경로‑특정 효과의 정의와 추정: 비선형·비모수 모델을 위한 새로운 접근

** 본 논문은 인과 관계를 분석할 때 흔히 사용되는 직접 효과와 간접 효과 개념의 한계를 지적하고, 특히 비선형·비모수 모델에서 간접 효과를 정확히 정의하고 추정하는 것이 얼마나 어려운지를 상세히 논의한다. 전통적인 직접 효과는 “중간 변수를 고정한 상태에서 한 사건이 다른 사건에 미치는 순수 효과”로 정의되지만, 간접 효과는 “중간 변수를 고정하지 못하고 경로 전체를 통해 전달되는 효과”로, 비선형 모델에서는 경로 차단(blocking) 자체가 불가능하거나 의미가 모호해진다. 이러한 문제를 해결하기 위해 저자는 **경로‑특정 효과(path‑specific effect, 이하 PSE)** 라는 새로운 개념을 제안한다. PSE는 특정 인과 경로만을 선택적으로 활성화하고, 나머지 경로는 자연스럽게 평균화(averaged)함으로써 해당 경로의 순수한 기여도를 측정한다. 이를 위해 먼저 인과 구조를 **잠재 변수(잠재 인과 함수)** 로 표현하고, 각 경로에 해당하는 잠재 함수를 정의한다. 예를 들어, 변수 \(X\) 가 \(Y\) 로 전달되는 두 경로 \(\pi_1\) 와 \(\pi_2\) 가 있을 때, \(\pi_1\) 에 대한 PSE는 \(\pi_1\) 에 포함된 중간 변수들의 잠재값을 고정하고, \(\pi_2\) 에 포함된 변수들은 조건부 기대값으로 대체한다. 이렇게 하면 비선형 함수 형태에서도 경로‑특정 효과를 정량화할 수 있다. **식별 조건**은 논문의 핵심 이론적 기여 중 하나이다. 저자는 다음과 같은 세 가지 주요 가정을 제시한다. 1. **무혼동성(ignorability)**: 경로 \(\pi\) 에 포함된 모든 중간 변수는 관측 가능한 공변량 \(C\) 로 충분히 조정 가능해야 한다. 즉, \(X\) 와 \(Y\) 사이의 인과 관계를 방해하는 잠재 혼동 변수가 없다는 가정이다. 2. **비모수적 연속성**: 잠재 함수는 연속성만을 요구하고, 미분 가능성은 선택적이다. 따라서 선형, 로짓, 프로빗 등 다양한 형태의 모델에 적용 가능하다. 3. **경로 독립성**: 서로 다른 경로가 동일한 잠재 요인에 의해 동시에 영향을 받지 않도록 구조적 제약을 둔다. 이는 경로 간 상호작용을 배제하고, 각 경로를 독립적인 인과 흐름으로 간주한다는 의미다. 이러한 가정 하에 저자는 **두 가지 추정 방법**을 제시한다. - **실험적 추정**: 무작위 할당(randomized assignment) 실험에서 각 경로에 해당하는 중간 변수들을 직접 조작하거나 관측함으로써 PSE를 직접 측정한다. 실험 설계 단계에서 경로별 처치를 구분하고, 처리군과 대조군의 차이를 통해 경로‑특정 효과를 추정한다. - **비실험적 추정**: 관찰 데이터에서 인과 효과를 추정하기 위해 **역확률 가중치(inverse probability weighting, IPW)** 와 **교차‑조건화(cross‑conditioning)** 를 결합한다. 구체적으로, 경로 \(\pi\) 에 포함된 중간 변수들의 조건부 확률을 추정하고, 이를 가중치로 사용해 경로‑특정 기대값을 계산한다. 비선형 모델에서는 이 기대값을 구하기 위해 **시뮬레이션 기반 몬테카를로 적분** 혹은 **베이지안 사후 샘플링**을 활용한다. 이론적 검증을 위해 저자는 **정규선형 구조방정식(SEM)**, **비선형 로짓 모델**, **비모수 커널 회귀**, **다변량 베이지안 모델** 네 가지 사례에 대해 식별 가능성을 증명하고, **일관성(consistency)** 과 **점근 정규성(asymptotic normality)** 을 수학적으로 증명한다. 특히 비선형 로짓 모델에서는 기존의 “간접 효과 = 전체 효과 – 직접 효과” 식이 비선형 변환으로 인해 성립하지 않음을 보이고, PSE 기반 접근법이 이러한 비선형 왜곡을 보정한다는 점을 강조한다. **실증 분석**에서는 두 개의 실제 데이터셋을 사용한다. 첫 번째는 **의료 데이터**(예: 고혈압 환자에게 새로운 약물을 투여하고, 혈압 감소 → 심혈관 사건 발생률 감소)이며, 두 번째는 **사회과학 데이터**(예: 고등교육 수준 → 직업 선택 → 연간 소득)이다. 기존 SEM 기반 방법과 비교했을 때, PSE 추정은 (1) 간접 효과의 과대·과소 추정을 크게 줄이고, (2) 경로별 효과를 보다 명확히 구분하며, (3) 표준 오차와 신뢰구간이 더 정확하게 추정된다는 결과를 보였다. 특히 비선형 로짓 모델에서 약물 투여와 심혈관 사건 사이의 비선형 관계를 정확히 포착하면서도, 혈압 감소라는 중간 경로의 기여도를 정량화하는 데 성공하였다. **소프트웨어 구현** 측면에서 저자는 R 패키지 `pseR` 를 공개한다. 이 패키지는 (1) 경로 지정 인터페이스, (2) 자동 식별 검증, (3) 실험·비실험 데이터 모두에 적용 가능한 추정 함수, (4) 경로‑특정 효과를 시각화하는 그래프 도구를 제공한다. 사용자는 데이터와 인과 그래프를 입력하면, 패키지가 자동으로 필요 가정을 검사하고, 적절한 추정 방법을 선택해 결과를 출력한다. 또한 `pseR` 은 **부트스트랩** 및 **베이지안 MCMC** 옵션을 지원해 추정 불확실성을 정밀하게 평가할 수 있다. **결론**적으로, 이 논문은 비선형·비모수 상황에서도 직접·간접 효과를 명확히 구분하고, 경로‑특정 효과라는 새로운 개념을 도입함으로써 인과 구조를 보다 세밀하게 분석할 수 있는 이론·방법론적 토대를 제공한다. 이는 보건·경제·사회과학 등 복잡한 인과 메커니즘을 탐구하고자 하는 다양한 분야에서 기존 경로분석의 한계를 뛰어넘어 새로운 통찰을 제공할 것으로 기대된다. **