다단계 샘플링에서 M추정과 예측 기반 편향 보정

본 논문은 두 단계 다파동(멀티웨이브) 샘플링이라는 새로운 실험 설계 모델을 제시하고, 이 모델 하에서 M‑추정 문제를 해결하기 위한 통계적 방법론을 체계적으로 개발한다. 1. **문제 설정 및 배경** - 대규모 데이터 수집이 가능하지만, 일부 핵심 변수는 측정 비용이 높아 제한된 표본에만 적용할 수 있는 상황을 다룬다. 예를 들어, 사전 학습된 머신러닝 모델이 제공하는 예측값(저비용)과 실제 실험을 통해 얻는 정밀 측정값(고비용) 사이의 차이를 보정한다. - 기존 연구는 두 단계 샘플링을 다루지만, 대부분 사전 정의된 층화(stratified) 설계에 의존하거나, 적응적 설계에 대한 점근적 정규성 증명을 제공하지 못한다. 2. **두 단계 다파동 샘플링 프로토콜** - **Phase I**: N개의 표본을 i.i.d.로 추출하고, 저비용 변수 ˜X_i = (X_c,i, ˜X_e,i)를 관측한다. 고비용 변수 X_e,i는 아직 측정되지 않는다. - **Phase II**: K개의 파동을 순차적으로 진행한다. 각 파동 k에서는 이전 파동까지 축적된 데이터 D_{k−1}를 이용해 라벨링 규칙 π^{(k)} ∈ P를 학습한다. 이후 각 표본 i에 대해 Bernoulli 확률 π^{(k)}(˜X_i)로 고비용 변수 X_e,i를 측정한다. 이미 측정된 표본은 재측정하지 않는다. 3. **역확률 가중치 설계** - 파동별 가중치 W_i^{(k)}를 정의하고, 파동 가중치 계수 c_k (∑c_k=1)를 이용해 다파동 가중치 W_i = Σ_{k} c_k W_i^{(k)}를 만든다. 이 가중치는 각 파동에서 선택된 표본에 대한 역확률 보정 역할을 하며, 토워 성질을 이용해 조건부 기대값을 단계별로 계산할 수 있게 해준다. 4. **Predict‑Then‑Debias 추정량** - 손실 함수 l_θ(·)를 정의하고, 목표 파라미터 θ₀ = arg min_θ E