📊 statistics

Partial Identification under High-Dimensional Potential Outcomes and Confounders via Optimal Transport

이 논문은 최적 운송 문제를 저차원 신호 부공간과 고차원 잔차 부공간으로 분해함으로써 차원의 저주를 극복하고, 후자를 슬라이스 와서스테인 거리를 사용하여 효율적으로 회복함으로써 더 조밀하고 정보가 풍부한 인과적 경계(causal bounds)를 산출하는 고차원 인과 설정에서의 부분 식별을 위한 새로운 추정량을 제안한다.

원저자: Yunfeng Wang, Zhiheng Zhang, Zijun Gao

게시일 2026-06-02

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yunfeng Wang, Zhiheng Zhang, Zijun Gao

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

큰 그림: "잃어버린 퍼즐 조각" 문제

당신이 새로운 약의 진짜 효과를 알아내려는 탐정이라고 상상해 보세요. 당신은 약을 복용한 환자들과 복용하지 않은 환자들에 대한 데이터를 가지고 있습니다. 하지만 문제가 하나 있습니다. 각 환자에 대해, 당신은 오직 하나의 결과(약을 복용했을 때의 결과 또는 복용하지 않았을 때의 결과)만 볼 수 있으며, 두 가지를 동시에 볼 수는 없습니다.

통계학에서는 이를 **부분 식별(Partial Identification)**이라고 부릅니다. 정확한 정답(점 식별, point identification)을 짚어낼 수는 없지만, 가능한 답들을 담는 하나의 '상자'를 그릴 수는 있습니다. 목표는 그 상자를 최대한 작고 정교하게 만들어 의사결정을 더 정확하게 만드는 것입니다.

이 상자를 더 좁히기 위해, 당신은 연령, 체중, 혈압과 같은 다른 요인들인 **교란 요인(confounders)**을 살펴봅니다. 만약 매우 유사한 환자들을 그룹화할 수 있다면, 더 나은 추정치를 얻을 수 있습니다.

문제점: "고차원"의 함정

이 논문은 현대의 데이터가 종종 **고차원(high-dimensional)**이라는 점을 지적합니다. 단순히 연령과 체중만 보는 것이 아니라, 30가지의 서로 다른 건강 지표나 심지어 수천 개의 유전적 표식을 보고 있다고 상상해 보세요.

30개 또는 100개의 차원에서 환자들을 비교하려고 하면 기존의 수학적 도구들은 무너집니다. 이는 마치 2차원 지도 대신 1,000차원 지도가 있는 곳에서 두 도시 사이의 최단 경로를 찾는 것과 같습니다. 수학적 계산이 너무 복잡하고 연산량이 방대해져서, 결과가 쓸모없어지거나 터무니없이 부정확해집니다. 이를 "차원의 저주(curse of dimensionality)"라고 합니다.

기존의 방법들은 이 문제를 해결하기 위해 대부분의 데이터를 무시하는 방식을 취합니다. 그들은 이렇게 말합니다. "가장 중요한 상위 5개 요소만 보고 나머지는 버리자."

비유: 당신이 여행 가방의 전체 무게를 추측하려고 한다고 상상해 보세요. 당신은 무거운 책(신호, signal)의 무게는 재지만, 옷, 양말, 세면도구(잔차, residual)는 너무 많다는 이유로 무시하기로 결정합니다. 당신은 숫자를 얻겠지만, 많은 무게를 버렸기 때문에 그 숫자는 분명히 실제보다 낮을 것입니다.

해결책: "신호와 슬라이싱" 방법 (CSS)

저자들은 **조건부 부분 공간 슬라이싱(Conditioned Subspace–Slicing, CSS)**이라는 새로운 방법을 제안합니다. "남겨진" 데이터를 그냥 버리는 대신, 불가능한 수학 계산을 수행하지 않고도 그것의 무게를 측정하는 영리한 방법을 찾아냈습니다.

작동 방식은 다음과 같이 두 단계로 나뉩니다.

1. 신호 부분 공간 (무거운 책들)

먼저, 이 방법은 두 집단(약 복용 vs 약 미복용) 사이에서 가장 큰 차이가 발생하는 몇 안 되는 차원을 식별합니다.

비유: 가방 속에서 무거운 책들을 찾아 정확하게 무게를 재는 것입니다. 이것이 "신호(Signal)"입니다.

2. 슬라이스된 잔차 (옷들)

이것이 이 논문의 혁신적인 부분입니다. "옷(잔차)"을 무시하는 대신, 그들은 **슬라이스드 와서스테인 거리(Sliced Wasserstein Distance)**라는 기법을 사용합니다.

비의: 당신이 옷 더미 전체의 무게를 한꺼번에 잴 수 없다고 상상해 보세요. 그래서 칼을 가져와 가방을 얇은 1차원 띠 모양으로 자릅니다(식빵을 써는 것처럼). 그리고 각 조각의 무게를 개별적으로 잽니다.
왜 작동하는가: 단일 조각의 무게를 재는 것은 가방이 아무리 커도 쉽고 빠릅니다. 이 무작위적인 조각들의 무게를 평균 내면, 옷 전체의 무게에 대한 매우 좋은 추정치를 얻을 수 있습니다.
결과: 당신은 책의 정확한 무게(신호)에 옷의 추정 무게(잔차)를 더합니다.

왜 더 나은가?

이 논문은 이 새로운 방법이 다음과 같음을 수학적으로 증명합니다:

유효함(Valid): 이 방법은 효과를 과대평가하지 않습니다. 항상 "안전한 하한선(safe lower bound)", 즉 반드시 참이라고 보장할 수 있는 보수적인 추정치를 제공합니다.
더 정교함(Tighter): 다른 방법들이 버려버리는 "옷(잔차 데이터)"의 무게를 회복하기 때문에, 가능한 답들의 범위(상자)가 훨씬 작아지고 더 유익해집니다.
효율적임(Efficient): 슈퍼컴퓨터를 필요로 하지 않습니다. "슬라이싱" 기법 덕분에 고차원 데이터에서도 수학 계산을 빠르게 실행할 수 있습니다.

"스파이크(Spiked)" 가정

이 방법은 저자들이 **확장된 스파이크드 트랜스포트 모델(Extended Spiked Transport Model)**이라고 부르는 특정 조건 하에서 가장 잘 작동합니다.

비유: 가방은 대부분 빈 공간이지만, 몇 개의 아주 밀도가 높고 무거운 물체(신호)와 아주 많고 고르게 분포된 솜뭉치(잔차)가 들어있다고 상상해 보세요.
만약 "솜뭉치"가 고르게 퍼져 있다면(등방성, isotropic), "슬라이싱" 방법은 그 무게를 추정하는 데 완벽하게 작동합니다. 논문은 많은 현실 세계의 시나리오에서 "노이즈"나 남겨진 데이터가 이 솜뭉치처럼 행동하며, 이것이 이 방법의 효과를 극대화한다고 보여줍니다.

결과 요요약

저자들은 다음을 통해 검증했습니다:

가짜 데이터(Fake Data): 정답을 이미 알고 있는 시나리오를 만들었습니다. 새로운 방법(CSS)은 단지 상위 5개 요인만 보았던 기존 방법들보다 정답에 훨씬 더 근접했습니다.
실제 데이터(Real Data): 심장 도관술에 관한 의료 데이터셋을 사용했습니다. "정답"을 알 수 없는 상황에서도, 이 새로운 방법은 기존 방법들보다 더 좁고 유용한 가능성의 범위를 만들어냈습니다.

요약하자면: 이 논문은 고차원 데이터에서 복잡한 인과 관계 질문을 해결할 수 있는 새로운 도구를 제공합니다. 복잡하고 지저나간 부분을 무시하는 대신, "슬라이싱" 기법을 사용하여 이를 효율적으로 추정함으로써, 훨씬 더 날카롭고 신뢰할 수 있는 답을 얻어냅니다.

기술 요약: 고차원 잠재 결과 및 교란 요인 하에서의 최적 운송을 통한 부분 식별

1. 문제 정의

본 논문은 잠재 결과(potential outcomes)와 교란 요인(confounders)이 모두 고차원인 인과 추론 환경에서의 부분 식별(partial identification, PI) 문제를 다룹다. 많은 인과적 설정에서 관측된 데이터만으로는 결합 분포가 결정되지 않기 때문에 점 식별(point identification)이 불가능하다. 이러한 상황에서 사전 처치 공변량(pre-treatment covariates)은 가능한 인과 효과의 집합(PI 세트)을 좁힐 수 있지만, 기존의 최적 운송(Optimal Transport, OT) 기반 방법들은 차원의 저주로 인해 어려움을 겪는다.

구체적으로, 고전적인 OT 기반 경계값(bounds)은 차원의 저주로 인해 통계적으로 불안정한 추정치를 생성하고 불리한 수렴 속도를 보인다. 기존의 공변량 보조 PI 프레임워크는 다음과 같은 트레이드오프에 직면한다:

**거친 층화(Coarse stratification)**는 지나치게 보수적인 경계값을 생성한다.
조건부 와서스테인 거리(conditional Wasserstein distances)를 직접 플러그인 방식으로 추정하는 것은 계산적으로 매우 부담스럽고 통계적으로 취약하다.
투영 전용 방법(예: Wasserstein Projection Pursuit)은 잔차 정보(residual information)를 버림으로써, 투영된 부분 공간의 직교 보공간(orthogonal complement)에 비중 있는 운송 불일치(transport discrepancy)가 존재할 경우 체계적으로 느슨한 하한값을 산출한다.

핵-문제는 고차원에서 이론적 타당성을 희생하지 않으면서, 이차 와서스테인 거리(quadratic Wasserstein distance)의 유효한 하한 역할을 할 수 있는 차원 적응형(dimension-adaptive)이며 통계적으로 안정적인 운송량을 구축하는 것이다.

2. 방법론: 조건부 부분 공간 슬라이싱 (Conditioned Subspace–Slicing, CSS)

저자들은 조건부 부분 공간 슬라이싱(CSS) 인증서라는 새로운 추정법을 제안한다. 이 접근법은 운송 문제를 저차원 신호 부분 공간(signal subspace)과 고차원 잔차 부분 공간(residual subspace)의 두 가지 구성 요소로 분해한다.

2.1 CSS 목적 함수

후보 $r$ -차원 부분 공간 $V$ 와 그 직교 보공간 $V^\perp$ 에 대하여, CSS 목적 함수 $L(V)$ 는 다음과 같이 정의된다:
$L(V) = W_2^2(\mu_V, \nu_V) + k \cdot SW_2^2(\mu_{V^\perp}, \nu_{V^\perp})$
여기서:

$W_2^2(\mu_V, \nu_V)$ 는 투영된 신호 부분 공간 $V$ 에서의 제곱 이차 와서스테인 거리이다.
$SW_2^2(\mu_{V^\perp}, \nu_{V^\perp})$ 는 잔차 부분 공간 $V^\perp$ 에서의 **슬라이스 와서스테인 거리(Sliced Wasserstein distance)**이다.
$k = d - r$ 은 스케일링 인자(잔차 공간의 차원)이다.

2.2 이론적 정당성

타당성: 정리 3.1은 $L(V)$ 가 실제 제곱 와서스테인 거리 $W_2^2(\mu, \nu)$ 의 유효한 하한값임을 증명한다. 스케일링 인자 $k$ 는 매우 중요하다. 이 스케일링이 없다면 슬라이스 항은 $d^{-1}$ 로 감소하여 무의미해진다. 스케일링을 적용함으로써, 이는 잔차 운송 에너지를 인증된 방식으로 회복한다.
긴밀성(Tightness): 운송 에너지가 저차원 신호 부분 공간에 집중되고 잔차가 대략적으로 등방성(isotropic)을 띠는 확장된 스파이크 운송 모델(Extended Spiked Transport Model, ESTM) 하에서, CSS 경계값은 거의 긴밀하다(near-tight). 실제 거리와 경계값 사이의 간극은 단일 **잔차 이방성 결핍(residual anisotropy deficit)**에 의해 결정된다.
부분 공간 안정성: 정리 3.6은 ESTM 하에서, 충분한 고유값 간격(eigengap)이 존재한다면 CSS 목적 함수를 최대화하는 부분 공간이 실제 신호 부분 공간(WPP에 의해 식별됨)에 가깝게 유지됨을 보여준다.

2.3 추정 알고리즘

제안된 플러그인 추정기(Algorithm 1)는 2단계 전략을 따른다:

신호 회복: **와서스테인 투영 추구(Wasserstein Projection Pursuit, WPP)**를 사용하여 투영된 와서스테인 거리를 최대화하는 최적의 $r$ -차원 부분 공간 $\hat{U}$ 를 찾는다.
잔차 회복: 무작위 1차원 투영의 몬테카를로 샘플링을 사용하여 직교 보공간 $\hat{U}^\perp$ 상의 슬라이스 와서스테인 거리를 계산한다.
결합: 신호 항과 스케일링된 잔차 항을 결합하여 최종 하한값을 형성한다.

3. 주요 기여

본 논문은 세 가지 주요 기여를 한다:

인증된 하한값: 이차 와서스테인 거리에 대한 CSS 하한을 도입하여, 이는 차원 적응형 부분 식별 영역 역할을 한다. 이는 고차원에서도 인증된 조건부 및 무조건부 운송 하한을 제공한다.
구조적 이론: CSS 경계값이 근사적으로 긴밀하고 WPP에 의해 최적의 부분 공간이 식별되는 **확장된 스파이크 운송 모델(ESTM)**을 공식화한다. 또한, 근사 오차(approximation gap)가 잔차 운송의 이방성에 의해 제어됨을 입증한다.
유한 표본 보장: CSS 추정기에 대한 비점근적(non-asymptotic) 오차 범위를 제공한다. 이 범위는 주변 차원(ambient dimension)이 아닌 **내재적 차원(intrinsic dimension, 신호 랭크)**에 따라 스케일링되므로 통계적 다루기가 용사하다. 오차 분석은 신호 항의 내재적 차원 속도와 슬라이스 잔차 항의 모수적 속도를 분리한다.

4. 실험 결과

저자들은 CSS 추정기를 WPP(투영 전용) 및 전체 슬라이스 와서스테인(전체 주변 공간에 대한 평균) 베이스라인과 비교 평가하였다.

합성 데이터:
- 가우시안 푸시포워드(Gaussian pushforward) 설정( $d=30$ , 신호 랭크 $r=5$ )에서, CSS 추정기는 WPP보다 일관되게 실제 $W_2^2$ 에 더 가깝게 유지된다.
- WPP는 잔차 에너지를 버림으로써 거리를 과소평가하며, 전체 슬라이스 베이스라인은 무작위 방향에 대한 평균화로 인해 거리를 과소평가한다.
- CSS는 잔차 이방성 파라미터가 증가하더라도 스케일링된 슬라이스 항을 통해 "손실된" 운송 에너지를 성공적으로 회복한다.
- 유한 표본 분석 결과, 부분 공간 회복 오차가 표본 크기 $n$ 에 따라 일관되게 감소함을 보여, 안정성을 입증했다.
실제 데이터 (RHC 데이터셋):
- 27차원 결과 벡터를 가진 우심실 카테터 삽입(right-heart catheterization) 데이터셋에 적용되었다.
- CSS는 다양한 부분 공간 차원에 걸쳐 WPP보다 더 높고(정보가 풍부한) 홀드아웃 하한 인증서를 생성한다.
- CSS와 WPP 사이의 격차는 직교 보공간에 더 많은 결과 변동성이 남아 있는 작은 차원에서 가장 두드러진다.
- 두 방법 모두 전체 스케일드 슬라이스-와서스테인 베이스라인보다 우수한 성능을 보였으며, 이는 과업 적응형(task-adaptive) 신호 부분 공간 학습의 중요성을 강조한다.

5. 의의 및 주장

본 논문은 기존의 공변량 보조 부분 식별 프레임워크에 통합될 수 있는 **모듈형, 차원 적응형 기하학적 프리미티브(geometric primitive)**를 제공한다고 주장한다.

상보성: 본 연구는 기존의 OT 기반 PI 연구(예: Ji et al., 2024; Lin et al., 2025)와 상보적이다. 기존 연구들이 추론의 강건성, 완화의 긴밀성 및 위상적 일관성에 초점을 맞춘다면, 본 논문은 통계적 병목 현상인 고차원 운송 추정 문제를 다룬다.
"공짜 점심(Free Lunch)": 저자들은 이 방법을 고차원 운송 문제를 저차원 OT와 저렴한 슬라이스 계산의 조합으로 대체하는 원칙적인 "공짜 점심"으로 규정한다. 완만한 조건(잔차 등방성) 하에서, 이 방법은 경계값을 느슨하게 만들지 않으면서 전체 운송 에너지를 회복한다.
강건성: 이 방법은 체계적으로 잔차 정보를 버리는 투영 전용 전략과, 통계적으로 불안정한 직접적인 고차원 추정 방식에 대한 강력한 대안을 제공한다.

결론적으로, CSS 추정기는 최소한의 유한 표본 오버헤드로 신호 규모에서 모집단 간극을 효과적으로 메움으로써, 점 식별이 불가능한 고차원 인과 추론을 위한 강건한 프리미티브를 제공한다.