처음 점수가 낮은 집단이 더 올랐다면 교육 효과일까?
평균으로의 회귀를 이해하려면 출발값·변화량·측정의 흔들림을 함께 봐야 합니다. 보정 공식도 가정 검토를 대신하지 않습니다.
그림에서 무엇을 볼까요?
안정 점수 70, 독립 흔들림 ±10의 가상 모형. 첫 점수60인 집단의 두 번째 점수는 60 또는80이 각각50%로 기대 평균70이다.
LTCT의 가상 계산에서는 모든 대상의 안정된 점수가 70이고, 각 검사에 일시적 흔들림 -10 또는 +10이 같은 가능성으로 더해진다고 정합니다. 두 검사의 흔들림은 서로 독립입니다. 첫 검사에서 60을 받은 대상만 고르면 둘째 검사에서는 절반이 60, 절반이 80을 받을 것으로 기대되므로 평균은 70입니다. 아무 처치 없이도 선발 집단의 기대 평균이 10점 올라갑니다.
표는 첫 점수 60을 공유하는 두 가능한 경로를 보여 줍니다. 둘째 점수 60과 80은 각각 50%라는 가정에서 계산된 값입니다. 실제 학생의 능력·분포를 추정한 자료가 아닙니다. 현실에서 점수에는 여러 요인이 작용하고 독립·대칭 가정도 성립하지 않을 수 있으므로 이 숫자를 실제 보정량으로 사용해서는 안 됩니다.
함께 확인할 점
평균으로의 회귀는 집단의 기대 경향에 관한 설명입니다. 낮은 점수를 받은 모든 사람이 반드시 다음에 오르는 법칙이 아닙니다.
기존 보정법에는 모형·오차 분산 등의 가정이 있습니다. 2025년 비판 원고도 특정 모형과 비교에 근거하므로 모든 분석에 하나의 처방을 적용하지 않습니다.
생각해 볼 질문
사전 점수가 높은 집단은 조금 내려갔습니다. 교육이 해로웠다는 뜻일까요?
