원인과 결과의 경제학, 나가무로 마키코와 쓰가와 유스케

1.

우리는 수많은 데이터 속에서 살고 있다.

디지털 시대에 와서 손쉽게 접할 수 있게 되었을 뿐이지,

그 전에도 우리는 늘 데이터 속에서 있어 왔다.

그래서 늘 데이터가 궁금했고, 오늘날에 와서는 그 궁금증을 조금씩 해소 하고 있다.

이번에 읽은 이 책도 같은 맥락이다.

 

2.

"인과관계와 상관관계를 정확하게 구분하는 것은 매우 중요한 문제다."

이 책에서 언급된 것처럼 인과관계를 찾는 것은 매우 중요하다.

비슷하게도 주변 사업가로부터 이런 이야기도 들었지만,

모든 것에는 이유가 있다. 결국 우리가 사고자 하는 것은 예측이다.

이 책에서는 인과관계가 있는지 파악하기 위해 3가지 질문을 던지라고 한다.

(1) 우연의 일치인가?

(2) 제3의 변수가 있는가?

(3) 원인과 결과가 뒤바뀐 것은 아닌가?

 

3.

인과관계를 파악하기 위해서는 검증하고자 하는 가설과 반대되는 가설을 세워야 한다.

※ 통계에서는 전자를 대립가설(alternative hypothesis), 후자를 귀무가설(null hypothesis)이라고 한다.

그리고 비교가능한 그룹으로 만들어 반사실을 타당한 값으로 채워봐야 한다.

결국 원인 변수 여부를 통해 결과에 변화가 있는지 파악해봐야 한다.

※ 랜덤화 비교 시험 : 실험군(개입을 받는 그룹)과 대조군을 랜덤으로 나눈 후, 반사실을 대조군의 결과로 채우는 방법

 

4.

책에서는 몇 가지 방법들을 언급한다.

(1) 이중차분법 : 실험군과 대조군의 개입 전후 결과 차이와 실험군과 대조군의 차이를 활용하여 파악하는 방법으로, 기본적인 차이를 고려하여 개입 효과를 구분하려는 방법.

(2) 조작변수법 : 원인에 영향을 주는 변수를 조절하여 실험군과 대조군의 결과를 비교하는 방법.

(3) 회귀 불연속 설계 : 자의적으로 결정된 컷오프 값을 중심으로 실험군과 대조군으로 갈리는 상황을 이용해 인과 효과를 추정하는 방법으로, 실질적으로 차이가 거의 없어야 하는 두 집단 간에 개입 효과를 구분하려는 방법. e.g. 70세 0개월 vs 69세 11개월

(4) 매칭법 : 결과에 영향을 줄 만한 공변량을 이용해 대조군에서 실험군과 매우 흡사한 샘플을 찾아내 매칭시켜 비교하는 방법.

※ 공변량 : 여러 변수들이 공통적으로 함께 공유하고 있는 변량

 

5.

결국 비교를 통해서 파악해야 한다.

하지만 실무적으로 명확하게 비교를 할 수 있는 방법이 있을지가 의문이다.

그래서 몇 가지 생각해보고 싶은 것들이 있다.

(1) 의사결정권자, 실무자 등에게 있어서 통계적 지식은 얼마나 중요한가?
- 의사결정권자와 실무자 모두 통계적인 지식이 상당하지 않더라도, 합리적인 선 하에서 유의미성을 판단하기 위한 질문을 할 수 있어야 하지 않나 싶다. 즉, 의사결정에 대한 퍼포먼스 여부에 대한 질문은 업무에 있어 필수적 요소가 아닐까 싶다.

(2) 실험군과 대조군으로 나누는 것(실험 디자인)과 각각 집단의 개입한 결과에 대한 해석(데이터 분석) 중 무엇이 중요한가?
- 실험 디자인이 더 중요할 것 같다. 어떻게 설계 했는지에 따라서 결과가 달리 나올 것이기 때문이다. 그리고 설계를 잘 할 수록 관련 경험 및 지식이 풍부하므로 데이터 해석 역량도 있을 가능성이 높기 때문이다. 

(3) 사실인 줄 알았는데 그렇지 않았던 것에는 무엇이 있는가?
- 공부 잘 하는 사람이 더 잘 살줄 알았는데, 생각해보면 실행력과 끈기가 있는 사람이 더 잘 살게 되는 것 같다. 결국 사람은 나이가 듦에 따라서 뇌 회전 속도가 줄어들어, 일정 수준의 나이가 되었을 때는 지능 수준의 차이가 적은 것 같기 때문이다. 그래서 역설적으로 공부를 많이 한 것 보다는 다양한 경험을 갖고 있는 것이 중요한 것 같기도 하다.

(4) 최근에 찾는 인과관계가 있다면 무엇이 있는가? 인과관계가 있다고 생각한 이유는 무엇인가?
- 체력이 좋을수록 행복감이 올라가는 것 같다. 체력이 좋아야 과하게 예민해지지도 않고, 더 오랜 시간 동안 무언가를 할 수 있고, 그렇기에 타인을 챙길 수 있는 여유가 생기는 것 같기 때문이다.

(5) 통계 공부는 언제까지 하는 것이 중요한가?
- 이제는 컴퓨터 기술이 발달하여 구체적인 계산 방법보다는, 다양한 방법론에 대한 경험이 중요하지 않을까 한다. 그리고 통계학도 지속 발전하므로 방법론에 대해서는 꾸준히 배워야 하지 않을까 한다.