연령-기간-코호트모형 (Age-Period-Cohort (APC) Model)
쉽게 풀면
어떤 변화가 나이 때문인지, 그 시대 때문인지, 태어난 세대 때문인지를 나누어서 분석하는 방법이다.
왜 중요한가
연령-기간-코호트모형은 어떤 현상의 변화가 나이 듦, 시대 변화, 세대 특성 중 어디에서 오는지를 분해하는 분석 틀로, 암 발생 추세, 흡연율 변화, 출산율 하락의 원인 규명에 널리 쓰입니다. 정책 효과 평가에서도 기간효과로 나타나는 개입의 흔적을 찾는 데 활용됩니다.
논문에서는 이렇게 쓰입니다
APC 모형은 인구학, 보건학, 사회학 전반에서 시계열 자료의 변화 요인을 분해하는 표준적 분석틀로 쓰이며, 연령=기간-코호트라는 완전공선성 문제를 해결하기 위한 다양한 통계적 기법(제약모형 등)이 함께 논의된다.
완전한 선형 종속관계로 인한 식별 문제를 다루면서도 효과를 분리하려 한 시도이다.
조금 더 깊게 보면
코호트는 기간에서 연령을 뺀 값이라는 완전한 선형 종속 때문에 세 효과를 동시에 식별할 수 없으며, 모든 해법은 어떤 형태로든 제약 가정을 넣습니다. 내재추정량 같은 방법이 이 문제를 해결했다는 주장에 대해 방법론적 반론이 강해, 결과 해석 시 어떤 식별 가정을 썼는지 밝히는 것이 필수입니다. 양(Yang)·푸(Fu)·랜드(Land) 등이 2000년대에 제안한 내재추정량(intrinsic estimator) 기법 역시 특정 제약을 암묵적으로 부과하는 것이어서 '완전한 해법'으로 오해해서는 안 되며, 연구자는 자신이 채택한 식별 제약(예: 인접한 두 코호트 효과가 같다는 등가 제약)의 실질적 의미를 독자에게 분명히 설명해야 합니다. APC 모형은 다수의 연령·기간·코호트 구간을 필요로 하므로, 관측 기간이 짧거나 연령 구간이 좁은 자료에는 안정적으로 적용하기 어렵습니다.
주의할 점
세 효과 간의 수학적 종속관계(연령=기간-코호트)로 인해 임의의 통계적 제약 없이는 세 효과를 완전히 분리해 추정할 수 없다는 근본적 한계가 있다.
연구 결과를 인용할 때는 저자가 채택한 식별 가정이 무엇인지 확인하지 않으면, 서로 다른 가정 하에 나온 세 효과의 추정치를 단순 비교하는 오류를 범할 수 있다.