부수통계량 (Ancillary Statistic)

한 줄 정의: 그 자체의 분포가 관심 모수와 무관하여, 모수에 대한 정보는 담고 있지 않지만 추정의 정밀도에 대한 정보를 제공하는 통계량.

쉽게 풀면

어떤 통계량은 모수가 얼마이든 상관없이 항상 같은 분포를 가지는 경우가 있는데, 이런 통계량은 모수 자체를 추정하는 데는 쓸모가 없지만 대신 '지금 이 표본에서 추정이 얼마나 정밀한지'를 알려주는 역할을 한다. 예를 들어 표본 크기 자체가 무작위로 정해지는 실험설계에서는 표본 크기가 부수통계량이 될 수 있다. 충분통계량과 정반대로 모수 정보를 담지 않는다는 점이 특징이다.

왜 중요한가

부수통계량은 충분통계량만으로는 설명되지 않는 '추정의 정밀도' 문제를 다루기 때문에 통계적 추론 이론에서 꾸준히 논의된다. 특히 조건부 추론과 우도 기반 추론에서, 관측된 표본이 갖는 특수한 상황(예: 표본 크기가 무작위로 정해지는 설계, 특정 실험 조건)을 고려하지 않은 채 주변적(marginal) 방식으로만 추론하면 정보 손실이 생길 수 있다는 문제의식과 맞닿아 있다. 이 때문에 생물통계학의 임상시험 설계, 계량경제학의 표본선택 모형, 우도 이론 전반에서 부수통계량 개념이 반복적으로 인용된다.

논문에서는 이렇게 쓰입니다

"부수통계량을 조건으로 고정한 조건부 추론을 통해 더 정확한 신뢰구간을 구성하였다."

조건부 추론(conditional inference)에서 모수와 무관한 변동성을 통제하여 더 정밀한 통계적 결론을 내릴 때 사용된다.

"임상시험에서 실제 등록된 환자 수가 목표 표본 크기와 다를 수 있으므로, 이를 부수통계량으로 간주하고 그 값을 조건으로 한 분석을 수행하였다."

생물통계학 분야 논문에서 표본 크기처럼 설계 단계에서 확정되지 않는 변수를 부수통계량으로 다루어, 실제 관측된 조건에 맞춘 분석을 수행하는 상황을 보여준다.

"제안된 검정통계량이 근사적으로 부수통계량적 성질을 만족함을 보이고, 이를 근거로 조건부 유의확률을 유도하였다."

계량경제학이나 이론통계학 논문에서 새로운 검정통계량의 성질을 분석할 때, 정확한 부수통계량이 아니더라도 근사적으로 그 성질을 만족한다는 점을 이용해 조건부 추론의 정당성을 확보하는 방식으로 쓰인다.

조금 더 깊게 보면

부수통계량 개념을 정밀하게 다루는 논의에서는 완전한(exact) 부수통계량과 근사적(approximate) 부수통계량을 구분한다. 실제 문제에서는 정확히 모수와 무관한 분포를 갖는 통계량을 찾기 어려운 경우가 많아, 점근적으로 부수통계량에 가까운 성질을 갖는 통계량을 이용하는 근사적 조건부 추론이 널리 쓰인다. 또한 부수통계량은 피셔정보량과도 연결되는데, 조건을 고정했을 때의 조건부 피셔정보량이 전체(무조건) 피셔정보량보다 추정의 정밀도를 더 잘 반영한다고 보는 관점이 이러한 논의의 핵심이다. 최소충분통계량과 부수통계량이 함께 완비되는 특수한 경우(예: 위치-척도족 모형)에서는 두 개념이 데이터를 정보 성분과 정밀도 성분으로 명확히 분리해준다는 점도 자주 언급된다.

주의할 점

부수통계량은 충분통계량과 짝을 이루어 함께 논의되는 경우가 많으며, 둘을 혼동하면 정반대의 결론에 도달할 수 있다.