Bayesian Estimation of the Univariate ACE Model With Ordinal Data

기술 요약: 서열 데이터(Ordinal Data)를 이용한 단변량 ACE 모델의 베이지안 추정

문제 정의
서열 데이터를 이용한 고전적인 단변량 ACE(가산적 유전, 공통 환경, 고유 환경) 모델의 추정은 빈도주의 방법론(frequentist methods)에 있어 상당한 어려움을 수반한다. 흔한 문제로는 소 표본 크기에서의 어려움, 분할표(contingency tables) 내의 영빈도 셀(zero-frequency cells) 존재, 그리고 파생된 분산 성분(유전율 및 환경 비율)에 대한 불확실성을 신뢰성 있게 정량화하지 못하는 문제가 있다. 다분산 상관계수(polychoric correlations)가 서열 데이터에 이론적으로 적절함에도 불구하고, 빈도주의 추정은 종종 부적절한 해(예: 음수의 분산 성분)를 산출하거나, 표본 분포가 비정규성을 띠는 경우 실패하기 쉬운 점근적 근사치에 의존한다. 또한, 잠재적인 연속 변수의 데이터 증강(data augmentation)에 의존하는 전통적인 베이지안 접근법은 계산 집약적이며 표본 크기에 따라 확장성이 떨어져, 대규모 데이터셋에는 실용적이지 못하다.

방법론
저자들은 Stan을 사용하여 ACE 모델을 베이지안 추정하기 위한 효율적인 주변 가능도(marginal likelihood) 접근법을 제안한다. 이 방법은 잠재 변수를 위한 데이터를 증강하는 대신, 분할표의 충분 통계량(sufficient statistics)을 직접 모델링한다.

• 데이터 구조: $K$개의 범주를 가진 단변량 서열 표현형에 대해, 일란성(MZ) 및 이란성(DZ) 쌍의 데이터는 $K \times K$ 분할표로 요약된다. 쌍의 교환 가능성(exchangeability)을 고려하여, 저자들은 대칭적인 비대각 성분을 결합한 $K(K+1)/2$개의 셀을 포함하는 축소된 빈도 벡터를 활용한다.
• 가능도(Likelihood): 관측된 셀 빈도는 다항 분포(multinomial distribution)를 사용하여 모델링된다. 셀 확률은 다분산 상관계수($\rho_{MZ}, \rho_{DZ}$)와 공유된 임계값 매개변수에 의해 정의되는 누적 이변량 정규 분포로부터 도출된다. 저자들은 계산을 용이하게 하기 위해 Owen의 $T$ 함수를 사용하여 누적 이변량 정규 확률의 근사치를 구현하였다.
• 매개변수화(Parameterization): 부적절한 해(예: 합이 1이 되지 않거나 음수인 분산 성분)를 방지하기 위해, 저자들은 **심플렉스 매개변수화(simplex parameterization)**를 도입한다. 상관계수를 먼저 추정하고 거기서 ACE 성분을 도출하는 대신, 이 모델은 분산 성분($h^2, c^2, e^2$)을 하나의 심플렉스 벡터로서 직접 추정한다. 이후 이 값들은 모델 블록 내에서 다시 다분산 상관계수($\rho_{MZ} = h^2 + c^2$ 및 $\rho_{DZ} = 0.5h^2 + c^2$)로 변환된다.
• 사전 분포(Priors): 본 연구는 변환된 상관계수에 대한 베타 분포나 심플렉스 ACE 성분에 대한 디리클레 분포와 같은 약정보 사전 분포(weakly informative priors)를 사용하여 추정치를 정규화하고 극단적인 값(예: $\pm 1$에 근접한 상관계수 또는 무한한 임계값)을 방지한다.

주요 기여

1. 계산 효율성: 주변 가능도 접근법은 계산 비용을 표본 크기가 아닌 분할표의 셀 개수에 의존하게 함으로써 데이터 크기와 분리시킨다. 데이터 증강을 사용하는 blavaan 패키지와의 벤치마킹 결과, 제안된 방법은 (최대 1,552쌍의 쌍 데이터를 가진 데이터셋에 대해) 수백 초가 걸리는 것에 비해 약 1초가 소요되는 등 수십 배 더 빠른 것으로 나타났다.
2. 부적절한 해 처리: 심플렉스 매개변수화를 사용함으로써, 이 방법은 분산 성분이 비음수이며 합이 1이 되도록 내재적으로 제한한다. 이는 빈도주의 최대 가능도 추정에서 흔히 발생하는 임시적인 제약이나 사후 교정의 필요성을 제거한다.
3. 희소 데이터에 대한 강건성: 이 접근법은 임의의 조정(예: 셀에 0.5를 더하는 방식) 없이도 영빈도 셀을 효과적으로 처리하며, 빈도주의 방법이 수렴에 실패하거나 경계 추정치를 생성하는 지점에서도 안정적인 추정치를 제공한다.
4. 포괄적인 불확실성 정량화: 델타 방법(delta method)이나 프로파일 가능도(profile likelihood)에 의존하여 (소 표본에서 실패할 수 있는) 빈도주의 방법과 달리, 베이지안 프레임워크는 모든 매개변수, 특히 유전율과 같은 파생된 양에 대해 완전한 사후 분포를 제공한다.

결과
연구는 BMI 범주(정상, 과체중, 비만)에 관한 Jöreskog (2021)의 데이터 일부를 사용하여 이 방법을 입증하였다.

• 수렴 및 적합도: MCMC 샘플링은 $\hat{R}$ 통계량이 1.00이고 높은 유효 표본 크기를 보이며 성공적으로 수렴하였다. 사후 예측 점검(posterior predictive checks) 결과 모델이 데이터를 상당히 잘 설명하는 것으로 나타났으나, 일란성 쌍의 특정 셀에서 일부 불일치가 관찰되었다.
• 추정 성능: 소 표본 하위 집합에서 제약이 없는(unconstrained) 베이지안 모델은 부적절한 추정치(예: 음수의 공통 환경 분산)를 생성했다. 심플렉스 매개변수화는 이를 교정하여 전체 데이터셋에서 도출된 추정치와 밀접하게 일치하는 타당한 추정치(예: $h^2 \approx 0.63, c^2 \approx 0.12$)를 산출했다.
• 빈도주의 방법과의 비교: 소 표본 크기($N=50$ 및 $100$ per zygosity)를 포함한 시뮬레이션 연구에서, 빈도주의 접근법(umx)은 100%의 재현 실험에서 신뢰 구간을 생성하는 데 실패했으며 대다수의 경우 부적절한 해를 산출했다. 제약이 없는 베이지안 모델은 일부 지표에서 낮은 편향을 보였으나, 상당 부분의 재현 실험에서 부적절한 해를 생성하기도 했다. 심플렉스 매개변수화는 약간의 편향 증가를 대가로 부적절한 해의 발생률을 획기적으로 낮추어(빈도주의 방법의 2435% 대비 5565%), 응용 연구자들에게 더 신뢰할 수 있는 추정치를 제공했다.

의의
본 논문은 이 주변 가능도 접근법이 서열 데이터를 가진 쌍 모델링에 있어 계산적으로 효율적이고 이론적으로 견고한 대안을 제공한다고 주장한다. 이 방법의 주요 의의는 ACE 모델의 베이지안 추정을 대규모 데이터셋에 대해서도 실행 가능하게 만들고, 빈도주의 방법이 고전하는 소 표본 시나리오에서 강건하게 만든다는 점에 있다. 이론적 제약(비음수성 및 합이 1임)을 심플렉스를 통해 매개변수화에 직접 통합함으로써, 이 방법은 결과가 항상 적절하도록 보장한다. 저자들은 이 프레임워크가 연구자들이 사전 지식을 효과적으로 통합하고 풍부한 불확실성 정량화를 얻을 수 있게 하며, 이는 데이터가 희소하거나 분포가 왜곡된 경우 특히 가치가 있다고 강조한다. 논문은 현재의 초점이 단변량에 맞춰져 있지만, 이 접근법이 다른 단변량 모델(AE, CE, ADE)로 직접 확장 가능하며, 쌍별 가능도(pairwise likelihoods)를 통해 다변량 모델로도 확장될 수 있음을 결론짓는다.