Causal Small Area Estimation with Survey-only Covariates

기술적 요약: 설문 조사 전용 공변량을 활용한 인과적 소구역 추정

문제 제기
본 논문은 기존 인과적 소구역 추정 (SAE) 방법론의 근본적인 한계를 다룹니다. 전통적인 인과적 SAE 접근법 (예: Ranjbara 등, 2023; Reluga 등, 2025) 은 일반적으로 전체 인구에 대해 처치 상태가 관측된다고 가정하여 관측되지 않은 잠재적 결과를 추산합니다. 그러나 현실적인 설문 조사 환경에서는 처치와 결과 변수 모두 표본 추출된 단위에서만 관측되는 경우가 많으며, 보조 공변량 (예: 인구 조사 데이터) 만 전체 인구에 대해 이용 가능합니다. 이러한 데이터 구조는 표준적인 추산 기반 전략을 적용 불가능하게 만듭니다. 또한, 기존 모델 기반 접근법은 종종 '이중 강건성 (doubly robust)' 속성이 부족하여 복잡하고 이질적인 인구 집단에서 모델 오지정 (misspecification) 에 취약합니다. 핵심 과제는 처치와 결과가 부분적으로 관측될 때, 인구 수준 보조 데이터에는 존재하지 않는 설문 조사 전용 공변량을 활용하여 구역별 평균 처치 효과 (ATE) 를 식별하고 추정하는 것입니다.

방법론
저자들은 설계 기반 설문 조사 추론과 이중 강건 인과 추정을 통합한 새로운 프레임워크를 제안합니다.

1. 식별 전략:
   본 논문은 네 가지 핵심 가정 하에 구역별 ATE($\tau_j$) 에 대한 새로운 식별 결과를 확립합니다:

   • (A1) 표본 추출 무관성: 표본 추출은 인구통계학적 특성과 구역을 조건으로 할 때 잠재적 결과 및 처치와 독립적입니다.
   • (A2) 비교란성: 표본 내 관측된 공변량을 조건으로 할 때 처치 할당은 잠재적 결과와 독립적입니다.
   • (A3) 중첩성: 모든 표본 추출, 구역, 그리고 처치 층에 대해 양의 확률이 존재합니다.
   • (A4) 구역 무관성: 잠재적 결과와 처치는 관측된 공변량 (인구 수준 $X$ 및 설문 조사 전용 $Z$ 모두) 을 조건으로 할 때 구역 표시자와 독립적입니다.

   이러한 가정 하에 저자들은 직접적인 구역 내 추정기와 다른 구역으로부터 힘을 빌리는 '부분 풀링 (partial pooling)' 항을 결합한 $\tau_j$의 분해식을 유도합니다. 이는 모든 구역의 관측치를 재가중하여 목표 구역의 공변량 분포를 회복함으로써 달성됩니다.

2. 이중 강건 추정량:
   식별 공식을 바탕으로 저자들은 이중 강건 (DR) 추정량을 구성합니다. 이 추정량은 다음 중 하나가 성립할 경우 일관성을 유지합니다:

   • 결과 회귀 모델 ($m_0, m_1$) 이 올바르게 지정된 경우, 또는
   • 처치 성향 ($e$) 과 구역 할당 확률 ($\pi_A$) 에 대한 방해 함수 (nuisance functions) 가 올바르게 지정된 경우.

   추정 함수는 처치 할당, 설문 조사 표본 추출, 그리고 구역 할당이라는 세 가지 선택 메커니즘을 통합합니다. 고유한 구성 요소는 구역 분포의 불일치를 보정하여 구역 간 정보 이동을 가능하게 합니다.

3. 추정 절차:

   • 방해 함수: 본 방법은 결과 회귀, 성향 점수, 그리고 구역 할당 확률을 모수적 작업 모델 (선형, 로지스틱, 다항 로지스틱) 을 사용하여 추정합니다.
   • 크로스 피팅 (Cross-fitting): 유효한 점근적 추론을 보장하고 방해 추정으로 인한 1 차 편향을 제거하기 위해 저자들은 표본을 폴드 (fold) 로 나누어 크로스 피팅을 수행합니다.
   • 분산 추정: 본 논문은 준모수적 효율성 한계를 유도하고 영향 함수 표현에 기반한 실현 가능한 분산 추정량을 제안합니다. 두 가지 추정량이 제안됩니다: Horvitz-Thompson 유형과 정규화된 Hájek 유형입니다.

주요 기여

• 새로운 식별 프레임워크: 본 논문은 설문 조사 전용 공변량 ($Z$) 을 인구 수준 보조 데이터 ($X$) 와 통합함으로써 부분적으로 관측된 처치와 결과가 있는 환경으로 인과 추론을 확장합니다. 이는 Kuriwaki 와 Yamauchi(2021) 의 평균 추정에서 인과적 매개변수로 식별 전략을 일반화한 것입니다.
• 이중 강건성: 제안된 추정량은 복잡한 설문 조사 환경에서 모델 오지정에 대한 보호를 제공하는 이중 강건성을 가지며, 이는 전통적인 혼합 효과 SAE 모델에서 종종 결여된 특징입니다.
• 효율성 이론: 저자들은 복잡한 표본 추출 하에서 구역별 ATE 에 대한 준모수적 효율성 한계를 유도하고, 제안된 추정량이 정규성 조건 하에서 이 한계에 도달함을 입증합니다.
• 실용적 알고리즘: 크로스 피팅과 표준 모수적 모델을 활용한 구체적인 추정 알고리즘이 제공되어, 이 접근법이 실제 세계 설문 조사 데이터에 적용 가능하도록 합니다.

결과

• 시뮬레이션 연구: $N=400,000$ 및 $N=800,000$을 사용한 몬테카를로 실험은 제안된 Hájek 유형 추정량을 직접 추정량 및 Horvitz-Thompson 유형 추정량과 비교합니다.

  • 안정성: 직접 추정량은 소규모 구역에서 높은 분산과 불안정성을 보입니다. Horvitz-Thompson 추정량은 극단적인 가중치로 인해 편향에서 상당한 변이성을 보입니다. 제안된 Hájek 유형 추정량은 훨씬 더 안정적인 편향과 더 낮은 평균 제곱근 오차 (RMSE) 를 보여줍니다.
  • 효율성: Hájek 추정량은 올바른 지정 하에서 직접 추정량에 비해 상당한 효율성 향상을 달성하며, 평균 손실의 백분율 상대 개선 (PRIAL) 은 72.9% 에서 86.7% 사이입니다.
  • 강건성: 이중 강건 조건이 위반되더라도 (예: 오지정된 성향 점수), Hájek 추정량은 대안들에 비해 상대적으로 안정적인 성능을 유지합니다.
  • 분산 추정: 분산 추정량은 일부 시나리오에서 합리적으로 작동하지만, 저자들은 특히 정규화가 추가적인 변이성을 도입하는 Hájek 추정량의 경우 유한 표본 분산 추정에서 어려움이 있음을 지적합니다.

• 실증 적용: 본 방법은 2024 년 미국 국립 선거 연구 (ANES) 데이터에 적용되어 주 (state) 수준에서 캠페인 접촉이 유권자 감정 (트럼프 대 해리스) 에 미치는 영향을 추정합니다.

  • 가정 확인: 진단적 회귀 분석은 설문 조사 전용 정치 공변량 ($Z$) 을 포함하면 구역 표시자가 통계적으로 유의하지 않게 되어 구역 무관성 가정을 지지한다고 시사합니다.
  • 결과: 제안된 추정량은 직접 추정 (종종 비현실적으로 큰 표준 오차를 가지거나 불가능한 경우) 에 비해 현저히 작은 표준 오차를 가진 안정적인 주별 ATE 를 산출합니다. 결과는 전반적인 설득 효과는 제한적이지만 특정 격전지에서 상당한 이질성을 드러냅니다.

의의 및 주장
본 논문은 처치 및 결과 데이터가 희소한 현대 데이터 환경에서 정책 관련 분석을 위한 "유연하고 이론적으로 근거 있는 도구"를 제공한다고 주장합니다. 인과 추론과 소구역 추정의 간극을 메움으로써, 이 프레임워크는 연구자들이 다음을 가능하게 합니다:

1. 인구 데이터만으로는 포착할 수 없는 구역 간 체계적 차이를 보정하기 위해 풍부한 설문 조사 전용 공변량을 활용합니다.
2. 구역당 작은 표본 크기에서도 구역별 처치 효과에 대한 안정적인 추정을 얻습니다.
3. 기존 혼합 효과 추산 접근법이 요구하는 강력한 모델링 가정 (예: 결과 모델의 올바른 지정) 을 피합니다.

저자들은 유한 표본에서 분산 추정이 여전히 어렵고 많은 수의 구역으로 구역 할당 확률을 모델링하면 과적합이 발생할 수 있음을 구체적으로 지적하며, 간결한 모델링과 개선된 분산 추정량에 대한 향후 연구를 제안함으로써 제한점을 겸손하게 인정합니다.