MIT 연구진이 상호간섭, 시간 의존, 잠재 교란이 동시에 존재하는 순차 관측자료의 인과추론 방법을 제시했다. 2026년 7월 16일 arXiv에 공개된 이 프리프린트는 N개 단위의 이진 결과가 T개 시점에 걸쳐 관측되는 상황을 다룬다. 각 시점의 결과 간 의존은 이징 모형으로, 처치와 잠재 교란의 영향은 외부장으로, 잠재 교란은 저랭크 요인구조로 표현한다. 연구진은 하나의 고차원 실현값에서 최대 의사우도추정(MPLE)으로 잠재 외부장 A, 직접 처치효과 β, 공간 의존성 ξ, 시간 의존성 η를 학습한다. 저랭크 구조, 상호작용 크기 제한, 처치 식별 가능성 등의 가정 아래 파라미터 추정의 비점근 일치성을 제시했고, 학습한 분포에서 표본을 생성해 일반화된 처치효과(GTE)를 계산한다. 다만 파라미터 오차가 GTE 오차로 이어진다는 이론은 참값과 추정값 모두 |η|+|ξ|<1인 조건을 요구한다.
합성실험은 N=500, T=50, 잠재랭크 k=3, 정규화한 Erdos–Renyi 그래프를 사용하고 β*=-0.3, ξ*=0.8, η*=0.3으로 설정했다. 10회 실험 평균에서 제안법의 GTE(1,-1) 절대오차는 간섭을 무시한 ξ=0 모형보다 92%, 잠재항을 제거한 A=0 모형보다 91% 낮았다. 이 수치는 합성 조건에서 얻은 비교 결과이며 현실 자료 전반의 성능을 뜻하지 않는다.
현실 사례에는 인구 2,000명 초과인 미국 본토 3,014개 카운티의 2020년 3월 1일~2022년 5월 15일 주별 자료(T=115)가 쓰였다. 주간 사망자가 인구 10만 명당 2명을 넘으면 결과를 1로, 접종률이 30%를 넘으면 2주 뒤 처치를 1로 두었다. 상호작용 그래프는 각 카운티의 가까운 8개 이웃을 거리 감쇠 방식으로 연결했다.
학습·검증 분할에서 제안법의 평균 결과 복원 절대오차는 훈련 0.005, 테스트 0.015였고, t≥50 구간에서는 각각 0.001과 0.033이었다. 같은 t≥50 테스트에서 ξ=0 비교모형의 오차는 0.050이었다. 그러나 현실 자료에 맞춘 ξ 추정값은 1.11로 Dobrushin 조건을 위반한다. 저자들은 B=100과 B=500 Gibbs 업데이트 결과가 유사하다는 추가 실험으로 실제 혼합을 점검했지만, 이 경험적 확인이 이론적 보장을 대체하지는 않는다.
| 구분 | 설정·결과 | 원문 근거 |
|---|---|---|
| 합성실험 | N=500, T=50, k=3; GTE 절대오차 92%·91% 감소 | 4.1, Table 1 |
| 현실 자료 | 3,014개 카운티, T=115, 2020-03-01~2022-05-15 | 4.2 Setting |
| t≥50 테스트 AE | 제안법 0.033, ξ=0 모형 0.050 | Table 3 |
| 현실 자료의 조건 | ξ 추정값 1.11로 Dobrushin 조건 위반 | 4.2, Table E2 설명 |
따라서 이 연구의 기여는 서로 얽힌 결과와 숨은 교란을 한 계산 절차에서 다루는 틀과 조건부 이론을 제시한 데 있다. 코로나19 사례는 관측자료에 모형을 적용한 사례이지 접종의 임상적 효과를 확정한 실험이 아니다. arXiv가 동료심사한 논문도 아니며, 저자들이 제시한 가정과 현실 자료에서 확인된 조건 위반을 함께 봐야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
