수학적으로 형식화하고, 이를 관찰 가능한 지표로 변환하는 프레임워크를 제시했습니다.

2.1 수학적 모델

• 구조 방정식:
  • 결과 변수 $Y = \alpha_0 + \beta A + \theta_X X + \gamma U + \epsilon_Y$
  • 대리 변수 $X = U + \epsilon_X$ (여기서 $\epsilon_X$는 측정 오차)
  • 가정 3.1: $A$와 $X$는 $U$를 제외하고는 공통 원인을 공유하지 않음 ($Cov(A, \epsilon_X) = 0$).
• 편향 분해 (Proposition 1):
  측정된 공변량 $X$를 포함하여 $A$에 대한 회귀 계수 ($\hat{\beta}_{Y \sim A, X}$) 를 추정할 때 발생하는 편향은 다음과 같이 분해됩니다.
  $$\hat{\beta}_{Y \sim A, X} - \beta = \gamma \cdot \frac{Var(\epsilon_X) \cdot \beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$$
  • $\gamma$: $U$가 $Y$에 미치는 교란 강도
  • $Var(\epsilon_X)$: $X$의 대리 변수로서의 품질 (오차 분산)
  • 증폭 인자 (Amplification Factor): $\frac{\beta_{A \sim X}}{Var(A)(1 - R^2_{A \sim X})}$
    • 이는 노출 모델 (Exposure Model) 에서 $X$의 계수 ($\beta_{A \sim X}$) 를 노출의 잔차 분산 (Residual Variance of A) 으로 나눈 비율입니다.
    • $A$와 $X$의 연관성이 강해질수록 (분모의 $R^2$ 증가 및 분자의 계수 증가), 측정되지 않은 교란 요인 ($U$) 으로 인한 편향이 추정치에 미치는 영향이 기하급수적으로 커집니다.

2.2 실증 분석 (Empirical Application)

• 데이터: 미국 National Health and Nutrition Examination Survey (NHANES) 의 1971-1974 년 (과거) 과 2015-2016 년 (최근) 데이터.
• 연구 대상: 흡연 (Exposure, $A$) 과 폐암 (Outcome, $Y$) 의 인과 관계.
• 대리 변수: 사회경제적 지위 (SES) 의 측정되지 않은 교란 요인 ($U$) 을 대리하는 빈곤 지수 (Poverty Index, $X$) 및 기타 인구통계학적 변수.
• 분석 절차:
  1. 흡연 상태를 예측하는 로지스틱/선형 회귀 모델을 두 시기에 각각 적합.
  2. 빈곤 지수 ($X$) 와 흡연 ($A$) 간의 연관성 강도 ($\beta_{A \sim X}$) 와 흡연의 잔차 분산 ($Var(A)(1-R^2)$) 을 계산.
  3. Proposition 1 의 비율 (Ratio) 을 계산하여 두 시기의 민감도 차이 검정.

3. 주요 결과 (Key Results)

3.1 이론적 발견

• 노출 ($A$) 과 측정된 공변량 ($X$) 간의 강한 연관성은, $X$가 측정되지 않은 교란 요인의 불완전한 대리 변수일 경우, 잔여 교란에 대한 민감도를 크게 증가시킵니다.
• 이는 기존의 "다중공선성은 표준 오차만 증가시킨다"는 통념과 대조적으로, 타당성 (Validity) 에 직접적인 위협이 됨을 보여줍니다.
• 민감도 분석 (예: Cinelli & Hazlett, 2020 의 Robustness Value) 을 수행하더라도, 이러한 증폭 효과를 고려하지 않으면 인과적 주장이 과신될 수 있습니다.

3.2 실증 분석 결과 (흡연 - 폐암 사례)

• 시간에 따른 변화: 1970 년대 초반에 비해 2015-2016 년 데이터에서 흡연 행동은 사회경제적 요인 (빈곤 지수, 교육 수준 등) 과 훨씬 더 강하게 연관되어 있음이 확인되었습니다.
  • NHANES I (1971-74): 흡연 상태 예측 모델의 C-statistic 약 0.61~0.65.
  • NHANES III (2015-16): C-statistic 약 0.70.
• 민감도 증폭: Proposition 1 의 비율 (계수/잔차 분산) 을 분석한 결과, 최근 데이터 (2015-16) 에서 이 비율이 과거 데이터 (1971-74) 에 비해 압도적으로 크고 신뢰구간이 겹치지 않습니다.
• 해석: 이는 최근의 흡연 - 폐암 인과 효과 추정치가 과거 데이터에 비해 측정되지 않은 사회경제적 교란 요인에 훨씬 더 민감하게 반응한다는 것을 의미합니다. 즉, 최근의 데이터로 추론된 인과 관계는 과거보다 더 큰 잔여 교란 편향에 취약합니다.

4. 주요 기여 (Key Contributions)

1. 다중공선성의 새로운 해석: 다중공선성을 단순한 통계적 효율성 (Efficiency) 문제가 아닌, 측정되지 않은 교란 요인에 대한 민감도 증폭 메커니즘으로 재정의했습니다.
2. 관측 가능한 민감도 지표 제시: 측정된 공변량과 노출 간의 관계를 통해 계산 가능한 간단한 비율 (계수/잔차 분산) 을 제시하여, 연구자가 인과적 결론의 취약성을 사전에 진단할 수 있는 도구를 제공했습니다.
3. 실제 데이터에 대한 경고: 흡연과 폐암이라는 고전적인 사례를 통해, 사회경제적 격차의 심화로 인해 최근의 관찰 연구 데이터가 과거보다 더 큰 교란 편향 위험에 처해 있을 수 있음을 실증했습니다.

5. 의의 및 시사점 (Significance)

• 연구 설계 및 해석의 경계: 관찰 연구에서 측정된 공변량을 선택할 때, 단순히 교란을 통제하기 위해 포함하는 것을 넘어, 해당 공변량이 노출과 얼마나 강하게 연관되어 있는지 (다중공선성) 를 신중하게 평가해야 합니다.
• 민감도 분석의 한계 보완: 기존 민감도 분석 방법론은 측정된 공변량의 구조적 특성을 충분히 반영하지 못할 수 있음을 지적하며, 향후 민감도 분석 시 노출 - 공변량 간의 연관성을 반드시 고려해야 함을 강조합니다.
• 정책적 함의: 사회경제적 요인과 건강 행동 간의 연관성이 시간이 지남에 따라 강화되는 경우 (예: 흡연의 사회경제적 집중화), 최신 데이터를 기반으로 한 인과적 추론은 과거 데이터에 비해 더 큰 불확실성을 내포할 수 있으므로 해석에 각별한 주의가 필요합니다.

결론적으로, 이 논문은 측정된 공변량과 노출 간의 강한 연관성이 측정되지 않은 교란 요인의 영향을 증폭시킬 수 있음을 수학적으로 증명하고, 이를 통해 관찰 연구의 인과적 결론에 대한 비판적 시각과 더 정교한 민감도 평가의 필요성을 제기했습니다.