오차가 큰 측정에서도 오류 없는 이정표 활용법

초록

측정오차가 큰 예측변수라도 특정 값(이정표)에서는 오류가 거의 없을 경우, 그 이정표를 도구변수로 이용해 실제 변수와 결과 사이의 선형 관계를 비모수적으로 추정할 수 있다. 논문은 단일·다중 이정표, 다변량 부분기울기 추정 등을 포함한 일반화된 방법론을 제시하고, 위스콘신 장기연구(WLS)의 학위와 군 복무 사례를 통해 실증을 보여준다.

상세 분석

본 논문은 측정오차가 심한 연속형 예측변수에 대해 “오류 없는 이정표”(error‑free milestone)라는 새로운 개념을 도입한다. 이정표는 변수값이 특정 임계값을 초과했는지 여부를 거의 완벽하게 판단할 수 있는 상황을 의미한다. 예를 들어, 교육 연수는 자기보고식 설문에서 큰 오차가 존재하지만, 학사 학위(B.A.) 취득 여부는 거의 오류가 없으며, 이는 16년 교육이라는 임계값을 기준으로 좌·우를 구분한다. 이러한 이정표는 전통적인 도구변수(instrumental variable)와 동일한 역할을 수행한다.

논문은 먼저 단일 이정표를 가진 경우를 다루며, 이정표에 의해 정의된 두 집단(이정표 이하·이상) 간의 평균 결과 차이가 실제 변수의 평균 차이와 비례한다는 사실을 이용한다. 이 비례계수는 선형 회귀의 기울기와 동일하므로, 단순히 두 집단 평균 차이를 계산함으로써 기울기를 추정할 수 있다. 중요한 점은 이 추정이 비모수적이며, 오차분포에 대한 가정이 전혀 필요 없고, 표본이 충분히 크면 정확히(distribution‑free) 일치한다는 것이다.

다음으로 다중 이정표를 고려한다. 하나의 예측변수에 여러 임계값이 존재할 경우, 각 구간마다 별도의 평균 차이를 구하고, 이를 연립방정식 형태로 정리하면 각 구간의 기울기를 동시에 추정할 수 있다. 이때 구간 간 독립성 가정이 필요하지만, 실제 데이터에서는 이정표가 서로 겹치지 않도록 설계할 수 있다.

다변량 상황에서는 여러 예측변수가 각각 독립적인 이정표를 가질 때, 각 변수의 부분기울기(partial slope)를 동시에 추정한다. 이 경우 각 변수에 대한 이정표에 의해 정의된 2×2 교차표를 구성하고, 일반화된 최소제곱(Generalized Least Squares) 혹은 GMM(Generalized Method of Moments) 접근법을 적용한다. 논문은 이러한 다변량 추정이 기존 측정오차 교정 방법(예: 회귀분산분석, 베이지안 오류 모델)보다 계산적으로 간단하고, 강건성 면에서 우수함을 증명한다.

실증 부분에서는 위스콘신 장기연구(Wisconsin Longitudinal Study) 데이터를 활용한다. 첫 번째 사례는 학사 학위 보유 여부를 16년 교육이라는 이정표로 사용해 교육 연수와 소득 사이의 관계를 추정한다. 결과는 전통적인 OLS가 과소추정하는 반면, 이정표 기반 추정은 기대되는 0.07~0.09의 기울기를 정확히 복원한다. 두 번째 사례는 군 복무 연수를 이정표로 삼아, 군 복무 여부가 연금 수령액에 미치는 영향을 분석한다. 여기서도 이정표 기반 추정이 기존 방법보다 편향이 적고, 신뢰구간이 좁다.

마지막으로 논문은 한계점과 확장 가능성을 논의한다. 이정표가 완전히 오류가 없다고 가정하는 것이 현실에서는 다소 강한 가정일 수 있으나, 실제 조사에서는 “학위 취득 여부”, “군 복무 여부”처럼 거의 오류가 없는 변수들이 존재한다. 또한, 이정표가 연속형 변수의 정확한 위치를 알려주지는 않지만, 구간별 평균 차이를 이용해 전체 기울기를 복원할 수 있다는 점이 핵심이다. 향후 연구에서는 이정표가 부분적으로만 오류가 있는 경우를 다루는 방법, 그리고 비선형 관계에 대한 확장도 제안한다.

요약하면, 오류 없는 이정표는 측정오차가 큰 예측변수에 대한 강력하고 간단한 도구변수 역할을 하며, 비모수적·분포 자유적 추정을 가능하게 한다. 이는 실증 연구에서 흔히 마주치는 측정오차 문제를 해결하는 새로운 패러다임을 제시한다.