이 연구실의 핵심 축 가운데 하나는 비모수적 추론과 준모수 모형을 활용한 유연한 통계 방법론 개발이다. 전통적인 모수 모형은 해석이 명확하고 계산 효율이 높지만, 실제 데이터가 정규성이나 등분산성 같은 가정을 충분히 만족하지 않는 경우 성능이 크게 저하될 수 있다. 이에 따라 연구실은 분포 형태를 엄격히 가정하지 않으면서도 데이터의 구조를 효과적으로 반영할 수 있는 비모수·준모수 접근을 통해 더 강건하고 현실적인 추론 체계를 구축하는 데 집중한다. 구체적으로는 이분산 오차 모형, 임의의 표본선택 편향, 비대칭 오차 구조, 다양한 형태의 회귀문제에서 효율적 추정량을 설계하는 방법론이 주요 연구 범위를 이룬다. 학회 발표 이력에서도 heteroscedastic error models, semiparametric efficient estimators, robust estimation, generalized t 분포 기반 이항 회귀모형 등 복잡한 오차 구조와 분포 왜곡에 대응하는 연구가 확인된다. 이러한 연구는 단순히 모형 적합에 그치지 않고, 추정의 효율성·강건성·해석 가능성을 동시에 확보하는 방향으로 전개된다. 이 분야의 연구는 실제 응용 데이터 분석에서 매우 큰 의미를 가진다. 의료, 사회과학, 공학, 생명과학 데이터는 이상치, 비정규성, 표본선택 문제를 동반하는 경우가 많기 때문에, 유연한 통계추론 방법은 신뢰할 수 있는 결론 도출의 기반이 된다. 연구실이 축적하는 비모수·준모수 방법론은 복잡한 현실 데이터를 위한 일반적 분석 프레임워크를 제공하며, 향후 고차원 데이터와 인과추론, 생물정보학적 응용으로도 자연스럽게 확장될 수 있다.

연구실의 또 다른 대표 주제는 고차원 관측자료에서 인과효과를 정밀하게 추정하는 통계 방법론이다. 단순 상관관계가 아니라 특정 처치나 개입이 결과에 미치는 평균적 영향을 파악하는 것은 정책평가, 의학 연구, 사회과학 분석, 사용자 행동 분석 등 다양한 분야에서 매우 중요하다. 특히 변수 수가 많고 잠재적 교란 요인이 복잡하게 얽힌 고차원 환경에서는 기존의 저차원 통계기법만으로는 안정적인 인과효과 추정이 어렵기 때문에, 연구실은 차원축소와 현대적 추론기법을 결합한 접근을 탐구한다. 제시된 국가연구과제에서도 평균 인과 효과, 평균 인과 매개 효과, 교란 변수 통제, 순서형 범주형 자료, 민감도 분석, 차원축소가 핵심 개념으로 드러난다. 이는 단순 평균 처리 효과 추정에 머무르지 않고, 매개경로를 고려한 인과 메커니즘 분석과 측정척도의 특성까지 반영하는 정교한 설계를 지향함을 뜻한다. 또한 그래프와 구조 모형을 도입한 인과추론 발표 이력은, 인과관계를 구조적으로 표현하고 식별 가능성을 따지는 현대적 인과추론 관점이 연구실의 방법론에 포함되어 있음을 보여준다. 이 연구는 복잡한 현실 문제에서 ‘무엇이 실제로 변화를 일으켰는가’를 규명하는 데 기여한다. 고차원 자료에서 불필요한 정보를 줄이면서 핵심 인과 신호를 보존하는 방법은 해석력과 예측력 모두를 개선할 수 있다. 더 나아가 민감도 분석을 통해 숨은 편향 가능성을 점검함으로써, 관측자료 기반 연구의 한계를 투명하게 제시하고 보다 신뢰도 높은 결론을 제공한다는 점에서 학문적·실용적 가치가 크다.

이 연구실은 순수 통계이론에만 머무르지 않고, 다양한 응용 분야에서 데이터 기반 의사결정을 지원하는 융합 연구에도 관심을 보인다. 연구 목록에는 바이오센서 기반 코로나19 진단, 노화 관련 생체기전, BIM-GIS 데이터 통합, 효소공학 기반 PET 분해 등 서로 다른 분야의 논문이 포함되어 있다. 이는 연구실이 통계학을 독립된 기술로 보는 것이 아니라, 복잡한 현상을 정량적으로 이해하고 검증하는 공통 도구로 활용하고 있음을 시사한다. 이러한 융합성은 생명과학, 의학, 공학, 건설정보, 환경문제 등 각기 다른 영역에서 데이터 구조를 해석하고 적절한 분석 프레임을 제공하는 역량으로 이어진다. 예를 들어 바이오센서 연구에서는 민감도와 검출 한계 같은 정량 지표의 해석이 중요하며, 생명과학 연구에서는 실험 데이터의 변동성 통제와 재현 가능한 결론 도출이 필수적이다. 또한 BIM과 GIS의 통합 같은 정보융합 문제에서는 서로 다른 데이터 형식 간 변환과 구조적 일관성 확보가 중요하므로, 통계적 사고와 데이터 모델링 능력이 큰 역할을 한다. 결국 이 연구실의 응용연구는 통계 방법론이 실제 문제 해결에 어떻게 연결될 수 있는지를 보여주는 좋은 사례다. 다양한 공동연구 경험은 새로운 데이터 유형과 복합적 연구질문에 적응할 수 있는 분석 역량을 강화하며, 통계학이 현대 과학기술의 핵심 기반 학문임을 드러낸다. 앞으로도 이와 같은 융합 방향은 통계학적 엄밀성과 도메인 지식의 결합을 통해 더욱 확장될 가능성이 크다.