신용구간 (Credible Interval)

한 줄 정의: 사후분포에서 모수가 특정 확률(예: 95%)로 존재한다고 직접 말할 수 있는 구간으로, 베이지안 통계에서 신뢰구간에 대응하는 개념입니다.

쉽게 풀면

"이 신약의 효과가 5%에서 15% 사이일 확률이 95%다"라고 직관적으로 말하고 싶을 때 쓰는 것이 신용구간입니다. 사실 전통적인 신뢰구간은 이렇게 해석하면 안 됩니다(신뢰구간은 "이 구간을 만드는 절차를 반복했을 때 95%가 참값을 포함한다"는 뜻이지, "참값이 이 구간에 있을 확률이 95%"라는 뜻이 아닙니다). 하지만 베이지안 추론에서는 모수 자체를 확률분포(사후분포)로 다루기 때문에, "이 구간 안에 모수가 있을 확률이 95%다"라는 직관적인 문장이 수학적으로도 정확히 성립합니다. 이렇게 사후분포에서 확률 95%를 차지하는 구간을 잘라낸 것이 신용구간입니다.

왜 중요한가

베이지안 통계가 심리학, 생태학, 임상연구 등 다양한 분야에서 빈도주의 통계의 대안으로 널리 쓰이면서, 신용구간은 사후분포의 불확실성을 요약해 전달하는 핵심 도구로 자리잡았습니다. 신뢰구간과 달리 "모수가 이 구간에 있을 확률이 95%다"라고 직관적으로 해석할 수 있어, 정책 결정이나 임상적 판단처럼 확률적 해석이 직접 필요한 상황에서 특히 선호됩니다. 또한 계층모형이나 복잡한 사전분포를 사용하는 현대 베이지안 분석에서는 사후분포 자체가 비대칭적인 경우가 많아, 신용구간이 신뢰구간보다 더 자연스러운 불확실성 요약 수단으로 여겨집니다.

논문에서는 이렇게 쓰입니다

"처치효과의 사후분포로부터 95% 신용구간(credible interval)을 계산한 결과 [0.12, 0.48]로, 구간이 0을 포함하지 않아 효과가 있다고 판단하였다."

이 문장은 "베이지안 모형에서 얻은 사후분포를 근거로, 처치효과가 0.12에서 0.48 사이에 있을 확률이 95%이며, 이 구간에 0이 없으므로 효과가 존재한다고 결론지었다"는 뜻입니다. 빈도주의 논문의 p-value·신뢰구간 보고 방식과 대응되는 베이지안식 보고 방법입니다.

"위계선형모형의 무선효과 분산에 대한 94% 최고사후밀도구간(HPDI)을 산출하여 참여자 간 변동성의 불확실성을 함께 보고하였다."

계층모형에서도 특정 모수의 불확실성을 신용구간(HPDI 형태)으로 요약해, 추정치가 얼마나 안정적인지를 함께 보여준다는 뜻입니다.

"생태학 개체군 성장률 추정에서 사후분포의 95% 신용구간이 [-0.02, 0.15]로 0을 포함해, 개체군이 안정적으로 유지되고 있다는 증거가 뚜렷하지 않다고 해석하였다."

구간이 0을 포함하는 경우, 효과의 방향성을 확신할 수 없다는 결론으로 이어진다는 점을 보여줍니다.

조금 더 깊게 보면

신용구간을 만드는 방법에는 여러 가지가 있는데, 사후분포에서 양쪽 꼬리를 동일한 확률로 잘라내는 등확률구간(equal-tailed interval)과, 확률밀도가 가장 높은 구간을 잡는 최고사후밀도구간(Highest Posterior Density Interval, HPDI)이 대표적입니다. 사후분포가 좌우대칭이면 두 방법의 결과가 비슷하지만, 비대칭이거나 다봉형(multimodal)인 경우에는 서로 다른 구간이 나올 수 있어 논문에서 어떤 방식을 썼는지 확인하는 것이 중요합니다. 아울러 신용구간은 사전분포와 사후분포 계산에 쓰인 표본추출(MCMC 등) 방법의 수렴 여부에도 영향을 받으므로, 함께 보고된 수렴 진단 지표를 같이 살펴보는 것이 바람직합니다.

주의할 점

신용구간은 사전분포의 선택에 따라 달라질 수 있습니다. 특히 켤레사전분포처럼 계산이 편리하다는 이유만으로 사전분포를 고르면, 사전분포 자체가 데이터에 영향을 주지 않았는지 사후예측점검 등으로 확인해야 결과를 온전히 신뢰할 수 있습니다.