다중대체법 (Multiple Imputation)

한 줄 정의: 결측치를 하나의 값으로 메우는 대신, 불확실성을 반영해 여러 개의 그럴듯한 값으로 채운 뒤 각각 분석하고 결과를 하나로 통합하는 결측치 처리 기법입니다.

쉽게 풀면

설문 응답 중 일부 문항에 답이 비어 있을 때, "평균값으로 채우자"는 식으로 빈칸을 하나의 숫자로 채우면 마치 그 값을 원래부터 확실히 알고 있었던 것처럼 계산에 포함되어 결과가 실제보다 더 정확해 보이는 착시가 생깁니다. 다중대체법은 이 문제를 피하기 위해 빈칸마다 "이 정도 범위에서 이런 값이었을 것 같다"는 여러 개의 그럴듯한 추정값을 만들어 완성된 데이터셋을 여러 벌(보통 5~20개) 만듭니다. 그리고 각 데이터셋으로 똑같은 분석을 따로 수행한 뒤, 그 결과들을 평균 내면서 결측치 추정으로 인한 불확실성까지 표준오차에 반영해 최종 결과를 하나로 합칩니다.

왜 중요한가

설문조사, 패널데이터, 임상시험 등 실제 연구 자료에는 응답 누락이나 탈락으로 인한 결측치가 거의 항상 존재합니다. 결측치가 있는 사례를 통째로 빼버리면 표본이 줄어들고 편향이 생길 수 있는 반면, 다중대체법은 남아 있는 정보를 최대한 활용하면서도 결측치를 채우는 과정에서 생기는 불확실성을 결과에 정직하게 반영할 수 있어, 사회과학·역학·임상연구 등에서 결측치 처리의 표준적인 방법으로 자리잡았습니다.

논문에서는 이렇게 쓰입니다

"결측치는 완전 무작위 결측이 아니라고 판단되어, 연쇄방정식을 이용한 다중대체법(MICE)으로 20개의 대체 데이터셋을 생성한 후 분석 결과를 통합하였다."

이 문장은 "빈 칸을 하나의 값으로 대충 채우지 않고, 통계적으로 정당화된 절차를 거쳐 여러 버전의 완성된 데이터를 만들어 분석했다"는 뜻으로, 결측치 처리의 신뢰성을 보여주기 위해 자주 등장합니다.

"추적관찰 중 탈락으로 발생한 결측 혈압 자료에 다중대체법을 적용하여 완전사례분석 결과와 비교하였다."

이 문장은 임상연구에서 중도 탈락으로 생긴 빈 값을 다중대체법으로 채운 결과와, 결측치가 있는 사람을 아예 제외하고 분석한 결과를 나란히 비교했다는 뜻으로, 결측치 처리 방식이 결론에 영향을 주는지 확인하려는 의도를 보여줍니다.

"패널조사 문항별 무응답에 다중대체법을 적용하여 표본 크기 감소로 인한 검정력 손실을 최소화하였다."

이 문장은 여러 해에 걸친 조사에서 일부 응답이 비어 있을 때, 사례를 버리는 대신 다중대체법으로 채워 분석에 활용할 수 있는 자료의 양을 유지했다는 의미입니다.

조금 더 깊게 보면

다중대체법은 결측치 발생 메커니즘에 대한 가정에 따라 적절성이 달라지는데, 결측 여부가 관측된 다른 변수들로 설명되는 무작위 결측(MAR) 상황에서 특히 잘 작동합니다. 실제 절차는 대체(Impute), 분석(Analyze), 통합(Pool)의 세 단계로 이루어지며, 이를 합쳐 흔히 럽빈의 규칙(Rubin's rules)이라 부르는 방식으로 여러 데이터셋의 추정치와 표준오차를 하나로 합칩니다. 대체할 값을 만드는 구체적인 방법으로는 변수마다 순차적으로 회귀모형을 적용하는 연쇄방정식(MICE) 방식이 널리 쓰이며, 몇 개의 대체 데이터셋을 만들지는 결측치 비율 등에 따라 연구자가 정하게 됩니다.

주의할 점

다중대체법은 결측치가 결측치 처리 문헌에서 말하는 "무작위 결측(MAR)"에 가까울 때 특히 효과적이며, 결측 여부가 관측되지 않은 값 자체와 관련된 "비무작위 결측(MNAR)" 상황에서는 추가 가정 없이는 편향을 완전히 없애지 못합니다.