도구변수 (Instrumental Variable)
쉽게 풀면
내생성 문제 때문에 "교육이 소득에 미치는 순수한 효과"를 직접 추정하기 어려울 때, 연구자는 교육 수준에는 영향을 주지만 소득에는 교육을 거치지 않고서는 영향을 주지 않는 제3의 변수를 찾습니다. 예를 들어 "집에서 가장 가까운 대학까지의 거리"는 대학 진학 여부(교육)에는 영향을 주지만, 그 자체가 소득에 직접 영향을 준다고 보기는 어렵습니다. 이런 변수를 지렛대처럼 활용해 교육이 소득에 미치는 효과만 따로 뽑아내는 기법입니다.
왜 중요한가
노동경제학, 보건경제학, 정치경제학 등 관찰자료를 다루는 분야에서는 처치가 무작위로 배정되지 않아 내생성 문제가 거의 항상 발생합니다. 도구변수는 이런 상황에서도 인과효과를 식별할 수 있게 해주는 대표적인 방법이기 때문에, 실증연구 논문에서 식별전략(identification strategy)을 설명할 때 빠지지 않고 등장합니다. 최근에는 자연실험이나 정책 변화, 지리적·역사적 특성 등을 도구변수로 활용하는 창의적인 설계도 활발히 논의되고 있습니다.
논문에서는 이렇게 쓰입니다
대학까지의 거리라는, 소득에 직접 영향을 주지 않는 변수를 이용해 교육이 소득에 미치는 효과를 더 정확하게 추정하려 했다는 뜻입니다.
정치학·개발경제학에서는 기후나 강수량처럼 사람의 선택과 무관하게 결정되는 외생적 변수를 도구변수로 삼는 경우가 흔합니다.
조금 더 깊게 보면
도구변수가 타당하려면 원인변수와는 강하게 연관되어 있으면서(관련성), 오직 원인변수를 거쳐서만 결과에 영향을 미치고(배제 제약), 교란변수와는 독립적이어야 합니다. 실제 추정에는 2단계 최소제곱법(2SLS)이 흔히 쓰이며, 도구변수와 원인변수의 연관성이 약하면 '약한 도구변수' 문제로 추정치의 분산이 커지고 편향이 발생할 수 있어 1단계 회귀의 설명력을 함께 점검하는 경우가 많습니다.
주의할 점
좋은 도구변수를 찾기는 매우 어렵습니다. 그 변수가 정말로 결과에 직접적인 영향을 주지 않는지(배제 제약)는 데이터만으로 증명할 수 없어, 이론적 논증이 함께 필요합니다.