도구변수분석 (Instrumental Variable Analysis)
쉽게 풀면
독립변수가 종속변수뿐 아니라 오차항과도 관련되어 있어 회귀분석 결과가 왜곡되는 상황(내생성 문제)이 있을 때 사용하는 방법이다. 이때 독립변수와는 관련이 있지만 결과에는 직접 영향을 주지 않는 '도구변수'를 찾아, 이를 통해 우회적으로 인과효과를 추정한다. 예를 들어 교육이 소득에 미치는 영향을 볼 때, 능력 같은 관측되지 않은 요인의 영향을 걸러내기 위해 도구변수를 활용할 수 있다.
왜 중요한가
도구변수분석은 무작위 실험이 불가능한 관찰 자료에서도 인과관계에 가까운 추정치를 얻을 수 있게 해주기 때문에, 경제학뿐 아니라 정책 효과 평가, 보건학, 사회학 등 인과추론이 중요한 여러 실증연구 분야에서 핵심 기법으로 다뤄집니다. 특히 정책 개입이나 자연실험 상황에서 발생하는 도구변수를 찾아내는 방식은 계량경제학 연구에서 독창성을 인정받는 대표적인 접근으로 여겨집니다.
논문에서는 이렇게 쓰입니다
교육 수준이 소득에 미치는 영향을 순수하게 뽑아내기 위해, 관련은 있지만 소득에 직접 영향을 주지 않는 부모 학력이라는 변수를 우회 통로로 활용했다는 뜻이다.
보건경제학 연구에서는 의료 이용의 내생성 문제를 해결하기 위해 지리적 접근성을 도구변수로 삼는 경우가 많아 이런 표현이 쓰인다.
정책평가 연구에서는 제도 도입 시점이나 지역별 차이 같은 자연실험적 상황을 도구변수로 활용할 때 이와 같은 문장이 쓰인다.
조금 더 깊게 보면
좋은 도구변수는 내생변수와는 강하게 관련되어 있으면서(관련성 조건), 오차항과는 무관해야 하고 결과변수에 직접 영향을 주지 않아야 한다는(외생성 조건, 배제제약) 두 가지 조건을 동시에 만족해야 합니다. 실제 분석에서는 2단계 최소제곱법(2SLS)이 흔히 쓰이며, 도구변수가 내생변수와 얼마나 강하게 관련되어 있는지를 나타내는 1단계 F통계량 값이 충분히 크지 않으면 약한 도구변수 문제로 추정치가 불안정해질 수 있어 논문에서 이 값을 함께 보고하는 경우가 많습니다. 외생성 조건은 통계적으로 완전히 검증하기 어려워, 연구자가 이론적·맥락적 근거로 그 타당성을 논증하는 경우가 일반적입니다.
주의할 점
좋은 도구변수를 찾는 것 자체가 매우 어려우며, 도구변수가 실제로 결과변수와 관련이 없다는 조건을 만족하지 못하면 분석 결과의 타당성이 크게 흔들린다.