절대 영점 증거론

초록

통계적 증거를 측정하는 전통적 지표(p값, 가능도비, 베이즈 팩터)는 측정 이론상의 정당한 척도 유형에 부합하지 않는다. 저자는 ‘절대 증거 척도’를 정의하고, 특히 “증거가 전혀 없는 상태(절대 0 증거)”가 직관과 달리 특정 확률적 의미를 가진다며 새로운 해석을 제시한다.

상세 분석

본 논문은 증거 측정을 ‘표현 측정 이론(representational measurement theory)’의 관점에서 재검토한다. 측정 이론에 따르면 양적 척도는 명목, 순서, 구간, 비율 네 가지 유형으로 구분되며, 각각은 허용되는 변환 규칙이 다르다. 저자는 흔히 사용되는 통계적 증거 지표가 이 중 어느 유형에도 정확히 들어맞지 못한다는 점을 지적한다. 예를 들어 p값은 0과 1 사이에 제한되지만, 0과 1 사이의 차이가 동일한 ‘증거 차이’를 의미한다는 보장이 없으며, 비율 척도의 필수 조건인 절대 영점(zero point)이 존재하지 않는다. 가능도비와 베이즈 팩터 역시 로그 변환을 통해 대칭성을 부여하려 하지만, 이 역시 순서 척도 이상의 의미를 갖는지 불투명하다.

논문은 이러한 불일치를 극복하기 위해 ‘절대 증거 척도’를 제안한다. 절대 척도는 물리학에서 온 개념으로, 절대 영점이 존재하고 그 이하로 내려갈 수 없는 특성을 가진다. 저자는 통계적 증거에서도 ‘증거가 전혀 없는 상태’를 정의할 수 있다고 주장한다. 흥미롭게도 이 절대 0 증거는 ‘데이터가 가설에 대해 전혀 정보를 제공하지 못하는 상황’으로, 단순히 p값이 1이 되는 경우와는 구별된다. 실제로 무작위 표본이 가설과 완전히 독립적인 경우, 가능도비와 베이즈 팩터는 1(또는 로그값 0)로 수렴하지만, 이는 여전히 ‘증거의 부재’를 의미한다.

또한 저자는 절대 0 증거를 기준으로 증거의 양을 측정하려면 비율 척도의 변환 규칙을 만족해야 한다고 강조한다. 즉, 증거의 두 배, 절반 등 비율적 해석이 가능해야 하며, 이를 위해 로그-가능도비(log LR)나 로그-베이즈 팩터(log BF)를 절대 영점(0)으로 재정의한다. 이렇게 하면 증거의 양이 양의 실수값으로 표현되고, 0 이하로 내려갈 수 없는 ‘절대적’ 특성을 갖는다.

마지막으로 논문은 이러한 절대 척도가 실험 설계와 결과 해석에 미치는 영향을 논의한다. 절대 0 증거를 명시적으로 인식하면, 연구자는 ‘증거가 전혀 없는’ 상황을 명확히 보고하고, 무의미한 데이터 수집을 피할 수 있다. 또한, 증거의 크기를 비율적으로 비교함으로써 메타분석이나 증거 종합 과정에서 보다 일관된 통계적 의사결정을 지원한다.