베이지안 추정

Bayesian Estimation

모수를 미지의 확률변수로 두고, 사전분포 (prior) 와 데이터의 우도 (likelihood) 를 Bayes 정리로 결합해 사후분포 (posterior) 를 도출하는 추정 paradigm. 점추정 대신 posterior 의 분포 전체를 얻으므로 모수 불확실성과 응답자 이질성을 자연스럽게 다룰 수 있다. 닫힌 형태의 사후분포를 얻기 어려운 비선형·계층 모형에서는 markov-chain-monte-carlo 로 사후분포에서 표본을 추출해 추론한다.

• 유형: 모수, 확률 paradigm, 시뮬레이션 기반 추정
• 핵심 가정: prior 의 적절한 선택, likelihood 의 정확한 specification, MCMC 의 수렴
• 주요 변형: hierarchical Bayes, empirical Bayes, variational Bayes, Gibbs sampling, Metropolis-Hastings, Hamiltonian Monte Carlo

개요

Bayes (1763) 의 An Essay towards solving a Problem in the Doctrine of Chances 가 출발점이지만, 20 세기 후반까지는 사후분포 계산의 어려움 때문에 frequentist 추정에 밀려 있었다. Geman-Geman (1984) 의 Gibbs sampling 과 Hastings (1970) 의 Metropolis-Hastings 알고리즘이 markov-chain-monte-carlo 기반 시뮬레이션 추정을 가능하게 하면서 1990 년대부터 응용이 폭발했다. Gelfand-Smith (1990) 가 통계학 mainstream 에 Gibbs sampling 을 도입했고, Allenby-Rossi (1999) 와 Train (2003) 의 Discrete Choice Methods with Simulation 이 이산선택 모형 의 hierarchical Bayes 추정을 marketing·교통·환경 경제학의 표준 도구로 만들었다. 진술선호법 데이터에서 응답자별 선호 이질성 (consumer heterogeneity) 을 포착하기 위해 응답자별 random parameter 분포의 hyperparameter 까지 동시 추정하는 hierarchical Bayes 는 mixed logit 의 simulated maximum likelihood 의 자연스러운 대안이 됐다.

핵심 식·정의

데이터 $y$ 와 모수 $\theta$ 에 대해 사후분포는 Bayes 정리로 다음과 같이 정의된다.

여기서 $p(\theta)$ 는 사전분포, $L(\theta; y) = p(y \mid \theta)$ 는 우도, $p(y) = \int p(y \mid \theta) p(\theta) d\theta$ 는 정규화 상수다. 점추정은 posterior mean $\hat\theta = \int \theta \, p(\theta \mid y) d\theta$ 또는 posterior mode (MAP) 로, 신뢰구간은 posterior 의 quantile (credible interval) 로 얻는다. hierarchical 모형에서는 응답자 $i$ 의 모수 $\theta_i$ 가 hyperparameter $\phi$ 의 분포 $p(\theta_i \mid \phi)$ 에서 추출된다고 두고, Gibbs sampler 가 $\theta_i \mid \phi, y$ 와 $\phi \mid \{\theta_i\}, y$ 를 번갈아 표본 추출해 수렴 후의 표본으로 사후분포를 근사한다.

TEMEP 라인

이종수 · 김연배 의 conjoint analysis · stated preference 라인이 베이지안 추정의 중심 응용처다. An Analysis of Consumer Preferences among Wireless LAN and Mobile Internet Services 이 순위형 로짓 모형 에 hierarchical Bayes 를 결합해 응답자별 선호 이질성을 포착하는 방법론 격상 논문이고, Consumer preferences for alternative fuel vehicles in South Korea 가 대체연료차 수요 추정에서 hierarchical Bayes 의 정책 응용을 본격화한다. Analysis on the Business Strategy and Policy for the Alternative Fuel Vehicle: Using Stated Preference Data 와 Effects of consumer preferences on the convergence of mobile telecommunications devices 가 베이지안 이산선택 모형 로 컨버전스 단말·사업 전략의 선호 구조를 추정하고, Estimating the extent of potential competition in the Korean mobile telecommunications market: Switching costs and number portability 이 통신 번호이동성 정책 분석에서 베이지안 이산선택 모형 을 활용한다.

이 라인의 공통 motivation 은 단순 다항로짓 의 representative-agent 가정이 stated preference 의 풍부한 응답자별 정보를 사장한다는 것이다. hierarchical Bayes 추정은 응답자별 random parameter 의 분포를 동시 추정해 willingness-to-pay 의 individual-level posterior 까지 얻을 수 있고, 이는 신기술 수요 예측·시장 세분화·정책 수용성 분석의 quantitative anchor 가 됐다.

See also

• 관련 method: markov-chain-monte-carlo, 이산선택 모형, 순위형 로짓 모형, 혼합 로짓 모형, 컨조인트 분석
• 관련 concept: 소비자 이질성, 진술선호법, willingness-to-pay
• 핵심 paper: An Analysis of Consumer Preferences among Wireless LAN and Mobile Internet Services, Consumer preferences for alternative fuel vehicles in South Korea, Effects of consumer preferences on the convergence of mobile telecommunications devices, Analysis on the Business Strategy and Policy for the Alternative Fuel Vehicle: Using Stated Preference Data, Estimating the extent of potential competition in the Korean mobile telecommunications market: Switching costs and number portability