연령-기간-코호트 분석 (Age-Period-Cohort Analysis)
쉽게 풀면
어떤 질병의 발생률이 늘었다면 이유는 세 갈래로 나뉩니다. 사람들이 나이가 들어서일 수도 있고(연령), 그 시기에 진단 기술이나 환경이 달라져서일 수도 있고(기간), 특정 시기에 태어난 세대가 유독 위험에 많이 노출되어서일 수도 있습니다(코호트). 연령-기간-코호트 분석은 장기간 축적된 통계를 이 세 축으로 분해해 어느 힘이 추세를 이끌고 있는지 살펴봅니다.
왜 중요한가
암등록자료나 사망원인통계처럼 수십 년 치 자료가 쌓인 영역에서 추세의 원인을 진단하고 장래를 전망하는 데 핵심적입니다. 예컨대 위암 감소가 세대 교체 때문인지 검진 확대 때문인지에 따라 정책 처방이 완전히 달라집니다. 흡연, 감염, 식습관처럼 세대별로 노출이 크게 달랐던 요인의 흔적을 읽어 내는 데도 유용합니다.
논문에서는 이렇게 쓰입니다
검진이나 진단 기준 변화 같은 동시대 요인보다 세대별 노출 차이가 추세를 이끌었다는 해석으로, 예방 정책의 초점을 정하는 근거가 됩니다.
세 효과를 동시에 추정할 때 생기는 수학적 한계를 어떻게 처리했는지 밝히는, 이 분석의 필수 서술입니다.
조금 더 깊게 보면
이 분석의 근본적 난점은 식별 문제입니다. 출생연도는 조사 시기에서 연령을 뺀 값이므로 세 변수가 완전한 선형 종속 관계에 있어, 세 효과의 선형 성분을 통계적으로 분리할 수 없습니다. 이를 다루기 위해 특정 계수에 제약을 두는 방법, 내재적 추정법, 곡률 같은 비선형 성분만 해석하는 접근 등이 제안되었지만 어떤 방법도 가정 없이는 성립하지 않습니다. 따라서 결과 해석에는 반드시 어떤 제약을 두었는지에 대한 설명이 따라야 합니다.
주의할 점
출생코호트 연구가 특정 시기에 태어난 집단을 실제로 추적하는 '연구 설계'인 반면, 이 항목은 집계 통계를 분해하는 '분석 기법'입니다. 또한 세 효과가 수학적으로 완전히 분리되지 않으므로, 추정된 각 효과를 실체가 확정된 값처럼 읽어서는 안 됩니다.