Direct domain estimation via regression-tree-assisted estimators in the production of official statistics

기술 요약: 회귀 트리 보조 추정기를 통한 직접 도메인 추정

문제 제lement (Problem Statement)
국가통계기관(NSO)은 일반적으로 단일 가중치 세트를 사용하여 여러 매개변수와 하위 집단(도메인)을 추정하는 "단일 가중치(uni-weight)" 접근 방식을 채택한다. 이러한 전략은 계산의 단순성, 규모의 경제, 내부 일관성(가산성/벤치마킹)과 같은 운영상의 이점을 제공하지만, 특정 하위 집단에 대해서는 항상 최적은 아니다. 모델 보조 추정기의 효율성은 보조 모델이 특정 도메인 내의 관심 변수에 대해 갖는 예측력에 달려 있다. 전체 모집단에 대해 적합된 단일 모델은 계획되지 않은 도메인(표본 설계에 의해 정의되지 않은 하위 집단) 내에서 보조 변수와 연구 변수 사이의 특정한 관계를 포착하는 데 실패하는 경우가 많다. 이는 통합된 가중치 시스템의 운영 편의성과 국지적 추정 효율성의 필요성 사이의 긴장을 유발한다.

방법론 및 프레임워크 (Methodology and Framework)
본 논문은 회귀 트리를 포함하도록 모델 보조 추정기 계열을 확장하여, 직접 추정을 위한 설계 기반 프레임워크 내에서 작동한다. 본 연구는 유한 모집단 $U$를 사용하는 계획되지 않은 도메인($U_d$)에 대한 총합($Y_d$) 추정에 초점을 맞춘다.

회귀 트리를 보조 모델로 적용하는 두 가지 뚜렷한 전략이 다음과 같이 정립된다:

1. RTU (Regression Tree - Uni-weight): 단일 회귀 트리가 모집단 수준의 전체 표본($s$)에 적합된다. 결과로 도출된 예측값은 모든 도메인에 적용 가능한 단일 가중치 세트를 도출하는 데 사용된다.
2. RTD (Regression Tree - Domain-specific): 각 도메인 내의 데이터($s_d$)에 특화된 별도의 회귀 트리가 적합된다.

본 논문은 두 추정기 모두 표본 관측치의 가중 합($\sum w^*_i y_i$)으로 표현될 수 있으며, 여기서 가중치 $w^*_i$는 연구 변수 $y$와 독립적임을 보여준다. 이는 "단일 가중치" 속성을 보존하고 모집단 총합에 대한 가산성(벤치마킹)을 보장한다.

주요 이론적 기여 (Key Theoretical Contributions)

• RTD의 정식화: 본 논문은 도메인별 트리 추정기를 정식화하여, 해당 추정기가 도메인 모집단 크기를 오차 없이 추정하는 가중치를 가진 표본 관측치의 선형 결합으로 쓰일 수 있음을 보여준다.
• RTU의 특성 규명: 모집단 수준의 트리 추정기를 규명하고, Estevao와 Särndal(1999)의 논의를 트리 기반 모델로 확장한다. 저자들은 모델이 모집단 수준에서 적합될 때, 결과적인 도메인 추정기가 해당 도메인 내에서 호르비츠-톰슨(HT) 추정기처럼 행동하는 경향이 있음을 증명한다. 이는 확장된 변수가 0인 영역 외부의 단위들에 대해 전역적 적합(global fit)이 영모델(null model) 쪽으로 끌려가면서, 도메인 내 잔차 분산을 줄이는 데 실패하기 때문이다.
• 분산 감소 메커니즘: 반대로, 도메인 특화 모델(RTD)은 도메인 내 예측력($R^2_d$)에 비례하여 상당한 분산 감소를 달성한다. RTD 추정기의 분산은 HT 추정기 분산의 약 $(1 - R^2_d)$ 배인 것으로 나타난다.
• 설계 일관성: 명제 1은 트리 크기가 키시 효과(Kish effect, 가중치 변동성)를 제어하기 위해 표본 크기에 비해 완만하게 성장하거나 제한되는 조건 하에서, 트리 보조 추정기의 설계 일관성을 확립한다.

실증 결과 (Empirical Results)
우루과이 연속 가구 조사(ECH)의 마이크로데이터를 사용한 시뮬레이션 연구는 이러한 추정기들의 동작을 보여준다:

• 모집단 수준: 트리 보조 추정기(RT)는 모델링된 변수(고용 상태)에 대해 HT 추정기보다 분산을 유의미하게 감소시켰으며, 설계 효과(deff)는 0.55에서 0.73 사이였다. 그러나 모델링되지 않은 변수(실업)의 경우, 개선 효과가 미미했다(deff $\approx$ 1). 이는 모델이 특정 변수에 맞춰질 때 발생하는 단일 가중치 접근법의 한계를 강조한다. RT 추정기는 빈 셀(empty cells)로 인한 편향을 피하고 일관성을 유지함으로써 전통적인 사후 층화(PS)보다 우수한 성능을 보였다.
• 도메인 수준: 부(department)별 총합을 추정할 때, RTU 추정기는 HT에 비해 효율성 이득을 보이지 못했다(deff $\approx$ 1). 반면, RTD 추정기는 대부분의 부에서 상당한 분산 감소를 달성했다(deff $\approx$ 0.3), 이는 국지적 모델 적합이 도메인 수준의 정밀도를 위해 필수적이라는 이론적 예측을 확인시켜 준다.

의의 및 한계 (Significance and Limitations)
본 논문은 RTD 추정기가 단일 가중치 시스템의 운영상 이점을 유지하면서도 계획되지 않은 도메인의 정밀도를 향상시킬 수 있는 매력적인 경로를 제공한다고 주장한다. 이는 도메인 표본 크기가 충분히 큰 경우, 간접적인 소지역 추정(SAE) 방법론에 의존하지 않고도 더 정확한 도메인 추정치를 생성할 수 있게 한다.

저자들은 다음과 같은 몇 가지 한계점을 명시적으로 언급한다:

1. 변수 특이성: 개선 효과는 모델 구축에 사용된 변수에 집중되며, 다른 변수에 대한 추정치는 혜택을 받지 못할 수 있다.
2. 트리 크기: 트리를 과도하게 키우면 키시 효과(Kish effect)가 증가하여 잠재적으로 분산을 팽창시킬 수 있다.
3. 표본 크기 요구사항: 이 방법은 안정적인 도메인 내 적합을 보장하기 위해 충분한 기대 도메인 표본 크기($E(n_d)$)를 필요로 한다. 매우 작은 도메인의 경우, 간접 모델 기반 추정이 여전히 필요하다.
4. 트레이드오프: RTD를 통해 국지적 정밀도를 얻는 것은 모집단 수준에서의 '최적' 추정기를 포기하는 대가를 치러야 하지만, 대규모 조사에서는 이 비용이 미미한 것으로 간주된다.

본 논문은 결론적으로 RTU, RTD, 그리고 간접 SAE 중 선택은 기대 도메인 표본 크기에 따라 결정되어야 하며, 직접 추정이 가능한 충분한 데이터를 가진 도메인의 경우 RTD가 선호되는 전략이라고 제언한다.