관찰연구에서 두 집단의 결과가 다르면 ‘측정하지 못한 제3의 변수가 만든 차이일 수 있다’는 반론이 따라옵니다. 그렇다면 어느 정도로 강한 숨은 변수가 필요할까요? VanderWeele과 Ding은 2017년 E-value를 제안해 이 질문을 위험비 척도의 문턱으로 바꿨습니다. 결과를 인과로 보증하는 도장이 아니라, 특정한 교란 설명이 얼마나 강해야 하는지를 수치로 드러내는 민감도 분석입니다.
연구를 읽는 두 가지 질문
E-value는 무엇을 계산하나?
관찰된 위험비가 1보다 클 때 점추정치의 E-value는 RR + √[RR×(RR−1)]로 계산됩니다. 예를 들어 RR=2라면 약 3.41입니다. 측정한 공변량을 조건으로 했을 때, 관찰된 연관을 완전히 1로 설명하려는 미측정 교란은 노출과 결과 각각에 위험비 3.41만큼 연관되어야 한다는 뜻입니다. 신뢰구간의 영가설에 가까운 경계에도 같은 방식의 E-value를 계산해 불확실성을 함께 봅니다. [1]
무엇을 말하지 못하나?
E-value가 크면 특정 형태의 미측정 교란에 더 강한 연관이 필요하다는 뜻이지 인과가 증명됐다는 뜻은 아닙니다. 선택 편향, 측정 오류, 시간 순서 오류, 잘못된 모형, 보고 편향을 모두 해결하지 않습니다. 교란이 노출·결과와 맺는 관계가 위험비 척도로 표현된다는 가정 아래 해석해야 하며, 실제 연구 맥락에서 그런 크기의 교란이 가능한지 측정된 공변량과 비교해야 합니다. [1]
위험비를 움직여 필요한 교란 강도 보기
가상 관찰자료에서 학습 프로그램 참여 집단의 통과 위험비가 1.8이라고 합시다. 아래 슬라이더를 1.0에서 4.0까지 움직이면 공식에 따라 점추정치 E-value가 바뀝니다. RR=1이면 E-value도 1이고, RR이 커질수록 필요한 교란 연관의 문턱도 커집니다.
이 수치는 프로그램 효과를 입증하지 않습니다. 참여 의욕 같은 미측정 변수가 참여와 통과 모두에 얼마나 강하게 연결될 수 있는지, 이미 측정한 사전 성취와 비교할 대화의 출발점입니다. 신뢰구간이 1을 포함한다면 점추정치가 커 보여도 통계적 불확실성부터 확인해야 합니다.
활동은 RR≥1의 단순 공식을 구현한 교육 계산기입니다. 보호 효과 RR<1, 유병률이 높은 결과에서의 다른 효과 척도 변환, 여러 교란의 구조는 다루지 않습니다. 실제 보고에서는 점추정치와 신뢰구간 경계의 E-value를 함께 적고 현실적인 교란 후보를 논의해야 합니다.
관찰 위험비를 움직여 E-value를 계산하세요
RR≥1인 가상 점추정치에 E-value 공식을 적용합니다.
E-value 3.00 · 미측정 교란이 노출과 결과 각각에 이 정도 위험비 연관을 가져야 점추정치를 1로 설명할 수 있습니다.
인과 증명이나 신뢰구간 계산기가 아닙니다.
어디까지 말할 수 있을까요?
- E-value는 미측정 교란에 대한 하나의 민감도 지표이며 무작위 배정의 대체물이 아닙니다. 분석 대상의 인과 구조와 측정 품질을 별도로 검토해야 합니다.
- 점추정치 E-value만 보고 판단하면 불확실성을 숨길 수 있습니다. 신뢰구간 경계의 E-value와 현실적인 공변량 크기를 함께 보고해야 합니다.
원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]
교육 현장과 연결해 보면
교육 프로그램 관찰자료를 설명할 때 효과 추정치, 신뢰구간, 측정한 교란, E-value를 같은 표에 놓아 ‘얼마나 강한 숨은 변수가 필요한가’를 명시할 수 있습니다.
평가 개선 아이디어는 가상 수치로만 시연하고, 실제 시험 효과를 주장하려면 사전 설계·비교 집단·배정 방식·결측과 측정 오류를 별도로 보고해야 합니다.
E-value가 3보다 크면 인과관계가 확실한가요?
생각을 비교할 해설 펼치기
아닙니다. 3이라는 보편적 합격선은 없습니다. 해당 분야에서 알려진 교란의 크기, 결과 빈도, 설계 오류, 신뢰구간을 함께 보아야 합니다. E-value는 숨은 교란 반론을 정량화할 뿐 다른 편향을 없애지 않습니다.
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.
관찰연구의 민감도 분석: 이값 소개 (Sensitivity Analysis in Observational Research: Introducing the E-Value)
Tyler J. VanderWeele & Peng Ding (2017). Annals of Internal Medicine, 167(4), 268–274.
- 자료 성격
- 동료심사 학술지 방법론 논문 · Harvard DASH 저자 원고
- 읽은 버전
- 2017년 게재 논문의 저자 수락 원고 및 PubMed 서지
- 확인 범위
- 공개 저자 원고 전체의 정의, 공식, 점추정치·신뢰구간 예시, 가정·장점·한계와 PubMed 서지 확인
- 원문 확인일
이 글은 한국어 해설이며 원문 전문 번역이 아닙니다. 도식과 활동의 제작·재구성 범위는 각 그림과 본문에 표시했습니다. 자료 선정과 출처 기준
같은 연구 흐름에서 이어 읽기
같은 원문, 저자·연구 흐름, 공통 개념 태그를 기준으로 연결한 관련 해설입니다.