E값 (E-value)
쉽게 풀면
무작위배정 없이 관찰된 데이터로 "커피를 많이 마시는 사람이 특정 질병에 덜 걸린다"는 연관성을 찾았다고 해봅시다. 이런 관찰연구는 늘 "혹시 우리가 측정하지 못한 다른 요인(예: 운동량)이 커피 섭취와도 관련 있고 질병과도 관련 있어서, 커피 자체는 아무 상관이 없는데 마치 상관있는 것처럼 보이는 건 아닐까?"라는 의심을 받습니다. E값은 이 의심에 숫자로 답합니다. "만약 이 관찰된 연관성을 완전히 없는 것으로 만들려면, 숨겨진 교란변수가 커피 섭취와도, 질병과도 최소 몇 배 이상 강하게 연관돼 있어야 하는가?"를 계산한 값이 E값입니다. E값이 클수록 "어지간히 강력한 숨은 교란변수가 아니고서는 이 결과를 뒤집기 어렵다"는 뜻이 되어, 관찰연구 결과가 견고하다는 근거로 쓰입니다.
왜 중요한가
무작위배정을 할 수 없는 관찰연구는 항상 미측정 교란의 가능성이라는 근본적 한계를 안고 있으며, 이를 정량적으로 다루지 않으면 인과적 주장을 하기 어렵습니다. E값은 별도의 강한 가정 없이도 결과의 견고성을 숫자 하나로 요약할 수 있어, 역학·보건정책·경제학 등 무작위실험이 불가능한 분야의 논문에서 인과추론의 신뢰도를 보강하는 표준적인 도구로 널리 채택되고 있습니다.
논문에서는 이렇게 쓰입니다
이 문장은 "이 정도로 강한 숨은 교란요인이 있어야만 우리 결과가 무효화되는데, 그런 요인은 있을 법하지 않다"는 뜻으로, 무작위배정이 불가능한 역학·보건 관찰연구 논문의 한계점(limitation) 논의에서 자주 등장합니다.
환경역학 연구에서는 점추정치뿐 아니라 신뢰구간 하한값에 대한 E값도 함께 보고해 결과의 강건성을 다각도로 제시하는 경우가 많다.
사회과학·경제학 분야의 준실험 연구에서도 정책 효과 추정치의 민감도를 논의할 때 E값 개념이 활용된다.
조금 더 깊게 보면
E값은 관찰된 효과크기(위험비, 오즈비 등)를 특정 공식으로 변환해 계산하며, 값이 클수록 결과를 뒤집는 데 필요한 교란변수의 강도가 커진다는 점에서 결과의 견고함을 나타냅니다. 다만 E값 자체는 그런 강력한 교란변수가 실제로 존재하는지 여부를 알려주지 않으므로, 논문을 읽을 때는 산출된 E값을 유사한 분야에서 알려진 강력한 위험요인들의 연관성 크기와 비교해 "그 정도로 강한 교란요인이 현실적으로 있을 법한가"를 함께 판단하는 것이 일반적입니다.
주의할 점
E값은 "측정되지 않은 교란변수가 있다면 어느 정도로 강력해야 결과가 뒤집히는가"를 알려줄 뿐, 실제로 그런 교란변수가 존재하는지 여부나 선택편향 같은 다른 종류의 편향까지 설명해주지는 않습니다.