계층모형 두 번째 수준 베이지안 검증

본 논문은 Evans와 Moshonov가 제시한 사전‑데이터 충돌(prior‑data conflict) 검정 방법을 검토하고, 이를 계층적 베이지안 모델의 두 번째 수준에 적용하는 구체적 절차를 제시한다. 논문은 먼저 “데이터의 이중 사용(double use of the data)”이라는 개념을 명확히 정의한다. 저자는 모델 검증 과정에서 동일한 데이터가 두 번 사용되는 상황을 피하기 위해 전체 정보를 “샘플링 모델 × 사전 예측분포 × 조건부 사전 예측분포 × 사후분포” 로 팩터화하는 방법을 제안한다. 이 팩터화는 식 (1) 로 제시되며, 각 요소는 다음과 같은 역할을 한다. 1. **P(·|T)** – 최소 충분통계량 T 를 조건으로 한 데이터의 조건부 분포로, 샘플링 모델이 적합한지를 검정한다. 2. **P_{U∘T}** – 보조통계량 U∘T 의 주변분포로, 모델 검정에 직접적인 영향을 주지 않는다. 3. **M_T(·|U∘T)** – 사전 예측분포를 보조통계량으로 조건부화한 것으로, 사전‑데이터 충돌을 검정하는 핵심 도구이다. 4. **Π(·|x)** – 관측된 데이터 x 를 이용한 사후분포로, 최종 추론에 사용된다. 이 구조는 “샘플링 모델 검정 → 사전‑데이터 충돌 검정 → 사후 추론”이라는 순서를 자연스럽게 만든다. 특히, 최소 충분통계량 T 와 보조통계량 U 를 이용해 사전 예측분포의 보조 변동을 제거함으로써, 사전‑데이터 충돌 검정이 파라미터와 직접 관련된 변동만을 반영하도록 한다. 이는 사전이 비정규(비정보성)일 경우에도 충돌 검정이 의미 있게 수행될 수 있음을 보여준다. 다음으로 논문은 계층 모델에 대한 적용을 상세히 논한다. 파라미터를 θ = (θ₁,θ₂) 로 구분하고, θ₁ 은 하이퍼파라미터, θ₂ 는 1차 파라미터라 할 때, 사전은 Π₁(dθ₁)·Π₂(dθ₂|θ₁) 로 구성된다. 저자는 두 가지 상황을 구분한다. (i) θ₁,θ₂ 모두 우도에 등장하는 경우와 (ii) θ₂ 만 우도에 등장하는 경우(전형적인 계층 모델). 본 논문은 후자를 중심으로 논의를 전개한다. 먼저, 전체 정보에서 샘플링 모델이 적합한지를 P(·|T) 로 검정한다. 이 단계에서 문제가 없으면, 두 번째 단계로 넘어가 M_T(·|V) 를 이용해 Π₂와 데이터 사이의 충돌을 검정한다. 여기서 V 는 M_T 의 최소 충분통계량이며, 필요시 V 의 최대 보조통계량 W 를 도입해 M_V 를 보조변동 없이 조건부화한다. 만약 Π₂와 충돌이 발견되지 않으면, 마지막으로 M_V(·|W∘V) 를 이용해 Π₁와의 충돌을 검정한다. 각 단계는 앞 단계가 통과된 경우에만 수행되므로, 데이터가 이미 검증된 샘플링 모델에 기반해 사전 검정이 이루어진다. 특히 부정규 사전(예: 비정규화된 사전) 사용 시, M_T(·|U∘T) 가 확률측도가 아니라 비확률적 측도일 수 있음을 지적한다. 그럼에도 불구하고, 부정규 사전은 “어떠한 데이터에도 충돌을 일으키지 않는다”는 특성을 갖는다면 비정보성이라고 정의한다. 이는 Evans와 Moshonov가 제시한 비정보성 시퀀스와 일치한다. 논문은 이러한 이론적 틀을 정규‑정규 계층 모델에 적용하여 구체적인 구현 방법을 보여준다. 모델은 I 개의 그룹 각각에 대해 관측값 x_{ij} 가 동일한 분산 σ² 를 갖고, 각 그룹 평균 θ_i 가 하이퍼파라미터 μ와 τ² 로 정규분포를 따른다고 가정한다. 최소 충분통계량 T = (ȳ₁,…,ȳ_I) 로부터 V = (∑ȳ_i, ∑ȳ_i²) 를 정의하고, V 를 이용해 M_T(·|V) 를 구한다. V 가 완전 최소 충분통계량이므로 보조통계량 W 가 필요 없으며, 조건부 분포는 V 의 값에 의해 구형(구면) 위에서 균등하게 배포된다. 저자는 이를 시뮬레이션으로 구현하는 절차를 제시하고, 임의의 불일치 통계량에 대해 p‑값을 계산한다. 전체적으로 이 논문은 (1) 전체 정보를 팩터화하여 데이터 이중 사용을 방지하고, (2) 최소 충분통계량과 보조통계량을 활용해 사전‑데이터 충돌을 명확히 정의하며, (3) 계층 모델의 두 번째 수준까지 확장 가능한 실용적인 검정 절차를 제공한다는 점에서 베이지안 모델 검증 분야에 중요한 기여를 한다.