문화 진화와 개인화: 미국 출생아 이름의 100년 통계 분석

초록

본 연구는 미국 100년 이상에 걸친 출생아 이름 데이터를 활용해 이름의 빈도‑계급 분포와 불평등 지표가 시간에 따라 어떻게 변하는지를 분석한다. 개인적 선호와 사회적 영향이라는 두 가지 요인을 결합한 확률적 모델을 제시하고, 개인화 강도의 변동만으로도 관측된 경험적 패턴을 충분히 재현할 수 있음을 보인다. 따라서 이름 선택에서 개인화가 문화 진화의 주요 동인임을 주장한다.

상세 분석

본 논문은 문화 진화 메커니즘에 대한 논쟁적 배경을 소개한 뒤, 실증적 근거로 미국 사회보장청(SSA)에서 제공하는 1900년대 초부터 현재까지의 출생아 이름 데이터를 사용한다. 데이터 전처리 단계에서는 철자 변형, 복합 이름, 그리고 사망·이민 등으로 인한 인구 이동 효과를 최소화하기 위해 연도별 상위 1,000개 이름을 추출하고, 각 이름의 연도별 출생 비중을 계산한다.

첫 번째 분석에서는 이름 빈도‑계급(rank‑frequency) 관계를 로그‑로그 플롯으로 시각화했으며, 전통적인 지프라프(Zipf) 법칙이 일정 기간 동안 근사하지만, 1960년대 이후 급격히 평탄해지는 현상을 발견했다. 이는 상위 몇 개 이름이 차지하는 비중이 감소하고, 중간·하위 계층의 이름이 상대적으로 부상함을 의미한다. 두 번째 분석에서는 라스무스(Lorenz) 곡선과 지니계수를 이용해 이름 불평등을 정량화했으며, 1970년대부터 지니계수가 꾸준히 감소하는 추세를 보였다. 이는 문화적 다양성이 확대되고, 개인의 선택 폭이 넓어졌음을 시사한다.

모델링 부분에서는 이름 선택 확률 P_i(t)를 두 요소의 가중합으로 정의한다. 첫 번째 요소는 개인화 선호 α · π_i, 여기서 π_i는 개인이 사전에 가지고 있는 고유 선호도(예: 의미, 발음)이며, α는 개인화 강도 파라미터이다. 두 번째 요소는 사회적 영향 (1‑α) · σ_i(t), σ_i(t)는 이전 연도 t‑1에 해당 이름이 차지한 전체 비중이다. 즉, 이름 선택은 “내가 좋아하는 이름”과 “다른 사람들이 많이 쓰는 이름” 사이의 확률적 혼합으로 모델링된다.

시뮬레이션에서는 α 값을 0.1에서 0.9까지 변화시키며 100년 동안의 이름 분포를 재현했다. α가 낮을수록(사회적 영향 우세) Zipf 지수가 크게 유지되고, 지니계수도 높은 상태가 지속된다. 반대로 α가 0.6 이상으로 상승하면, 빈도‑계급 곡선이 점차 평탄해지고, 지니계수가 감소하는 현상이 관측 데이터와 일치한다. 특히 1970년대 이후 α가 급격히 상승한 시점에서 모델이 예측한 분포 변화가 실제 데이터와 거의 일치한다는 점이 주목할 만하다.

결과적으로, 개인화 강도의 시간적 변동만으로도 이름 빈도 구조와 불평등 지표의 장기적 추세를 충분히 설명할 수 있음을 보였다. 이는 문화 진화가 “집단적 모방”이 아닌 “개인적 차별화”에 의해 주도될 수 있음을 실증적으로 뒷받침한다. 또한, 모델은 단순하지만, 개인 선호와 사회적 전파라는 두 기본 메커니즘을 결합함으로써 복잡한 문화 현상을 설명하는 데 충분히 강력함을 보여준다.