Experimental Design When N Equals One

기술 요약: N이 1인 경우의 실험 설계

문제 정의

N-of-1 시험(또는 시계열 실험)은 단일 실험 단위에 대해 시간에 따라 처치 할당을 반복적으로 무작위화하는 과정을 포함한다. 임상 연구 및 온라인 플랫폼에서 널리 사용되고 있지만, 다양한 처치 효과를 추정하기 위한 이론적으로 최적의 설계는 여전히 불분명하다. 핵심적인 어려움은 서로 다른 타겟 추정량(예: 지연 특이적 효과 vs 누적 효과)이 처치 할당 경로의 서로 다른 형태의 시간적 의존성을 선호한다는 점이다. 기존 문헌은 종종 특정 설계 기반 접근 방식이나 독립적인 할당에 의존하지만, 다양한 효과를 유연하게 타겟팅하면서 최적성 보장을 제공하는 일반적인 프레임워크는 부족한 실정이다. 또한, 특정 추정량(특히 추정량 클래스)에 대한 최적 설계는 제대로 규명되지 않았다.

방법론

저자들은 처치 할당 경로 $Z_1, \dots, Z_T$가 시변 전이 행렬 $P_t$에 의해 제어되는 마르코프 체인으로 모델링되는 **마르코프 프레임워크(Markovian framework)**를 제안한다. 상태는 대조군(0)과 처치군(1)에 대응하며, 전이 확률은 $\rho_t$(0에서 1로 전환될 확률)와 $\gamma_t$(1에서 0으로 전환될 확률)로 정의된다.

설계 목적을 정의하기 위해, 본 논문은 다음과 같은 **유한 차수 충격-반응 모델(finite-order impulse-response model)**을 채택한다:
$$Y_t = \alpha + \sum_{k=1}^K \beta_k Z_{t-k+1} + \epsilon_t$$
여기서 결과값은 현재 및 과거 $K-1$개의 처치 할당에 가법적으로 의존한다. 타겟 추정량은 충격-반응 계수들의 선형 결합인 $\tau_w = \sum w_k \beta_k$이다. 설계 목표는 최소제곱법(OLS) 추정량 $\tau_w$의 점근적 추정 분산을 최소화하는 것이다.

저자들은 이론적 통찰을 도출하기 위해 두 가지 구조화된 하위 클래스의 마르코프 설계(Markovian designs)를 분석한다:

1. 무작위 스위치 설계(Random-Switch Designs): 일정한 전이 확률($\rho_t = \rho, \gamma_t = \gamma$)을 특징으로 한다. 이 설계 공간은 스위칭 확률을 최적화하는 문제로 축소된다.
2. 사이클 스위치 설계(Cycle-Switch Designs): 처치 상태가 $l$ 시간 단위마다 바뀌는 결정론적 설계이다. 이 설계 공간은 블록 길이 $l$을 최적화하는 문제로 축소된다.

최적화는 미니맥스 문제(minimax problem, 강건한 설계) 또는 **타겟팅 문제(targeted problem)**로 프레임화되며, 이는 후보 설계 및 추정량 집합에 대해 최악의 경우 또는 특정 분산을 최소화하는 것을 목표로 한다. 이론적 분석은 Kac–Murdock–Szegő (KMS) 행렬의 특성과 마르코프 체인의 에르고딕 정리(ergodic theorems)를 활용하여 대규모 $T$에 대한 점근적 성질에 의존한다.

주요 기여 및 결과

1. 일반 설계 프레임워크

본 논문은 기존의 설계들(독립적 할당, 정규 스위치백, 결정론적 교대 등)을 마르코프 할당의 특수한 사례로 포함하는 통합된 프레임워크를 구축한다. 또한 전이 확률을 통해 시간적 의존성을 제어할 수 있는 원칙적인 방법을 제공한다.

2. 최적 스위칭 확률 (무작위 스위치 설계)

타겟 설계 최적화(특정 $w$에 대한 분산 최소화)의 경우:

• 지연 특이적 효과(Lag-specific effects): 최적 설계는 $\rho = \gamma = 1/2$로 수렴하며, 이는 i.i.d. Bernoulli(1/2) 무작위화에 해당한다.
• 누적 효과(Cumulative effects): 최적 스위칭 확률은 경계값($\rho, \gamma \to 0$)으로 이동하며, 이는 길고 중단되지 않은 처치 및 대조 기간을 의미한다. 그러나 이는 OLS가 정의되지 않을 수 있는 불안정한 극한 설계를 초래한다.
• 일반 효과: 최적 스위칭 확률은 변동성과 시간적 지속성 사이의 트레이드오프를 조절하는 추정량 벡터 $w$를 포함하는 이차 방정식에 의해 결정된다.

강건한 설계 최적화(모든 정규화된 선형 결합의 지연 효과에 대한 최악의 분산 최소화)의 경우:

• 최적 설계는 i.i.d. Bernoulli(1/2) 무작위화($\rho = \gamma = 1/2$)이다. 이는 횡단면 설정에서의 결과와 일치하게, N-of-1 시험에서 독립적 할당이 갖는 강건성에 대한 공식적인 근거를 제공한다.

3. 최적 블록 길이 (사이클 스위치 설계)

무작위 스위치 설계가 실패하는 경계 사례(예: 누적 효과)를 해결하기 위해:

• 누적 효과: 최적 블록 길이는 약 $l^* \approx K + \sqrt{K}$이다. 이는 누적 효과를 포착하기 위한 긴 기간의 필요성과 큰 블록으로 인한 분산 증가 사이의 균형을 맞춘다.
• 지연 특이적 효과: 최적 블록 길이는 $l^* = K$이다. 이는 모든 지연 특이적 효과의 식별 가능성을 보장하는 동시에 분산을 최소화한다.
• 강건한 설계: 최적 블록 길이는 $l^* = K$이다. 짧은 블록은 계수 행렬의 랭크 결핍(식별 불가능성)을 초래하고, 긴 블록은 분산을 선형적으로 증가시킨다.

4. 시뮬레이션 및 강건성

시뮬레이션 결과는 다음을 보여준다:

• 무작위 스위치 설계는 지연 특이적 효과의 추정 분산을 가장 작게 달성하며, 모델 미지정(예: 모델링되지 않은 시간 추세)을 포함한 다양한 모델 미지정 상황에서도 강건함을 유지한다.
• 사이클 스위치 설계는 유한 표본에서 누적 효과를 추정하는 데 있어 다른 설계보다 우수하지만, 특정 미지정 상황(예: 모델링되지 않은 시간 추세) 하에서는 더 높은 편향을 보인다.
• 제안된 설계들은 타겟 추정량이 순수하게 전이 효과(carryover)에 집중되지 않은 경우, 최첨단 대안인 최적 정규 스위치백 실험(ORSB)보다 일반적으로 우수한 성능을 보인다.

5. 설계 기반 추론과의 연결

본 논문은 모델 기반 OLS 추정량을 설계 기반 추론과 연결한다. 무작위 스위치 설계 하에서 OLS 추정량이 조건부 결과 대조(conditional-outcome contrasts)의 선형 투영으로 수렴함을 보여준다. i.i.d. Bernoulli 무작위화 또는 선형 가법적 잠재 결과 하에서, 이 극한은 Lin과 Ding [2025]가 연구한 지연 특이적 처치 효과 추정량과 일치하며, 이는 엄격한 선형 충격-반응 모델을 따르지 않더라도 해당 추정량의 인과적 해석이 유효함을 입증한다.

의의 및 주장

저자들은 자신들의 연구가 다양한 처치 효과를 유연하게 타겟팅하면서도 최적성 보장을 제공하는 일반 설계 프레임워크를 제공한다고 주장한다. 스위칭 확률과 블록 길이를 통해 최적의 시간적 구조를 규명함으로써, 지연 특이적 및 강건한 목적을 위한 i.i.d. Bernoulli 설계의 강건성을 정당화하는 한편, 누적 효과를 위해 최적 설계가 어떻게 변화해야 하는지(예: 더 긴 블록)를 정량화한다.

본 논문은 일반성과 해석 가능성 사이의 트레이드오프를 강조한다. 모델 기반(충격-반응) 접근 방식을 채택함으로써 비모수적 설계 기반 방법론에 비해 일반성은 일부 희생하지만, 설계 최적화를 위한 통합된 프레임워크와 더 명확한 추정량 해석을 얻는다. 이러한 결과는 실험자가 자신의 구체적인 과학적 목적(예: 누적 효과를 위해서는 사이클 스위치 설계를, 지연 특이적 효과를 위해서는 무작위 스위치 설계를 선택)에 맞춰 설계를 선택할 수 있도록 실질적인 지침을 제공한다.

저자들은 자신들의 프레임워크가 모델 기반이지만 특정 조건 하에서 설계 기반 추론과 연결된다는 점을 겸허히 언급한다. 또한, 프레임워크를 패널 실험(다중 실험 단위)으로 확장하는 것이 향후 연구를 위한 유망한 방향임을 밝힌다.