군집표준오차 (Clustered Standard Errors)
쉽게 풀면
일반적인 회귀분석은 모든 관측치가 서로 완전히 독립적이라고 가정합니다. 하지만 같은 학교에 다니는 학생들, 같은 병원에서 치료받은 환자들, 또는 같은 사람을 여러 번 측정한 자료는 같은 집단(군집) 안에서는 서로 비슷한 특성을 공유하기 마련입니다. 이런 상황에서 독립성 가정을 그대로 쓰면 실제보다 표준오차를 훨씬 작게 추정해, 별 차이가 없는데도 통계적으로 유의하다고 잘못 판단할 위험이 커집니다. 군집표준오차는 "같은 집단 안의 관측치는 서로 연관되어 있다"는 사실을 계산에 반영해 표준오차를 더 넓게(현실적으로) 다시 추정하는 방법입니다.
왜 중요한가
실증 연구에서 다루는 자료는 학생-학교, 환자-병원, 개인-지역, 또는 동일 개체의 반복측정처럼 위계적이거나 군집화된 구조를 가진 경우가 많습니다. 이런 구조를 무시하고 표준오차를 계산하면 통계적 유의성이 실제보다 과대평가되어, 존재하지 않는 효과를 있는 것처럼 보고할 위험이 커집니다. 그래서 계량경제학, 교육학, 보건학, 정책평가 등 위계적 자료를 다루는 거의 모든 실증분석 논문에서 군집표준오차는 결과의 신뢰성을 뒷받침하는 기본 절차로 자리 잡았습니다. 특히 정책 개입이 학교나 지역 단위로 이루어지는 연구설계(예: 차이의 차이 분석)에서는 군집을 제대로 반영하지 않으면 결론 자체가 뒤집힐 수 있어 더욱 중요하게 다뤄집니다.
논문에서는 이렇게 쓰입니다
이 문장은 "같은 학교 학생들의 자료가 서로 독립적이지 않다는 점을 반영해, 학교 단위로 묶어서 표준오차를 다시 계산했다"는 뜻입니다.
이 문장은 "환자들이 소속된 병원별로 특성이 비슷할 수 있으므로, 병원을 기준으로 군집을 나누어 표준오차를 다시 계산했다"는 의미입니다. 보건학·의학 연구에서 여러 병원의 환자를 함께 분석할 때 흔히 나타나는 표현입니다.
이 문장은 "같은 지역에 속한 관측치들이 서로 영향을 주고받을 수 있다는 점을 감안해 지역별로 표준오차를 다시 계산했더니, 처음보다 유의성이 약해졌다"는 뜻입니다. 지역경제학이나 정책평가 연구에서 공간적 상관을 다룰 때 자주 쓰이는 표현입니다.
조금 더 깊게 보면
군집표준오차는 흔히 "강건표준오차(robust standard errors)"의 한 확장으로 이해할 수 있습니다. 이분산에 대응하는 White의 강건표준오차가 관측치 간 독립성은 유지한 채 분산의 이질성만 보정하는 것과 달리, 군집표준오차는 같은 군집 내 관측치들 사이의 상관까지 함께 보정합니다. 또한 군집이 두 가지 이상의 기준(예: 학교와 시점을 동시에)으로 정의될 때는 다방향 군집화(multi-way clustering) 기법이 쓰이기도 합니다. 군집 수가 적을 때는 표준오차가 편향될 수 있어, 이를 보완하기 위한 소표본 보정(예: 자유도 조정)이나 부트스트랩 기반 방법이 함께 언급되는 경우가 많으므로, 논문에서 어떤 보정 방식을 함께 사용했는지 확인하는 것이 좋습니다.
주의할 점
군집표준오차는 군집(그룹)의 개수가 충분히 많아야(보통 30~50개 이상) 안정적으로 추정됩니다. 군집 수가 너무 적으면 표준오차가 오히려 불안정해지거나 과소추정될 수 있어 별도의 소표본 보정이 필요합니다. 또한 어떤 단위를 군집으로 볼 것인지(학교 단위인지, 학급 단위인지 등)에 따라 결과가 달라질 수 있으므로, 자료의 위계 구조에 맞는 군집 수준을 신중히 정해야 합니다.