Semiparametric Inference under Dual Positivity Boundaries:Nested Identification with Administrative Censoring and Confounded Treatment

1. 연구 배경 및 문제 정의 (Problem)

이 논문은 관찰 연구 (Observational Studies) 에서 발생하는 두 가지 주요 결측 데이터 메커니즘이 동시에 작용할 때의 통계적 추론 문제를 다룹니다.

• 관리적 중도절단 (Administrative Censoring): 장기 결과 (Long-term outcome) 를 측정하기 위해 긴 추적이 필요하지만, 연구 대상자의 상당 부분이 결과 확인 전에 연구에서 탈퇴하거나 중도절단되는 경우입니다. 이는 중도절단 확률 ($g_\Delta$) 이 0 에 가까워질 수 있는 '양의성 (Positivity) 위반'을 초래합니다.
• 처치 혼란 (Treatment Confounding): 관찰 데이터에서 처치 (Treatment) 가 관측된 공변량에 의존하여 할당되는 경우, 처치 확률 (Propensity score, $g_A$) 이 0 또는 1 에 가까워지는 또 다른 양의성 위반이 발생합니다.

기존 방법론의 한계:
기존의 이중 강건 (Doubly Robust, DR) 추정량은 두 가지 결측 메커니즘을 모두 보정하기 위해 $g_\Delta^{-1} \cdot g_A^{-1}$ 형태의 역확률 가중치를 사용합니다. 이는 두 가지 양의성 위반이 동일한 공변량 영역에 집중될 경우 가중치가 극단적으로 커져 추정의 분산이 급격히 증가하고 (Variance Inflation), 신뢰구간의 커버리지가 붕괴되는 문제를 야기합니다.

핵심 문제:
단일 중도절단이나 단일 혼란만 있는 경우와 달리, 두 가지 양의성 경계 (Dual Positivity Boundaries) 가 동시에 존재하고 상호작용할 때의 준모수적 추론 이론과 분산 구조가 명확히 규명되지 않았습니다.

---

2. 방법론 (Methodology)

저자는 중첩 식별 (Nested Identification) 전략을 사용하여 관리적 중도절단 문제를 해결하고, 여기에 혼란된 처치를 고려한 새로운 추론 체계를 개발했습니다.

2.1 중첩 식별 (Nested Identification)

단기 중간 변수 (Short-term intermediate variable, $S$) 가 장기 결과 ($Y$) 에 대한 대리 변수 (Surrogate) 역할을 하며, $S$가 관측되면 중도절단 ($\Delta$) 이 결과에 대한 추가 정보를 제공하지 않는 조건 (Surrogate-mediated MAR) 을 가정합니다.

• 식별식: 목표 모수 $\Psi(P_0)$는 결과 회귀 ($\bar{Q}_Y$) 를 조건부 중간 변수 분포 ($S|A, W$) 에 대해 적분하는 중첩 함수 (Nested Functional) 로 식별됩니다.
  $$\Psi(P_0) = E_W [ E_{S|A=1,W}[\bar{Q}_Y(S, 1, W)] - E_{S|A=0,W}[\bar{Q}_Y(S, 0, W)] ]$$
• 효과: 이 식별식은 중도절단 확률 $g_\Delta$의 역수 ($g_\Delta^{-1}$) 를 전혀 포함하지 않으므로, 관리적 중도절단으로 인한 역가중치 불안정성을 근본적으로 제거합니다.

2.2 이중 경계 구조와 비대칭성

중첩 식별은 두 가지 양의성 경계를 서로 다른 역할로 분리합니다.

1. 중도절단 경계 ($g_\Delta$): 식별식에서는 제거되었으나, 효율적 영향 함수 (Efficient Influence Function, EIF) 의 점수 (Score) 잔차에는 여전히 존재합니다.
2. 처치 경계 ($g_A$): 식별식과 EIF 모두에 존재하며, 타겟팅 (Targeting) 단계에서 '교묘한 공변량 (Clever Covariates)'을 통해 작용합니다.

2.3 추정량 구성 (Targeted Estimator)

저자는 SA-TMLE (Surrogate-Augmented Targeted Minimum Loss Estimator) 를 제안합니다.

• 2 단계 타겟팅:
  1. 1 단계: 결과 모델 ($\bar{Q}_Y$) 을 중도절단과 처치 가중치로 보정.
  2. 2 단계: 중간 변수 모델 ($\bar{Q}_{int}$) 을 처치 가중치 ($g_A^{-1}$) 로 보정하여 잔차 항을 제거.
• 교차 적합 (Cross-fitting): 과적합을 방지하고 Donsker 조건을 완화합니다.
• 분산 추정: Leave-One-Out (LOO) 잭나이프 (Jackknife) 를 사용하여 모든 영역 (강한 감소, 단일 경계, 이중 경계) 에서 유효한 분산을 추정합니다.

---

3. 주요 기여 및 이론적 결과 (Key Contributions & Results)

이 논문은 준모수적 결측 데이터 방법론에 네 가지 주요 이론적 기여를 합니다.

3.1 변동 결합 (Fluctuation Coupling, Proposition 3)

• 내용: 타겟된 추정량이 중첩 점수 방정식을 풀 때, 중간 변수 회귀의 수렴 속도는 결과 모델의 품질에 의존하지만, 처치 확률 모델 ($g_A$) 의 품질에는 의존하지 않습니다.
• 이유: 점수 잔차 (Score residuals) 가 처치 확률에 의존하는 변수들을 조건으로 했을 때 조건부 평균이 0 이기 때문입니다.
• 의미: $g_A$가 잘못 설정되어도 편향 (Bias) 이 발생하지 않으며, 오직 분산의 한계 (Rate limitation) 만 영향을 받습니다.

3.2 3 구성 요소 강건성 기하학 (Three-component Robustness Geometry, Theorem 4)

• 내용: 잔차 (Remainder) 는 두 개의 이차 항 ($R^{(1)}_2$: 결과 $\times$ 중도절단, $R^{(2)}_2$: 중간 $\times$ 처치) 으로 분해됩니다.
• 비대칭 강건성:
  • 기존 DR 추정량: 결과 모델 또는 처치 모델 중 하나만 맞으면 $\sqrt{n}$-일관성을 가짐.
  • 본 논문 (이중 경계): 어떤 단일 구성 요소만으로는 $\sqrt{n}$-일관성을 보장할 수 없음.
  • 필요 조건: 결과 모델이 정확해야 하며, 동시에 처치 확률 모델 ($g_A$) 이 일관성 (Consistency) 을 가져야 함 (수렴 속도는 임의). 중도절단 모델 ($g_\Delta$) 은 결과 모델과 상호보완적 (Double Robustness) 입니다.
• 위험: $g_A$가 일관성이 없으면 추정량은 여전히 일관되지만, 분산 추정량이 과소평가되어 신뢰구간 커버리지가 붕괴되는 '근접 경계 (Near-boundary)' 영역에 진입합니다.

3.3 이중 근접 경계 분산 분해 (Dual Near-Boundary Variance Decomposition, Proposition 6)

• 내용: 표본 분산은 두 잔차 항의 분산과 그 공분산 ($c_{12}$) 으로 구성됩니다.
• 상호작용: 두 경계 (중도절단과 혼란) 가 동일한 공변량 영역에 집중될 때, 공분산 $c_{12}$가 양수가 되어 전체 분산 격차가 개별 기여도의 합을 초과합니다 (Variance Inflation Amplification).
• 해결: 표준 샌드위치 (Sandwich) 분산 추정량은 이 추가적인 공분산과 잔차 항을 포착하지 못해 커버리지를 과소평가합니다. 반면, 잭나이프 (Jackknife) 는 이 모든 요소를 포착하여 모든 영역에서 정확한 커버리지를 제공합니다.

3.4 시뮬레이션 결과

• 균일한 유효성: 제안된 잭나이프 기반 Wald 구간은 4 가지 모든 영역 (강한 감소, 단일 중도절단, 단일 처치, 이중 경계) 에서 명목 커버리지 (약 95%) 를 유지했습니다.
• 변동 결합의 검증: 처치 모델 ($g_A$) 을 잘못 설정하더라도 추정량의 편향은 발생하지 않았습니다.
• 분산 비율 ($\hat{\rho}$): 결과 모델이 잘못 설정되었을 때 ($MQ$), 분산 비율$\hat{\rho} = \hat{V}{JK} / \hat{V}{Sand}$가 1 을 초과하여 샌드위치 추정의 과소평가를 확인했습니다.
• SA-TMLE vs AIPW: 중도절단이 주된 문제일 때, 중첩 식별을 사용하는 SA-TMLE 는 표준 AIPW 보다 분산이 작고 근접 경계 심각도가 낮았습니다.

---

4. 의의 및 결론 (Significance & Conclusion)

• 실무적 함의: 관찰 연구에서 장기 결과 분석 시 관리적 중도절단과 혼란이 동시에 존재하는 것은 드문 일이 아닙니다. 이 논문은 이러한 상황에서 중첩 식별 전략이 중도절단 가중치를 제거하여 효율성을 높일 수 있음을 보였으나, 그 대가로 처치 가중치의 일관성이 필수적임을 경고합니다.
• 추론 권장사항:
  1. 분산 추정: 표준 샌드위치 추정량은 근접 경계 영역에서 신뢰할 수 없으므로, 잭나이프 (Jackknife) 또는 BCa 부트스트랩을 사용해야 합니다.
  2. 모델 우선순위: 결과 모델 ($\bar{Q}_Y$) 과 처치 모델 ($g_A$) 에 모두 높은 자원을 투입해야 합니다. 중도절단 모델 ($g_\Delta$) 은 결과 모델과 이중 강건성을 가지므로 상대적으로 우선순위가 낮습니다.
  3. 데이터 환경: 전자 건강 기록 (EHR) 이나 청구 데이터와 같은 대규모 관찰 데이터에서 장기 효과 분석 시, 이 이론적 프레임워크가 필수적입니다.

이 논문은 이중 양의성 경계 하에서의 준모수적 추론에 대한 체계적인 이론적 기반을 마련하고, 실제 데이터 분석에서 발생할 수 있는 분산 과소평가 및 커버리지 붕괴 문제를 해결하는 실용적인 가이드를 제공합니다.