A binary factor model

통계학의 세계에서 연구자들은 종종 하나의 난제에 직면합니다. 그것은 바로 세부 사항에 매몰되지 않고 어떻게 하면 일련의 연관된 사실들을 이해할 수 있는가 하는 문제입니다. 예를 들어, 사람들이 왜 특정 질병을 가지고 있거나, 특정 연령대이거나, 특정 지역에 거주하는 것과 같은 특정한 형질을 공유하는지 이해하려고 노력한다고 상상해 보십시오. 모든 개별적인 형질을 하나하나 살펴보는 대신, 통계학자들은 '요인 분석(factor analysis)'이라는 도구를 사용합니다. 이 방법은 왜 그러한 형질들이 함께 나타나는지를 설명하는 몇 가지 숨겨진, 근본적인 원인을 찾아내고자 합니다. 수십 년 동안 이 도구는 키나 온도와 같이 어떤 숫자든 될 수 있는 측정값에 대해 훌륭하게 작동해 왔습니다. 하지만 데이터가 환자가 입원했는지 여부와 같은 단순한 예/아니오(yes-or-no) 형태의 답변으로 구성되어 있을 때는 어려움을 겪었습니다. 기존의 방식들은 숨겨진 원인이 부드럽고 연속적이라고 가정했는데, 이는 예/아니오 데이터의 날카롭고 이분법적인 성격과는 맞지 않았습니다.

멕시코 ITAM의 루이스 E. 니에토-바라하스(Luis E. Nieto-Barajas)가 이끄는 한 연구팀이 이 문제를 해결할 새로운 방법을 개발했습니다. 그들은 오직 '예' 또는 '아니오'로만 답하는 이진 데이터(binary data)를 위해 특별히 설계된 새로운 모델을 만들었습니다. 그들의 접근 방식에서는, 우리가 찾고자 하는 숨겨진 원인들이 기존 모델과는 다르게 움직입니다. 자유롭게 움직이는 대신, 이 숨겨진 요인들은 서로를 피하도록 설계되었습니다. 즉, 한 요인이 강하면 다른 요인들은 약해져야 합니다. 이는 마치 한정된 공간 속에서 한 번에 하나의 사물만이 온전히 존재할 수 있는 것처럼 자연스러운 균형을 만들어냅니다. 이러한 특정한 행동 양식을 사용함으로써, 연구자는 데이터를 맞지 않는 모양에 억지로 끼워 맞추지 않고도 이진 데이터 속에 숨겨진 구조를 밝혀낼 수 있습니다.

아이디어를 테스트하기 위해, 연구자는 먼저 컴퓨터 시뮬레이션을 구축했습니다. 그들은 7개의 서로 다른 예/아니오 변수와 3개의 숨겨진 원인을 가진 가상의 데이터셋을 만들었습니다. 이 데이터를 새로운 모델에 입력하고, 모델이 원래 심어두었던 3개의 원인을 찾아낼 수 있는지 지켜보았습니다. 모델은 잘 작동하여, 올바른 수의 숨겨진 원인을 식يق하고 그 중요도를 추정하는 데 성공했습니다. 연구자는 실제 원인보다 적거나 많은 원인을 사용하려고 할 때 모델의 데이터 설명 능력이 떨어진다는 것을 발견했습니다. 이 시뮬레이션은 그들의 수학적 프레임워크가 건실하며, 데이터가 무너지지 않고 이진 데이터의 복잡성을 처리할 수 있음을 증명했습니다.

시뮬레이션에 고무된 연구자는 자신의 모델이 복잡하고 실제적인 상황을 다룰 수 있는지 확인하기 위해 실제 세계의 데이터로 눈을 돌렸습니다. 그들은 멕시코의 확진된 코로나19 사례 1,814건이 담긴 데이터베이스를 분석했습니다. 데이터에는 여성 여부, 입원 여부, 폐렴 유무, 또는 당뇨병이나 비만과 같은 질환을 앓고 있는지와 같이 각 환자에 대한 12가지 서로 다른 지표가 포함되어 있었습니다. 목표는 이 모델이 12가지 지표를 몇 가지 의미 있는 범주로 분류하여, 왜 특정 환자들이 특정한 증상 조합을 보이는지를 설명할 수 있는지 확인하는 것이었습니다.

모델은 환자들을 세 가지 뚜렷한 숨겨진 그룹으로 성공적으로 분류했습니다. 첫 번째 그룹은 입원과 폐렴을 연결했는데, 이는 바이러스로 인한 중증 합병증과 관련된 숨겨진 원인을 시사합니다. 두 번째 그룹은 거의 전적으로 여성이라는 사실과 연결되었는데, 이는 성별이 질병의 중증도와는 별개인 독자적인 요인임을 나타냅니다. 세 번째 그룹은 당뇨병, 심장 질환, 신장 기능 부전과 같은 질환들이 함께 나타나는 경향이 있는 고령층의 클러스터를 모았습니다. 이 세 번째 그룹은 고령 환자들을 더 취약하게 만드는 성인 건강 문제라는 숨겨진 원인을 나타냈습니다. 연구자는 이진 데이터를 기존의 연속적인 형태로 억지로 맞추려 했던 기존 방식과 결과를 비교했습니다. 기존 방식은 이러한 그룹들을 뒤섞어 놓았고, 중증 합병증을 성별과 결합하여 새로운 모델이 밝혀낸 명확한 패턴을 흐리게 만들었습니다.

연구는 또한 이 숨겨진 그룹들이 각각 얼마나 중요한지도 살펴보았습니다. 연구자는 중증 합병증과 관련된 그룹과 성인 건강 문제와 관련된 그룹이 가장 중요하며, 각각 데이터의 변동성을 상당 부분 설명한다는 것을 발견했습니다. 성별 요인은 구별되기는 했지만, 전체적인 그림에서 차지하는 비중은 적었습니다. 새로운 방법을 사용함으로써 연구자는 혼란 없이 이러한 패턴을 명확하게 볼 수 있었습니다. 그들은 단순히 새로운 공식을 찾아낸 것이 아니라, 이진 데이터의 구조를 더 명확하게 볼 수 있는 방법을 찾아낸 것입니다. 즉, 숨겨진 원인들이 데이터의 성격에 맞는 방식으로 움직일 수 있게 할 때, 그들이 들려주는 이야기가 훨씬 이해하기 쉬워진다는 것을 보여주었습니다. 이 연구는 예/아니오 답변이 포함된 질문에 대해서는 기존의 도구들이 목표를 놓치고 있을 수 있으며, 데이터의 독특한 성격을 존중하는 새로운 접근 방식이 진실을 찾는 데 필요하다는 점을 시사합니다.