A continuous-time Markov chain framework for population size estimation from multi-list data: accounting for absorbing lists and asymmetric interactions

기술 요약: 다중 목록 데이터로부터 인구 규모를 추정하기 위한 연속 시간 마르코프 체인 프레임워크

문제 제기
숨겨지거나 접근하기 어려운 인구의 규모를 추정하는 것은 공공 정책 수립에 필수적이며, 일반적으로 다중 목록 데이터를 활용한 다중 시스템 추정 (MSE) 또는 포획 - 재포획 방법을 통해 이루어집니다. 표준 접근법인 주로 로그 선형 모델은 대상 인구가 폐쇄적 (유입 또는 유출 없음) 이고, 개인이 기록될 확률에서 동질적이라는 가정에 의존합니다. 그러나 이러한 가정은 사망 등록이나 이주 기록과 같이 개인이 인구를 떠날 때 기록되는 "흡수성 목록"을 포함하는 데이터 소스가 있는 사회 및 역학적 맥락에서 자주 위반됩니다.

저자들은 이러한 목록의 흡수적 성격을 고려하지 않으면 폐쇄성과 동질성 가정이 위반된다고 주장합니다. 구체적으로, 흡수성 목록에 기록된 개인은 다른 목록에 포착될 수 있는 기회 창구가 줄어들어, 표준 로그 선형 모델링에 내재된 독립성 가정을 위반하게 됩니다. 본 논문은 흡수성 목록이 포함된 데이터에 표준 로그 선형 모델을 적용할 경우 인구 규모 추정이 편향되게 (특히 과대평가되게) 된다고 주장합니다. 또한, 생태학적 포획 - 재포획 방법이 오랫동안 개방형 인구를 다루어 왔음에도 불구하고, 행정 데이터셋에 시간적 정보가 부족하여 이러한 모델이 MSE 맥락에 효과적으로 적응되지 못했습니다.

방법론
본 논문은 다중 목록 데이터의 데이터 수집 과정을 모델링하기 위한 연속 시간 마르코프 체인 (CTMC) 프레임워크를 제안합니다.

• 상태 공간 및 전이: 이 프레임워크는 $k$개의 목록의 멱집합 (power set) 을 상태 공간 $L$로 정의합니다. 개인은 관측되지 않은 초기 상태 ($\emptyset$) 에서 기록된 목록의 조합을 나타내는 상태로 전이합니다. 이 과정은 생성자 행렬 $Q$를 가진 연속 시간 마르코프 체인으로 모델링됩니다.
• 매개변수화: 전이율은 목록별 포획 매개변수 ($\lambda_i$) 와 목록 간 종속성을 나타내는 상호작용 매개변수 ($\mu_K$) 로 정의됩니다. 이 모델은 운영적 규모에서의 포획 시간이 지수 분포를 따른다고 가정합니다.
• 흡수성 목록: 흡수성 목록 (예: 사망 기록) 을 처리하기 위해, 이 프레임워크는 흡수성 목록을 포함하는 모든 상태에 대한 전이율을 0 으로 설정하여 생성자 행렬 $Q$를 수정합니다. 이는 수학적으로 개인이 한 번 흡수 상태에 진입하면 다른 상태로 전이할 수 없음을 강제하여 관측 가능한 인구에서의 "퇴출"을 효과적으로 모델링합니다.
• 순차적 목록 및 비대칭성: 이 프레임워크는 $L_j$ 목록에 기록되기 위해서는 먼저 $L_i$ 목록에 기록되어야 하는 순차적 목록을 처리하기 위해 상태 공간을 축소하고 중복 매개변수를 제거함으로써 확장되었습니다. 또한 방향성 상호작용 매개변수 ($\mu_{ij}$ 대 $\mu_{ji}$) 를 추정함으로써 추천과 같은 일반적인 비대칭 상호작용을 허용합니다.
• 추정: 이 모델은 우도 함수를 최대화하여 총 인구 규모 $N$을 추정합니다. 저자들은 관찰된 횟수에 포아송 근사를 사용하여, 표준 로그 선형 모델과 직접 비교 가능한 로그 우도 및 AIC 값을 도출합니다. 모델 선택은 AIC 기반의 순방향, 역방향 및 양방향 선택 전략을 사용하여 수행됩니다.

주요 기여

1. 프레임워크 개발: 저자들은 목록이 독립적일 때 표준 로그 선형 모델과 대수적으로 동등하지만, 종속성과 특정 데이터 수집 역학을 모델링하는 데 더 큰 유연성을 제공하는 MSE 를 위한 CTMC 프레임워크를 도입했습니다.
2. 흡수성 목록 모델링: 이 논문은 폐쇄된 인구를 가정하는 표준 로그 선형 모델의 알려진 한계를 해결하기 위해 MSE 맥락 내에서 흡수성 목록을 모델링하는 구체적인 메커니즘을 제공합니다.
3. 시뮬레이션 증거: 시뮬레이션 연구를 통해 저자들은 다음과 같은 사실을 입증했습니다:
   • 목록이 독립적이거나 종속성이 표준적인 경우, CTMC 모델과 로그 선형 모델은 유사한 결과를 산출합니다.
   • 흡수성 목록이 존재하는 경우, 표준 로그 선형 모델 (모델 선택을 포함하더라도) 은 인구 규모를 과대평가하고 더 높은 분산을 보이는 경향이 있습니다.
   • 흡수성 목록 제약이 적용된 CTMC 모델은 이러한 시나리오에서 더 정확하고 변동성이 적은 추정을 제공합니다.
4. 실증 적용: 이 프레임워크는 두 가지 실제 데이터셋에 적용되었습니다:
   • 뇌졸중 데이터 (북서부 잉글랜드, 1994-1995): 사망 등록 (흡수성 목록) 을 포함한 데이터셋입니다. CTMC 모델은 로그 선형 모델 (997–1015) 에 비해 약간 낮은 인구 추정치 (777–815) 를 산출했는데, 이는 로그 선형 모델이 이 맥락에서 과대평가한다는 시뮬레이션 결과와 일치합니다.
   • 약물 사용 데이터 (런던 시, 2018-2019): 순차적 목록 (지역 사회 치료 진입 대 퇴원) 이 포함된 데이터셋입니다. CTMC 프레임워크는 순차적 구조를 성공적으로 모델링하여 로그 선형 추정치와 비교 가능하지만 약간 높은 추정치 (404–421) 를 산출했으며, 신뢰 구간은 대안적 추정치를 포함했습니다.

결과 및 중요성 주장
본 논문은 이 작업의 주요 중요성이 표준 로그 선형 모델이 임의의 수정 없이 수행할 수 없는 흡수성 목록과 비대칭적 상호작용을 명시적으로 고려할 수 있는 능력에 있다고 주장합니다.

• 편향 감소: 저자들은 목록 (예: 사망 기록) 의 흡수적 성격을 무시하면 인구 규모를 현저히 과대평가한다고 결론지었습니다. CTMC 프레임워크는 관측 가능한 인구에서의 개인 방향성 흐름을 모델링함으로써 이를 교정합니다.
• 유연성: 이 프레임워크는 전통적인 MSE 의 엄격한 폐쇄성 가정을 요구하지 않고 순차적 목록과 다양한 관측 기간을 포함한 다양한 데이터 수집 과정에 적응할 수 있는 다재다능한 도구로 제시됩니다.
• 실용적 유용성: CTMC 모델은 $2^k \times 2^k$ 크기의 행렬 역행렬 계산이 필요하여 계산 비용이 더 높지만, 저자들은 흡수성 목록이 있는 데이터셋의 경우 편향을 피하기 위해 이러한 교환이 필요하다고 제안합니다. 그들은 CTMC 모델에 대해 가속화된 순방향 또는 양방향 선택을 사용하거나, 대안적으로 계산 비용이 더 저렴한 근사치로 "강제된" 흡수 상호작용이 포함된 로그 선형 모델을 사용할 것을 권장합니다.

저자들은 겸손하게도 CTMC 모델이 다중 목록 데이터 분석을 위한 새로운 전망을 제공하지만, 모델 가정 위반에 대한 진단 검사는 향후 연구 영역으로 남아 있다고 지적합니다. 또한, 목록의 성질이 공개되지 않았을 때 흡수성 목록을 식별하는 프레임워크의 능력은 현재 조사 중임을 강조합니다.