공통지지 가정 (common support (overlap) assumption)
쉽게 풀면
처치를 받은 사람과 받지 않은 사람을 비교해 효과를 추정하려면, 두 집단 사이에 특성이 비슷한 사람들이 충분히 존재해야 합니다. 만약 처치집단은 전부 고소득층이고 비교집단은 전부 저소득층이라면 두 집단을 직접 비교할 수 없습니다. 공통지지 가정은 이렇게 비교 가능한 대상들이 두 집단 모두에 겹쳐 존재해야 한다는 조건입니다. 이 가정이 깨지면 특정 구간에서는 비교 자체가 불가능해집니다.
왜 중요한가
공통지지 가정은 성향점수매칭, 역확률가중치(IPW) 등 관측자료 기반 인과추론 방법 전반의 타당성을 좌우하는 기초 조건이다. 실험이 불가능한 정책평가, 의학, 경제학, 교육학 연구에서 처치효과를 추정할 때 이 가정이 흔들리면 추정치가 애초에 비교 불가능한 대상들을 억지로 비교한 결과일 수 있다. 그래서 논문에서는 본 분석에 앞서 반드시 두 집단의 공변량 분포가 겹치는지를 점검하고 보고하는 절차를 거친다.
핵심 정리
- 공통지지(겹침) 가정은 처치집단과 비교집단이 공변량(또는 성향점수) 분포에서 서로 겹치는 영역을 가져야 한다는 조건입니다.
- 역확률가중치(IPW)의 가정 목록에서는 같은 취지가 양성성(positivity), 곧 모든 공변량 값에서 각 처치를 받을 확률이 0보다 커야 한다는 조건으로 적힙니다.
- 성향점수매칭(PSM)은 처치집단과 비교집단 사이에 상당한 겹침이 있는 큰 표본이 필요하다는 점이 한계로 꼽힙니다.
- 겹치지 않는 영역에서는 비교할 상대가 없으므로 그 구간의 효과는 추정할 수 없고, 겹치는 구간으로 표본을 한정하면 추정 대상이 전체 모집단이 아닌 일부 하위집단이 됩니다.
예시로 보기
가상의 예입니다. 처치집단의 성향점수가 0.20~0.90, 비교집단의 성향점수가 0.05~0.70에 분포한다고 합시다.
- 최소·최대값 비교로 공통지지 구간을 잡으면, 하한은 두 집단 최소값 중 큰 쪽인 0.20, 상한은 두 집단 최대값 중 작은 쪽인 0.70입니다. 곧 [0.20, 0.70]입니다.
- 처치집단 중 성향점수가 0.70을 넘는 관측치, 비교집단 중 0.20 미만인 관측치는 분석에서 제외됩니다.
- 이렇게 제외한 뒤에는 ‘[0.20, 0.70] 구간에 해당하는 사람들’에 대한 효과로 해석을 좁혀 써야 합니다.
다만 이 최소·최대 규칙은 가장 단순한 판별 방식일 뿐이며, 어떤 구간을 버릴지 정하는 다른 방법도 연구되어 있습니다. 예컨대 Crump 등(2009)은 평균 처치효과를 가장 정밀하게 추정할 수 있는 하위표본을 정하는 체계적 방법을 제시하면서, 추정된 성향점수가 [0.1, 0.9] 범위를 벗어난 관측치를 버리는 단순한 규칙이 여러 분포에서 좋은 근사가 된다고 보고했습니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 성향점수 분포를 그려 겹쳐 보이면 가정이 충족된 것이다. | 그림은 점검 수단일 뿐입니다. 어느 구간을 버렸고 몇 명이 줄었는지 함께 보고해야 합니다. |
| 트리밍하면 원래 목표 효과를 그대로 추정한다. | 표본을 줄이면 추정 대상이 겹치는 하위집단으로 바뀝니다. |
| 공통지지는 관측되지 않은 교란도 해결한다. | PSM은 관측된 공변량만 통제합니다. 겹침은 비교 가능성의 조건이지, 숨은 교란의 해결책이 아닙니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
성향점수매칭 등을 적용하기 전 데이터가 비교 가능한지 점검한 결과를 보고하는 문장이다.
보건정책 평가 연구 등에서 공통지지 조건을 만족하지 않는 관측치를 제거하는 트리밍 절차와 그로 인한 표본 손실을 밝히는 문장이다.
교육학 연구 등에서 두 집단의 특성 차이가 커서 공통지지 가정이 온전히 충족되지 않았음을 한계점으로 보고하는 문장이다.
조금 더 깊게 보면
실무에서는 두 집단의 성향점수 분포를 히스토그램이나 밀도그림으로 시각화해 겹치는 구간을 눈으로 확인하는 경우가 많다. 공통지지를 벗어난 관측치를 처리하는 대표적인 방법으로는 해당 관측치를 표본에서 제거하는 트리밍(trimming)과, 극단적인 성향점수에 가중치를 제한적으로 부여하는 방법 등이 있다. 아울러 처치집단과 통제집단의 성향점수 최소·최대값 범위를 비교하는 방식으로 공통지지 여부를 판단하기도 하며, 이 가정이 심하게 위반되면 매칭이나 가중치 대신 다른 식별전략(도구변수 등)을 고려하기도 한다.
주의할 점
공통지지 영역을 벗어나는 관측치는 분석에서 제외해야 하며, 이로 인해 추정치가 전체 모집단이 아닌 일부 하위집단에만 적용될 수 있다.
헷갈리기 쉬운 용어
| 용어 | 한 줄 설명 |
|---|---|
| 성향점수매칭 | 성향점수가 비슷한 처치·비교 관측치를 짝짓는 방법으로, 공통지지가 있어야 짝을 찾을 수 있음 |
| 역확률가중치 | 성향점수의 역수로 가중하는 방법으로, 양성성(positivity)이 필요함 |
참고 문헌
- Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55.
- Heckman, J. J., Ichimura, H., & Todd, P. E. (1997). Matching as an econometric evaluation estimator: Evidence from evaluating a job training programme. The Review of Economic Studies, 64(4), 605–654.
- Caliendo, M., & Kopeinig, S. (2008). Some practical guidance for the implementation of propensity score matching. Journal of Economic Surveys, 22(1), 31–72.
- Crump, R. K., Hotz, V. J., Imbens, G. W., & Mitnik, O. A. (2009). Dealing with limited overlap in estimation of average treatment effects. Biometrika, 96(1), 187–199.
- Stuart, E. A. (2010). Matching methods for causal inference: A review and a look forward. Statistical Science, 25(1), 1–21.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.