다중대체와 재현자료 작성 = Multiple imputation and synthetic data

다국어 초록 (Multilingual Abstract)

As society develops, the dissemination of microdata has increased to respond to diverse analytical needs of users.
Analysis of microdata for policy making, academic purposes, etc. is highly desirable in terms of value creation.
However, the provision of microdata, whose usefulness is guaranteed, has a risk of exposure of personal information.
Several methods have been considered to ensure the protection of personal information while ensuring the usefulness of the data.
One of these methods has been studied to generate and utilize synthetic data.
This paper aims to understand the synthetic data by exploring methodologies and precautions related to synthetic data.
To this end, we first explain muptiple imputation, Bayesian predictive model, and Bayesian bootstrap, which are basic foundations for synthetic data.
And then, we link these concepts to the construction of fully/partially synthetic data.
To understand the creation of synthetic data, we review a real longitudinal synthetic data example which is based on sequential regression multivariate imputation.

국문 초록 (Abstract)

사회가 발전함에 따라 이용자의 다양한 분석 요구에 대응하기 위해 개인 단위로 구성된 마이크로데이터 제공이 증가했다. 나아가 센서스, 행정자료와 같은 전수자료를 마이크로데이터 형태로 제공받아 연구하고자 하는 요구 역시 커지고 있다. 정책결정, 학술목적 등을 위한 마이크로데이터 분석은 가치 창출 측면에서 대단히 바람직하다. 하지만 자료 유용성이 확보된 마이크로데이터 제공은 개인정보가 노출될 가능성이라는 위험을 가질 수 밖에 없다. 이에, 자료의 유용성을 확보하면서 개인정보보호를 보장할 수 있는 여러 방법들이 고려되어 왔다. 이러한 방법 중 하나로 재현자료(synthetic data)를 생성해서 활용하는 방법이 연구되어 왔다. 본 논문은 재현자료 생성과 관련된 방법론 및 주의사항을 소개하여, 재현자료의 이해를 도모하고자 한다. 이를 위해 재현자료 작성에 필수적인 다중대체, 베이지안 예측 모형 및 베이지안 붓스트랩 등의 개념들을 먼저 설명하고, 완전 재현자료 및 부분 재현자료에 대해 살펴본다. 특히, 재현자료 작성을 심도 깊이 이해하기 위해 순차회귀 다중대체(sequential regression multivariate imputation)를 이용해 경시적(longitudinal) 자료를 재현자료로 작성하는 구체적 사례를 살펴본다.

참고문헌 (Reference)

1 박민정, "마이크로데이터 공표를 위한 통계적 노출제어 방법론 고찰" 한국통계학회 29 (29): 1041-1059, 2016

2 Rubin, D. B., "The Bayesian bootstrap" 9 : 130-134, 1981

3 Little, R. J. A., "Statistical analysis of masked data" 9 : 407-426, 1993

4 Drechsler, J., "Some clarifications regrading fully synthetic data" Springer 109-121, 2018

5 Reiter, J. P., "Significance tests for multi-component estimands from multiply imputed, synthetic microdata" 131 : 365-377, 2004

6 Reiter, J. P., "Satisfying disclosure restrictions with synthetic data sets" 18 : 531-543, 2002

7 Park, M. J., "Reveiw on the synthetic data generation methodologies" Statistical Research Institute 2017

8 Machanavajjhala, A., "Privacy : theory meets practice on the map" 277-286, 2008

9 Raab, G. M., "Practical data synthesis for large samples" 7 : 67-97, 2017

10 Rubin, D. B., "Multiple imputations in sample surveys - a phenomenological Bayesian approach to nonresponse" American Statistical Association 20-34, 1978

11 Raghunathan, T. E., "Multiple imputation for statistical disclosure limitation" 19 : 1-16, 2003

12 Rubin, D. B., "Multiple Imputation for Nonresponse in Surveys" John Wiley & Sons 1987

13 Reiter, J. P., "Inference for partially synthetic, public use microdata sets" 29 : 181-188, 2003

14 Abowd, J. M., "High wage workers and high wage firms" 67 : 251-333, 1999

15 Rubin, D. B., "Discussion statistical disclosure limitation" 9 : 461-468, 1993

16 Abowd, J. M., "Confidentiality, Disclosure, and Data Access: Theory and Practical Applications for Statistical Agencies" North Holland 215-277, 2001

17 Park, M. J., "Comparative study on the recent SDC methods" Statistical Research Institute 2016

18 Efron, B., "Bootstrap methods : another look at the jackknife" 7 : 1-26, 1979

19 Clyde, M. A., "Artificial Intelligence and Statistics" Morgan Kaufmann 169-174, 2001

20 Rubin, D. B., "An overview of multiple imputation" American Statistical Association 79-84, 1988

21 Raghunathan, T. E., "A multivariate technique for multiply imputing missing values using a sequence of regression models" 27 : 85-95, 2001