선거 사후 감사를 위한 보다 날카로운 불일치 측정법

본 논문은 선거 사후 감사(post‑election audit)에서 기계식 투표 집계와 손수 집계한 표 사이의 차이를 보다 정밀하게 측정하기 위한 새로운 통계적 지표인 ‘Maximum Relative Overstatement of pairwise margins(최대 상대 과대표시, MRO)’를 제안한다. 기존 연구, 특히 Stark(2008)는 각 후보와 2위 후보 사이의 마진을 기준으로 오류를 평가했으며, 이는 후보가 두 명뿐인 단순 다수제 선거에서는 충분했지만, 후보가 셋 이상이거나 유권자가 다중 선택이 가능한 경우에는 과도하게 보수적인 결과를 초출한다는 한계가 있었다. 저자는 이러한 한계를 극복하기 위해 모든 후보 쌍 (w, ℓ) 에 대해 상대 과대표시 비율 e_{wℓ}^p 를 정의한다. 여기서 v_{kp}는 투표구 p에서 기계가 기록한 후보 k의 표수, a_{kp}는 손수 집계한 실제 표수이며, V_{wℓ}=V_w−V_ℓ는 전체 투표구에 걸친 후보 w와 ℓ 사이의 겉보이는 마진이다. e_{wℓ}^p는 (v_{wp}−v_{ℓp})−(a_{wp}−a_{ℓp})를 V_{wℓ} 로 나눈 값으로, 해당 투표구에서 후보 w와 ℓ 사이의 마진이 얼마나 과대표시 되었는지를 상대적으로 나타낸다. 각 투표구 p에 대해 e^p = max_{w∈K_w, ℓ∈K_ℓ} e_{wℓ}^p 를 취함으로써, 그 투표구가 전체 선거 결과에 가장 큰 영향을 미칠 수 있는 후보 쌍을 식별한다. 전체 선거구에 대해 MRO = max_{p} e^p 로 정의하면, 실제 선거 결과가 겉보이는 결과와 다르려면 반드시 적어도 하나의 투표구에서 e^p ≥ 1, 즉 MRO ≥ 1 이어야 한다는 충분조건을 얻는다. 이는 기존의 “마진 오버스테이트” 조건보다 훨씬 엄격하며, 특히 K > 2 혹은 f > 1인 경우에 큰 차이를 만든다. 실제 적용을 위해 저자는 각 투표구 p의 유효표 수 b_p 를 이용해 e_{wℓ}^p 의 상한을 구한다. a_{wp} ≥ 0, a_{ℓp} ≤ b_p 를 이용하면 e_{wℓ}^p ≤ (v_{wp}−v_{ℓp}+b_p)/V_{wℓ} 가 되고, 따라서 e^p ≤ u_p = max_{w,ℓ} (v_{wp}−v_{ℓp}+b_p)/V_{wℓ} 로 정의된다. 이 상한 u_p 는 실제 오류가 투표구의 총 유효표 수를 초과하지 않을 경우에만 적용 가능하므로, 현실적인 오류 제한을 반영한다. 논문은 2006년 미네소타 주 상원의원 선거 데이터를 이용해 MRO 기반 검정을 시연한다. 해당 선거에서는 4명의 주요 후보(카발란, 파워스, 무소속, 기타)가 있었으며, 클로부처가 겉보이는 승자였다. K=4, f=1, N=4,123인 상황에서 각 투표구에 대해 u_p 의 최대값은 0.0097, 실제 관측된 e_p 의 최대값은 4.5 × 10⁻⁶ 로 계산되었다. 만약 클로부처가 실제로 패배했을 경우, 최소 166개의 투표구에서 e_p 가 0.0097을 초과해야 하지만, 샘플 78개 중 어느 하나도 이를 초과하지 않았다. 따라서 MRO 기반 검정은 “클로부처가 실제로 패배했을 가능성”에 대해 보수적인 P‑값 4.05%를 산출했으며, 이는 Stark(2008)에서 얻은 8.22%의 절반 수준이다. 표본 크기를 202개로 확대하면 P‑값은 0.02%까지 감소한다. 이는 MRO가 기존 방법보다 오류 탐지에 훨씬 민감하고, 선거 결과의 신뢰성을 크게 향상시킬 수 있음을 보여준다. 마지막으로 저자는 MRO와 기존 Stark(2008) 검정 프레임워크를 결합하는 방법을 제시한다. 기존 검정은 함수 w_p(e_p) 를 이용해 관측값과 상한 u_p 를 비교하는데, MRO를 적용하려면 w, u, e 의 정의만 바꾸면 동일한 절차를 그대로 사용할 수 있다. 따라서 MRO는 기존 검정 체계에 자연스럽게 통합될 수 있으며, 보다 강력한 사후 감사 도구로 활용될 수 있다.