도구변수 이론 (Instrumental Variable Theory)
쉽게 풀면
흡연이 건강에 미치는 영향을 연구하고 싶은데, 흡연자와 비흡연자 사이에는 소득, 스트레스 등 수많은 측정되지 않은 차이(교란변수)가 있어 단순 비교로는 진짜 인과효과를 알기 어렵다. 이때 담뱃세 인상처럼 '흡연에는 영향을 주지만 그 자체로는 건강에 직접 영향을 주지 않는' 변수를 도구로 이용하면, 마치 무작위 실험을 한 것과 비슷한 방식으로 인과효과를 추정할 수 있다는 것이 도구변수 이론의 핵심 아이디어다. 경제학에서 미측정 교란이 의심되는 상황의 인과추론에 특히 널리 사용된다.
왜 중요한가
사회과학과 보건학 연구 대부분은 실험이 불가능한 관찰자료를 다루기 때문에, 처치 여부가 무작위로 배정되지 않아 미측정 교란이 항상 문제가 된다. 도구변수 이론은 이런 상황에서도 준실험적 방식으로 인과효과를 식별할 수 있게 해주는 몇 안 되는 방법론이라, 경제학뿐 아니라 역학, 정치학, 교육학 등에서도 핵심 인과추론 도구로 다뤄진다. 자연실험이나 정책 변화, 유전정보(멘델무작위화) 등 다양한 상황을 도구로 활용하는 확장 논의가 계속 이어지고 있어, 방법론 논문에서 자주 인용된다.
논문에서는 이렇게 쓰입니다
무작위배정이 불가능하고 중요한 교란변수가 측정되지 않은 관찰연구에서 인과효과를 식별하는 방법으로 사용된다.
노동경제학에서 교육이 소득에 미치는 영향을 추정할 때, 능력이나 가정환경 같은 미측정 교란을 통제하기 위해 흔히 쓰이는 방식이다.
역학 연구에서는 출생 시부터 무작위로 결정되는 유전정보를 도구변수로 활용하여 역인과성이나 교란의 문제를 줄이는 방식이 널리 쓰인다.
조금 더 깊게 보면
도구변수가 타당하려면 (1) 원인변수와 충분히 강하게 연관되어 있어야 하고(관련성), (2) 오직 원인변수를 통해서만 결과변수에 영향을 미쳐야 하며(제외제약), (3) 교란변수와는 무관해야 한다(외생성)는 세 조건을 만족해야 한다. 실제 분석에서는 2단계 최소제곱법(2SLS)이 대표적인 추정 방법으로 쓰이며, 도구변수의 설명력이 약하면 '약한 도구변수' 문제로 추정치가 불안정해지므로 1단계 회귀의 F통계량 등을 함께 점검하는 경우가 많다.
주의할 점
좋은 도구변수를 찾는 것은 매우 어려우며, 도구변수가 실제로는 결과변수에 직접 영향을 미치는 '약한 도구' 문제가 있으면 추정 결과가 오히려 더 편향될 수 있다.