내생성 (Endogeneity)
쉽게 풀면
"교육 수준이 높을수록 소득이 높다"는 관계를 회귀분석으로 봤다고 합시다. 그런데 "타고난 능력"처럼 모형에 넣지 않은 요인이 교육 수준과 소득 모두에 영향을 준다면, 교육의 순수한 효과를 얼마인지 정확히 가려낼 수 없습니다. 이렇게 원인으로 보는 변수가 모형이 놓친 다른 요인과 얽혀 있는 상태를 내생성이라고 부릅니다. 내생성이 있으면 회귀분석 결과가 진짜 인과관계를 과장하거나 축소해서 보여줄 수 있습니다.
왜 중요한가
내생성은 회귀분석으로 얻은 계수를 인과관계로 해석할 수 있는지를 좌우하는 핵심 문제이기 때문에, 계량경제학과 실증사회과학 연구 전반에서 반드시 검토해야 하는 개념입니다. 정책 효과나 개입의 효과를 평가하는 연구에서는 내생성을 방치하면 잘못된 정책적 결론으로 이어질 수 있어, 도구변수법·이중차분법·패널 고정효과 등 다양한 식별 전략이 이를 해결하기 위해 발전해왔습니다. 리뷰어들도 논문 심사 시 내생성 문제를 어떻게 다뤘는지를 중요한 검증 포인트로 봅니다.
논문에서는 이렇게 쓰입니다
단순 회귀분석 결과를 그대로 믿기 어려워서, 내생성 문제를 보정할 수 있는 별도의 통계 기법을 추가로 썼다는 뜻입니다.
경영학 연구에서 역인과관계로 인한 내생성 문제를 패널 기법으로 완화한 예문이다.
정책평가 연구에서 자기선택으로 인한 내생성을 다루는 방식을 보여주는 예문이다.
조금 더 깊게 보면
내생성의 원인은 크게 누락변수 편의(중요한 변수를 모형에서 빠뜨린 경우), 역인과관계(결과가 다시 원인에 영향을 주는 경우), 측정오차, 표본 선택 편의 등으로 구분됩니다. 각 원인에 따라 대응 방법도 달라지는데, 도구변수법은 원인 변수와는 상관관계가 있지만 오차항과는 무관한 변수를 찾아 대체하는 방식이고, 패널데이터를 활용한 고정효과 모형은 시간에 따라 변하지 않는 개체 특성을 통제해 누락변수 문제를 완화하는 방식입니다. 다만 어떤 방법도 내생성을 완전히 해결한다고 보장하지는 못하므로, 논문에서는 대개 식별 가정의 타당성을 별도로 논증합니다.
주의할 점
내생성은 "변수를 빠뜨렸다"는 것과 다소 다른, 더 넓은 개념입니다. 누락변수뿐 아니라 역인과관계(결과가 원인에 다시 영향을 주는 경우), 측정오차 등도 내생성을 일으킬 수 있습니다.