근사 베이지안 추정 하에서 시뮬레이션 기반 불확실성 구간 보정

Stan 등에 구현된 평균장 변분 베이지안(VB) 알고리즘은 계산 효율성이 뛰어나지만, 사후 분포 내 파라미터 간 상관관계가 존재할 때 불확실성을 정확하게 측정하지 못하는 한계가 있다. 본 연구는 근사 알고리즘으로 추정된 모델 파라미터의 불확실성 구간을 보정하여 명목 커버리지를 달성하는 시뮬레이션 절차를 제안한다. 초기 모델 실행에서 추정된 파라미터를 기반으로 복제 데이터셋을 생성하고 이를 재추정하여 얻은 경험적 분포로 신뢰 구간을 조정한다. 이 방법은 몬테카를로 시뮬레이션과 실제 고용 통계 데이터를 통해 그 유효성이 입증되었다.