반사실적 추론 (counterfactual reasoning)

한 줄 정의: 실제로 일어나지 않은 대안적 상황("만약 ~하지 않았다면 어떻게 되었을까")을 상정하여 인과효과를 정의하고 추론하는 사고방식이다.

쉽게 풀면

인과관계란 결국 "그 원인이 없었다면 결과가 달랐을까"를 따지는 것입니다. 그런데 같은 사람에게 처치를 주면서 동시에 안 줄 수는 없기 때문에, 실제로 일어나지 않은 가상의 상황을 상상해서 비교해야 합니다. 이런 사고방식을 반사실적 추론이라고 부르며, 현대 인과추론 이론의 근본 틀입니다. 실험이나 준실험 방법들은 모두 이 반사실적 결과를 최대한 그럴듯하게 근사하려는 시도라고 볼 수 있습니다.

왜 중요한가

반사실적 추론은 인과추론 전체를 떠받치는 이론적 토대이기 때문에, 실험설계·준실험설계·인과매개분석 등 인과효과를 다루는 거의 모든 연구방법론 논문에서 개념적 출발점으로 언급됩니다. 경제학·역학·정책학에서는 정책 개입의 효과를 평가할 때, 최근에는 인공지능 분야에서도 설명가능 인공지능(모델이 왜 그런 판단을 내렸는지 반사실적 대안으로 설명하는 접근)에 이 개념이 응용되면서 학제간 논의로 확장되고 있습니다.

논문에서는 이렇게 쓰입니다

"본 연구는 반사실적 추론 틀에 기반하여 정책 미시행 시 예상되는 결과를 잠재적 결과로 설정하였다."

인과효과를 잠재적 결과 개념으로 정의하는 연구설계의 이론적 토대를 설명하는 문장이다.

"본 알고리즘은 대출 거절 사례에 대해 어떤 조건이 달랐다면 승인되었을지를 보여주는 반사실적 설명을 생성하도록 설계되었다."

설명가능 인공지능 분야에서 반사실적 추론이 모델의 판단 근거를 설명하는 도구로 응용된 사례이다.

"아동기 부정적 경험이 없었을 경우를 가정한 반사실적 시나리오를 통해 성인기 정신건강에 미치는 영향을 추정하였다."

역학·발달심리학 연구에서 실제로 관측 불가능한 대안적 삶의 경로를 상정해 인과효과를 추정하는 사례이다.

조금 더 깊게 보면

반사실적 추론은 흔히 잠재적 결과 프레임워크(potential outcomes framework)로 형식화되는데, 각 개체가 처치를 받았을 때와 받지 않았을 때의 결과를 모두 상정하되 실제로는 둘 중 하나만 관측된다는 점(관측되지 않은 나머지는 "반사실"에 해당)을 인과추론의 근본 문제로 규정합니다. 이 틀에서 인과효과 추정은 결국 관측되지 않은 반사실적 결과를 무작위배정, 도구변수, 이중차분법 등의 식별 전략으로 그럴듯하게 근사하는 작업으로 이해됩니다. 최근에는 구조적 인과모형(structural causal model)을 통해 반사실적 추론을 수학적으로 더 정교하게 표현하려는 시도도 활발합니다.

주의할 점

반사실적 상황은 관측될 수 없으므로 항상 특정 가정에 의존해 추정될 수밖에 없다는 근본적 한계를 인지해야 한다.