하우스만 검정 (Hausman test)
쉽게 풀면
여러 개체(회사, 개인, 국가 등)를 여러 시점에 걸쳐 관찰한 패널데이터를 분석할 때는 크게 두 가지 방법이 있습니다. 고정효과모형은 "개체마다 다른 특성(관측되지 않는 것 포함)이 독립변수와 관련되어 있어도 괜찮다"고 보고 그 특성을 통제하는 방법이고, 임의효과모형은 "개체별 특성이 독립변수와 무관하게 무작위로 주어진다"고 가정해 좀 더 효율적으로 추정하는 방법입니다. 문제는 확률효과모형의 가정이 실제로 맞는지 눈으로는 알 수 없다는 점입니다. 하우스만 검정은 두 모형으로 각각 추정한 계수가 "체계적으로 다른지"를 비교해서, 만약 크게 다르다면 확률효과모형의 가정이 깨졌다고 보고 고정효과모형을 선택하도록 도와줍니다.
왜 중요한가
하우스만 검정은 패널데이터 분석의 결과가 편향되지 않도록 모형 선택의 타당성을 뒷받침하는 절차이기 때문에, 경제학, 경영학, 정책학 등 패널데이터를 다루는 실증연구 논문에서 방법론 부분에 거의 필수적으로 포함됩니다. 특히 관측되지 않는 개체 특성이 독립변수와 관련이 있는지(내생성 문제)를 판단하는 근거로 쓰이기 때문에, 인과관계를 주장하려는 연구에서 추정 결과의 신뢰성을 높이는 중요한 절차로 다뤄집니다.
논문에서는 이렇게 쓰입니다
이 문장은 두 모형의 계수 추정치 차이가 우연이라 보기 어려울 만큼 크게 나타났고, 그래서 개체 고유의 특성이 독립변수와 무관하다는 확률효과모형의 전제를 신뢰할 수 없다고 판단해 고정효과모형을 사용했다는 뜻입니다.
검정 결과가 유의하지 않은 경우, 두 모형의 추정치가 크게 다르지 않다고 보아 표준오차가 더 작은 확률효과모형을 선택했다는 의미이다.
고정효과모형은 시간에 따라 변하지 않는 변수의 효과를 추정할 수 없기 때문에, 연구 목적에 따라 검정 결과보다 모형의 특성을 우선 고려하는 경우도 있음을 보여준다.
조금 더 깊게 보면
하우스만 검정의 통계량은 고정효과모형과 확률효과모형 추정치의 차이를 두 추정량의 분산 차이로 표준화한 값으로, 귀무가설(확률효과모형이 적절함)이 맞다면 카이제곱분포를 따른다고 알려져 있습니다. 다만 이 검정은 확률효과모형의 추정량이 효율적이라는 가정에 의존하기 때문에, 이분산이나 군집화된 오차가 있는 실제 데이터에서는 검정력이 떨어질 수 있어 강건한(robust) 버전의 하우스만 검정이 대안으로 제시되기도 합니다. 최근에는 검정 결과만으로 기계적으로 모형을 선택하기보다, 연구 질문과 이론적 배경(시간불변 변수 포함 여부 등)을 함께 고려해 모형을 정당화하는 경향이 늘고 있습니다.
주의할 점
하우스만 검정에서 유의하지 않다고 해서 확률효과모형이 "옳다"고 확정되는 것은 아니며, 단지 고정효과모형과 결과가 크게 다르지 않다는 뜻일 뿐입니다. 또한 이 검정은 강건표준오차를 사용하는 상황이나 표본이 작은 경우 정확도가 떨어질 수 있어, 최근에는 이론적 근거(개체 특성이 독립변수와 관련될 가능성)를 함께 고려해 모형을 선택하라는 지적도 많습니다. 검정 결과 하나만으로 모형을 기계적으로 정하기보다는 연구 설계와 이론적 배경을 함께 제시하는 것이 바람직합니다.