Overcoming Selection Bias in Statistical Studies With Amortized Bayesian Inference

1. 문제 정의 (Problem Statement)

• 선택 편향 (Selection Bias): 관측 데이터가 모집단에서 무작위로 추출되지 않고, 관심 있는 변수 (결과, 공변량, 잠재 변수 등) 와 관련된 확률에 따라 선택될 때 발생합니다. 이는 추정치와 불확실성 정량화에 체계적인 왜곡을 초래합니다.
  • 예시: 특정 결과 (예: 감염) 를 가진 개인이 연구에 포함될 확률이 더 높거나, 사망으로 인해 질병 발병 시점이 관측되지 않는 경우 (경쟁 위험).
• 기존 방법의 한계:
  • 역확률 가중치 (IPW), Heckman 보정 등: 선택 메커니즘에 대한 명시적인 가능도 (Likelihood) 가 계산 가능 (Tractable) 해야 합니다. 복잡한 확률적 모델, 잠재 동역학, 고차원 구조가 포함된 경우 적용이 어렵습니다.
  • 기존 시뮬레이션 기반 추론 (SBI): 일반적으로 관측 데이터가 생성 과정의 편향 없는 실현이라고 가정합니다. 선택 메커니즘이 명시적으로 모델에 포함되지 않으면, 편향된 데이터에 적용 시 편향된 사후 분포와 잘못된 불확실성 추정을 초래합니다.
• 핵심 과제: 가능도가 계산 불가능한 복잡한 모델에서, 선택 메커니즘 (Outcome-dependent, Informative censoring 등) 을 명시적으로 고려하면서도 편향을 보정하고 검증 가능한 (Testable) 베이지안 추론 프레임워크를 구축하는 것입니다.

2. 방법론 (Methodology)

저자들은 편향을 인지하는 (Bias-aware) 확장 (Amortized) 베이지안 추론 프레임워크를 제안합니다.

• 핵심 아이디어: 선택 메커니즘을 생성 모델 (Generative Simulator) 의 일부로 직접 통합합니다.

  • 전진 과정 (Forward Process): 모수 ($\theta$) 와 공변량 ($C$) 에서 시작하여 결과 ($Y$) 를 생성한 후, 선택 연산자 ($S$) 를 적용하여 관측 가능한 샘플 ($Y, S=1$) 을 얻습니다.
  • 학습 데이터: 이 과정을 반복하여 $(\theta, Y, S=1, C)$의 결합 분포를 생성하고, 이를 기반으로 신경망 사후 추정기 (Neural Posterior Estimator, NPE) 를 훈련시킵니다.
  • 결과: NPE 는 편향된 관측 데이터에서 모집단 모수 $\theta$의 올바른 조건부 분포 $p(\theta | Y, S=1; C)$를 직접 학습하게 됩니다. 이 접근법은 가능도 함수의 명시적 계산이 필요하지 않습니다.

• 확장성 (Amortization):

  • 한 번 훈련된 NPE 는 재훈련 없이 다양한 데이터셋과 다른 선택 메커니즘에 적용 가능합니다. 이는 다양한 연구 설계 하에서의 편향 분석과 민감도 분석을 효율적으로 수행할 수 있게 합니다.

• 진단 및 검증 도구:

  • 시뮬레이션 기반 보정 (SBC, Simulation-Based Calibration): 학습된 사후 분포가 참 모수의 순위 분포가 균일하게 나오는지 확인하여 보정 상태를 평가합니다.
  • 분류기 기반 2-표본 검정 (C2ST, Classifier Two-Sample Test): 학습된 사후 분포에서 추출한 샘플과 실제 관측 데이터의 결합 분포가 훈련 시 생성된 결합 분포와 통계적으로 구별 가능한지 확인합니다. C2ST 점수가 0.5 에 가까우면 (무작위 추측 수준) 모델이 잘 보정되었다는 것을 의미합니다.

3. 주요 기여 (Key Contributions)

1. 가능도 불필요한 편향 보정 프레임워크: 복잡한 선택 메커니즘 (결과 의존적, 공변량 의존적, 잠재 상태 의존적) 을 가진 모델에서 가능도 함수를 유도할 필요 없이 편향을 보정하는 최초의 확장 베이지안 프레임워크를 제안했습니다.
2. 검증 가능한 편향 보정: 단순히 편향을 보정하는 것을 넘어, C2ST 와 같은 도구를 통해 실제 데이터에서 편향이 존재하는지, 보정이 제대로 되었는지를 통계적으로 검증하는 체계를 마련했습니다.
3. 다양한 시나리오 적용: 역학 (전염병), 임상 연구 (치매), 가정 내 전파 모델링 등 세 가지 서로 다른 선택 편향 시나리오에서 기존 방법론 (IPW, MCMC, 가능도 기반 접근법) 과 비교하여 우월성을 입증했습니다.

4. 실험 결과 (Results)

연구는 세 가지 실제 및 시뮬레이션 사례를 통해 프레임워크를 평가했습니다.

• 사례 1: KoCo19 연구 (유병률 추정 및 결측 데이터)

  • 상황: SARS-CoV-2 항체 유병률 추정. 표본이 대표성이 부족하고 결과값 (감염 여부) 이 결측된 경우.
  • 결과: 기존 역확률 가중치 (IPW) 는 결과 결측이 정보적 (Informative) 일 때 편향을 보정하지 못했습니다. 반면, 제안된 편향 인지 NPE 는 시뮬레이션과 실제 데이터 모두에서 더 정확한 유병률 추정을 제공했으며, C2ST 를 통해 사후 분포의 보정 상태가 검증되었습니다.

• 사례 2: Framingham Heart Study (치매 발병 시간 분석 및 사망으로 인한 결측)

  • 상황: 사망으로 인해 치매 발병 시점이 관측되지 않는 경쟁 위험 (Competing Risk) 시나리오.
  • 결과: 사망으로 인한 결측을 무시하고 훈련된 표준 NPE 는 전이 위험 (Hazard) 을 심각하게 과소/과대 평가했습니다. 편향 인지 NPE 는 사망 메커니즘을 시뮬레이터에 포함시켜 정확한 전이 위험을 복원했으며, C2ST 점수가 0.5 근처로 보정되었음을 확인했습니다. 기존 가능도 기반 방법 (스플라인 기반) 과도 일치하는 결과를 보였습니다.

• 사례 3: PedCovid 연구 (가정 내 전파 모델링)

  • 상황: 특정 연령대 (예: 어린이) 가 양성 판정을 받은 경우에만 연구에 포함되는 결과 의존적 선택 편향.
  • 결과: 복잡한 확률적 전파 모델에서 가능도가 계산 불가능하거나 복잡하여 MCMC 는 편향된 선택을 가정할 때 체계적인 편향을 보였습니다. 편향 인지 NPE 는 선택 메커니즘을 명시적으로 모델링하여 모든 선택 시나리오에서 참 모수를 정확하게 복원했습니다. 또한, MCMC 에 비해 추론 속도가 수천 배 빠릅니다 (GPU 기반).

5. 의의 및 결론 (Significance and Conclusion)

• 패러다임의 전환: 선택 편향을 사후 통계적 보정 (Post-hoc correction) 의 문제가 아니라, **명시적인 생성 모델링 (Explicit Generative Modeling)**의 문제로 재정의했습니다. 이는 불확실성이 결과 과정과 선택 과정 모두에서 사후 분포를 통해 일관되게 전파되도록 합니다.
• 실용성: 복잡한 시뮬레이션 모델 (예: 역학 모델, 에이전트 기반 모델) 이 널리 사용되는 분야에서, 가능도 함수를 유도할 수 없더라도 편향을 보정하고 검증할 수 있는 실용적인 도구를 제공합니다.
• 확장성: 확장 (Amortized) 특성 덕분에 훈련된 모델은 다양한 연구 설계와 데이터 수집 프로토콜에 즉시 적용 가능하여, 연구 설계 단계에서의 편향 영향 분석 및 민감도 분석을 용이하게 합니다.

이 논문은 통계적 추론에서 선택 편향을 해결하기 위한 강력한 새로운 방법론을 제시하며, 특히 가능도가 계산 불가능한 현대적인 복잡한 모델링 환경에서 신뢰할 수 있는 추론을 가능하게 합니다.