점근정규성 (Asymptotic Normality)
쉽게 풀면
어떤 추정량의 정확한 분포를 계산하는 것은 매우 복잡할 수 있지만, 표본이 충분히 크다면 그 추정량이 정규분포와 비슷한 모양을 가지게 된다는 이론적 결과다. 이 성질 덕분에 정확한 분포를 몰라도 정규분포를 이용한 근사적인 신뢰구간이나 검정을 구성할 수 있다. 최대우도추정량을 비롯한 많은 추정량들이 이러한 점근정규성을 가진다는 것이 통계 이론에서 증명되어 있다.
왜 중요한가
대부분의 추정량은 유한 표본에서의 정확한 분포를 수식으로 구하기 어렵거나 아예 알려져 있지 않다. 점근정규성은 표본이 충분히 커졌을 때 이 복잡한 분포를 정규분포로 근사할 수 있게 해주므로, 신뢰구간 구성이나 가설검정, 표준오차 계산 같은 추론 절차 전반의 이론적 토대가 된다. 회귀분석, 최대우도추정, GMM 등 계량경제학과 통계학의 여러 추정 기법이 이 성질에 의존해 결과의 유의성을 판단하기 때문에, 새로운 추정량을 제안하는 논문에서는 그 추정량이 점근정규성을 만족함을 증명하는 과정이 거의 필수적으로 포함된다.
논문에서는 이렇게 쓰입니다
정확한 표집분포를 알 수 없는 복잡한 추정량에 대해 근사적인 신뢰구간이나 검정을 구성하는 이론적 근거로 사용된다.
계량경제학에서 새로운 추정 방법을 제안할 때, 해당 추정량의 통계적 추론이 가능함을 보장하기 위해 점근정규성을 별도로 증명하는 경우가 많다.
통계 이론에서 벗어난 응용 분야에서도, 대규모 표본에서의 근사적 정규성을 확인해 오차 분석이나 불확실성 정량화의 근거로 삼는 방식으로 쓰인다.
조금 더 깊게 보면
점근정규성을 논문에서 다룰 때는 대개 수렴 속도와 점근분산의 형태가 함께 제시된다. 흔히 √n(θ̂ - θ)가 평균 0의 정규분포로 수렴한다는 형태로 표현되며, 이때 분산에 해당하는 값은 피셔 정보량의 역수나 이와 유사한 형태로 주어지는 경우가 많다. 이 점근분산을 실제로 추정할 때는 표본으로부터 계산한 값(예: 관측된 정보행렬)을 대입하는 방식이 흔히 쓰이며, 이러한 근사가 검정통계량이나 신뢰구간의 정확도를 좌우한다. 또한 중심극한정리, 델타법과 같은 도구들이 점근정규성을 증명하는 핵심 수단으로 사용되므로, 관련 증명을 이해하려면 이 개념들을 함께 살펴보는 것이 도움이 된다.
주의할 점
점근정규성은 표본 크기가 '충분히 클 때'만 성립하는 근사적 성질이므로, 표본이 작을 때는 이 근사가 부정확할 수 있다.