교란변수 (Confounding Variable)
쉽게 풀면
"아이스크림 판매량이 늘수록 익사 사고도 늘어난다"는 통계가 있다고 해봅시다. 아이스크림이 물놀이를 유발하는 걸까요? 아닙니다. 진짜 원인은 "더운 날씨"입니다. 날씨가 더워지면 아이스크림도 많이 팔리고, 동시에 물놀이하는 사람도 늘어서 익사 사고도 늘어나는 것뿐이죠. 여기서 "날씨"처럼 원인처럼 보이는 두 변수(아이스크림 판매량, 익사 사고) 모두에 영향을 주면서 뒤에 숨어있는 변수가 바로 교란변수입니다. 교란변수를 놓치면 아무 관계도 없는 두 가지를 마치 인과관계인 것처럼 잘못 해석하게 됩니다.
왜 중요한가
관찰연구는 실험처럼 조건을 인위적으로 통제할 수 없기 때문에, 두 변수 사이에서 발견한 연관성이 진짜 인과관계인지 교란변수 때문에 생긴 착시인지 구분하는 일이 연구 설계의 핵심 과제가 됩니다. 역학, 사회과학, 경제학처럼 사람과 사회를 대상으로 무작위 실험이 어렵거나 윤리적으로 제한되는 분야일수록 교란변수를 얼마나 잘 식별하고 통제했는지가 논문의 신뢰도를 좌우합니다. 그래서 저널 심사에서도 "어떤 교란변수를 고려했는가"는 방법론 검증의 단골 질문입니다.
논문에서는 이렇게 쓰입니다
이 문장은 "혈압 차이가 사실은 나이나 흡연 습관 때문일 가능성을 통계적으로 배제하고 나서도, 여전히 진짜 차이가 남아있었다"는 뜻입니다. 즉 관찰된 결과가 다른 숨은 요인 때문이 아니라는 것을 확인했다는 의미입니다.
사회과학이나 경제학 논문에서 흔히 보이는 표현으로, "소득이 결과에도 영향을 주고 관심 있는 원인 변수에도 영향을 줄 수 있으므로, 이를 모형에 함께 넣어 그 영향을 수학적으로 분리해 냈다"는 뜻입니다.
농학·생태학 분야의 예문으로, "실험 대상 토지마다 원래 비옥도가 달라 결과가 왜곡될 수 있으니, 이를 사전에 무작위로 섞어 배정함으로써 그 영향을 통제했다"는 의미입니다.
조금 더 깊게 보면
교란변수를 다루는 방법은 크게 연구 설계 단계의 통제(무작위 배정, 짝짓기 설계)와 분석 단계의 통제(회귀분석에서 공변량으로 포함, 성향점수매칭, 층화분석)로 나뉩니다. 다만 측정되지 않았거나 아예 존재를 모르는 "미관측 교란변수"는 이런 방법으로도 통제할 수 없어, 논문에서는 이를 한계점으로 명시하거나 민감도 분석을 통해 그 영향의 크기를 가늠하기도 합니다. 또한 교란변수와 혼동하기 쉬운 개념으로 매개변수(원인과 결과 사이의 경로에 있는 변수)와 조절변수(효과의 크기를 바꾸는 변수)가 있는데, 이 셋은 인과관계 해석에서 각각 다르게 다뤄지므로 논문을 읽을 때 구분해서 보는 것이 중요합니다.
주의할 점
교란변수는 실험을 설계하기 전에 미리 예상하고 통제해야 하며, 논문을 읽을 때도 "이 결과에 영향을 줄 만한 다른 요인을 통제했는가"를 항상 확인해야 합니다. 무작위 배정을 하는 무작위대조시험은 교란변수의 영향을 구조적으로 줄이는 대표적인 방법입니다.