이중모드 네트워크를 위한 이중선형 혼합효과 모델: 활동 참여와 인종 분리의 잠재공간 분석

본 논문은 두 개의 서로 다른 집합, 즉 ‘배우(학생)’와 ‘사건(과외 활동)’으로 구성된 이중모드(소속) 네트워크를 분석하는 새로운 통계 모델을 제시한다. 서론에서는 소속 네트워크가 전통적인 1‑모드(배우‑배우) 네트워크와 달리 두 집합 간의 이중 관계를 동시에 고려해야 함을 강조하고, 기존의 1‑모드 전용 모델(ERGM, 잠재 공간 모델 등)이 이러한 구조적 특성을 충분히 포착하지 못한다는 점을 지적한다. 2장에서는 소속 네트워크의 기본 수학적 정의와, 네트워크 내에서 흔히 관찰되는 의존 패턴을 체계화한다. 특히, ‘사이클’이라 불리는 네 개의 노드(두 배우, 두 사건)로 이루어진 구조에서 전이성(한 배우가 두 사건에 모두 참여하면 다른 배우도 두 사건에 모두 참여할 가능성)과 균형성(네 개의 연결 상태가 모두 양(연결) 혹은 모두 음(비연결)인 경우)이라는 4차 의존성을 정의한다. 이러한 사이클은 실제 데이터에서 무작위 독립 가정보다 훨씬 높은 빈도로 나타나며, 이는 모델이 4차 상호작용을 반영해야 함을 의미한다. 3장에서는 기존의 고정 효과 모델과 일반화 선형 혼합효과 모델을 검토한다. 고정 효과 모델은 행·열 수준의 공변량만을 포함해 dyad 간 독립을 가정하므로 사이클 의존을 설명하지 못한다. 혼합효과 모델은 배우와 사건 각각에 랜덤 효과(a_i, e_k)를 추가해 동일 배우 혹은 동일 사건에 속한 dyad 간 상관을 포착하지만, 여전히 두 배우가 동일 사건에 동시에 참여하고 또 다른 사건에도 동시에 참여하는 복합적인 상호작용을 설명하지 못한다. 이를 극복하기 위해 저자는 ‘이중선형(bilinear) 혼합효과 모델’을 제안한다. 모델의 핵심은 각 배우 i와 사건 k에 대해 d 차원의 잠재 벡터 u_i와 v_k를 할당하고, 이들의 내적 u_i′v_k 를 선형 예측식에 추가하는 것이다. 구체적인 모델식은  g(μ_ik) = β′x_ik + a_i + e_k + u_i′v_k + γ_ik 이며, g는 로짓(이진) 혹은 로그(포아송) 링크 함수이다. 여기서 γ_ik는 dyad‑레벨 잔차이며, 필요에 따라 포함한다. u_i와 v_k의 내적은 두 배우가 동일 사건에 동시에 참여했을 때 양의 값을 크게 만들고, 또 다른 사건에도 동시에 참여했을 때 동일한 양의 효과를 부여함으로써 4차 사이클의 균형성을 자연스럽게 강화한다. 베이즈 추정을 위해 사전분포를 설정하고, 마코프 연쇄 몬테카를로(MCMC) 알고리즘을 설계한다. β와 랜덤 효과 a_i, e_k, γ_ik는 정규 사전을 가정하고 Gibbs 샘플링으로 업데이트한다. 잠재 벡터 u_i와 v_k는 다변량 정규 사전(N(0, I_d))을 갖으며, Metropolis‑Hastings 단계에서 제안 분포를 이용해 샘플링한다. 차원 d는 모델 선택 기준(DIC, WAIC, LPML 등)으로 최적값을 탐색한다. 4장에서는 제안 모델을 실제 데이터에 적용한다. 연구 대상은 미국 중서부 대도시의 인종적으로 다양한 고등학교 학생 150명과 20개의 과외 활동이다. 각 학생에 대한 인종, 성별, 학년 등의 행 수준 공변량과, 각 활동에 대한 카테고리(예술, 스포츠 등)와 인기도 등의 열 수준 공변량을 포함한다. 기본 고정·혼합 모델과 비교했을 때, 이중선형 모델은 DIC와 WAIC가 크게 개선되어 데이터 적합도가 우수함을 보인다. 잠재공간 시각화에서는 d=2 차원에서 각 배우와 사건을 점으로 배치했으며, 동일 인종 학생들이 비슷한 위치에 군집되는 경향을 확인했다. 특히, 백인 학생은 특정 스포츠·음악 활동 주변에, 흑인 학생은 다른 문화·예술 활동 주변에 집중되는 형태가 드러났다. 이러한 시각적 패턴을 정량화하기 위해 공간점패턴 분석 기법인 Ripley’s K‑함수와 L‑함수를 적용했으며, 무작위 시뮬레이션 대비 인종별 군집 정도가 유의하게 높음이 확인되었다. 즉, 모델이 제공하는 잠재 좌표는 인종 간 활동 선택의 구조적 분리를 정량적으로 측정할 수 있는 도구가 된다. 5장에서는 연구 결과를 요약하고, 제안 모델의 확장 가능성을 논의한다. 다중 모드(세 개 이상) 네트워크, 시간에 따라 변하는 동적 소속 네트워크, 그리고 비이진(빈도) 데이터를 위한 확장 등이 향후 연구 과제로 제시된다. 또한, 정책 입안자가 학생들의 사회적 통합을 촉진하기 위해 어떤 활동을 강화해야 하는지에 대한 실질적인 시사점을 제공한다.