증거·확률·인과관계

다른 지역에서 얻은 효과를 우리 지역에 적용하려면 무엇을 알아야 할까?

인과 지식의 이전은 연구 결과를 단순 복사하는 일과 다릅니다. 집단 간에 무엇이 달라지고 무엇이 유지되는지 가정을 드러내는 방법을 살펴봅니다.

어느 도시에서 새 안내 방식이 효과를 보였다는 연구가 나왔습니다. 우리 도시도 같은 방식을 쓰면 평균 효과가 같을까요? 주민의 사전 경험이나 환경이 다르면 같은 개입도 다른 평균 결과를 낼 수 있습니다. 외부 연구를 참고할 때 필요한 것은 연구를 믿을지 말지의 양자택일보다, 어느 조건에서 그 결과가 우리 상황에 연결되는지 밝히는 일입니다.

학술 자료의 내용

연구를 읽는 두 가지 질문

집단 차이를 구조로 표현하기

휘너문트와 바라인보임의 공개 연구는 여러 조건에서 수집한 자료로 인과 질문에 답하는 방법을 정리합니다. 확인한 v4의 5절은 한 집단의 인과 지식을 다른 집단으로 옮기는 이전 가능성을 다룹니다. 선택 도식에는 두 집단에서 달라질 수 있는 배경 분포나 작동 기제를 표시합니다. 무엇이 바뀌지 않는다는 가정도 그만큼 중요한 정보가 됩니다. [1]

언제 재가중이 의미를 갖는가?

단순한 경우에는 관련 집단별 효과가 유지되고 집단 구성만 다르면 대상 집단의 비중으로 다시 합칠 수 있습니다. 하지만 개입의 작동 방식 자체가 바뀌면 구성비 조정만으로 부족할 수 있습니다. 논문은 이런 조건을 인과 도식과 식별 논리로 다룹니다. 모든 외부 연구를 자동으로 이전하는 만능 공식이 아니며, 이 글은 인용된 교육 실험의 효과를 자체 검증한 것으로 소개하지 않습니다. [1]

그림으로 생각하기

효과가 같아도 구성비가 다르면 평균이 달라진다

LTCT가 만든 가상 수치를 사용합니다. 초보 집단에서 안내 방식의 인과 효과가 10점, 숙련 집단에서 2점이라고 가정합니다. 원래 도시의 구성비가 초보 80%, 숙련 20%이면 평균 효과는 0.8×10+0.2×2=8.4점입니다. 대상 도시가 초보 20%, 숙련 80%라면 같은 집단별 효과를 가정할 때 0.2×10+0.8×2=3.6점입니다.

그림은 두 도시의 효과 차이가 집단별 효과의 변화 없이도 생길 수 있음을 보여 줍니다. 수치는 교육 원리를 설명하려고 구성했으며 실제 연구의 효과 크기가 아닙니다. 두 도시에서 초보·숙련의 정의와 점수 척도도 같다고 가정했습니다.

이 계산을 실제 판단에 쓰려면 더 확인해야 합니다. 각 집단에서 개입을 동일하게 실행했는지, 비교 개입도 같은지, 대상 도시에 원래 연구에 없던 집단이 있는지 살펴야 합니다. 초보 집단의 효과가 대상 도시에서는 달라졌다면 3.6점은 타당한 예측이 아닙니다.

초보효과10점 숙련효과2점이 같다고 가정할 때 구성비80대20은8.4점 20대80은3.6점.
LTCT 제작 교육용 도식·표. 개념 출처: [1]. 예시·수치·배치는 LTCT가 새로 구성했으며 원문 도표나 사진을 복제하지 않았습니다. 그림 크게 보기 ↗

어디까지 말할 수 있을까요?

  • 집단별 효과의 불변성은 자료 없이 자동으로 성립하지 않습니다. 지리적·문화적 유사성만으로 충분하다고 볼 수 없습니다.
  • 이 글은 2023-03-02 arXiv v4의 방법론을 해설합니다. 후속 학술지판의 변경 내용을 확인한 것으로 표시하지 않습니다.

원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]

배운 내용을 수업에 적용하기

교육 현장과 연결해 보면

다른 지역의 교육 연구를 자기 교실에 적용한다는 가상 계획을 세웁니다. 학생은 원래 연구와 새 교실의 대상, 수업 시간, 학습 자료, 지원 환경을 나란히 정리합니다.

같다고 가정한 조건과 달라질 수 있는 조건을 표시하고 필요한 추가 점검을 제안합니다. 교사는 연구 결과를 참고하는 이유와 새 환경에서 아직 확인해야 할 부분을 함께 설명하게 합니다.

한 번 더 생각하기

대상 도시의 구성비를 정확히 알아도 3.6점 효과를 확정할 수 있을까요?

생각을 비교할 해설 펼치기

집단별 효과가 대상 도시에서도 유지된다는 조건이 더 필요합니다. 구성비를 정확히 재는 것과 개입의 작동 원리가 동일한지 확인하는 것은 다른 문제입니다. 3.6점은 명시한 가정 아래의 계산 결과입니다.

원문과 출처 정보

한국어 제목은 이해를 돕기 위한 LTCT 번역입니다. 한글 제목 뒤 괄호에 원제를 함께 표기했습니다. 저자·학술지·원문 버전은 원문 서지정보를 기준으로 확인할 수 있습니다.

  1. 계량경제학의 인과추론과 데이터 융합 (Causal Inference and Data Fusion in Econometrics)

    Paul Hünermund; Elias Bareinboim (2019). arXiv econ.EM · Copenhagen Business School / Columbia University 연구자 공개본.

    자료 성격
    학술 연구논문
    읽은 버전
    최초 2019-12-19; 확인한 arXiv v4 2023-03-02; 후속 학술지판과 구분
    확인 범위
    v4 공개 본문 5절의 인과 지식 이전, 선택 도식, 집단 간 불변성 및 조정 조건 확인
    원문 확인일

이 글은 한국어 해설이며 원문 전문 번역이 아닙니다. 도식과 활동의 제작·재구성 범위는 각 그림과 본문에 표시했습니다. 자료 선정과 출처 기준