자크-베라 검정 (Jarque-Bera Test)
쉽게 풀면
정규분포는 좌우 대칭이고(왜도 0) 봉우리의 뾰족한 정도도 일정한 기준(첨도 3)을 갖습니다. 자크-베라 검정은 실제 데이터의 왜도와 첨도가 이 정규분포의 기준값에서 얼마나 벗어나 있는지를 하나의 통계량으로 합쳐서 계산합니다. 이 값이 충분히 크면(p-value가 작으면) "데이터가 정규분포를 따르지 않는다"고 결론 내립니다. 표본 수가 많을 때 특히 안정적으로 작동해서, 회귀분석의 잔차 진단이나 시계열·계량경제 논문에서 자주 사용됩니다.
왜 중요한가
회귀분석, 시계열 모형, 계량경제 분석 등 정규성을 전제로 하는 많은 통계 기법에서, 그 전제가 실제로 성립하는지 확인하는 절차는 결과 해석의 타당성을 뒷받침하는 데 필수적입니다. 자크-베라 검정은 표본 수가 많을 때도 계산이 간단하고 안정적으로 작동해, 대규모 금융 시계열이나 거시경제 데이터를 다루는 계량경제학 논문에서 정규성 가정을 점검하는 표준 절차로 자주 채택됩니다. 검정 결과는 이후 어떤 추정 방법(예: 정규성을 가정하는 방법 대 강건한 방법)을 선택할지 결정하는 근거로도 이어집니다.
논문에서는 이렇게 쓰입니다
이 문장은 회귀분석에서 나온 잔차(오차)가 통계적으로 정규분포와 크게 다르지 않다고 확인되었으므로, 정규성을 전제로 한 회귀분석 결과를 그대로 신뢰할 수 있다는 뜻입니다.
금융 시계열 연구에서는 자산 수익률이 정규분포보다 극단값이 자주 나타나는 두터운 꼬리 분포를 따르는 경우가 많다는 것을 이 검정으로 확인하고, 이를 반영한 모형을 선택했다는 뜻입니다.
사회과학 조사연구에서도 종속변수의 분포 형태를 점검하는 데 이 검정이 쓰이며, 그 결과에 따라 변수 변환 같은 후속 조치를 취했다는 것을 보여줍니다.
조금 더 깊게 보면
자크-베라 통계량은 왜도의 제곱과 첨도가 정규분포 기준(0과 3)에서 벗어난 정도의 제곱을 가중합산해 만들어지며, 표본 수가 충분히 크면 이 통계량이 근사적으로 카이제곱분포를 따른다는 점을 이용해 유의성을 판단합니다. 이 때문에 표본이 작을 때는 근사가 부정확해져 검정력이 떨어지는 한계가 있고, 이런 경우 샤피로-윌크 검정처럼 소표본에 더 적합한 방법이 대안으로 쓰입니다. 또한 자크-베라 검정은 데이터가 정규분포에서 벗어난 방향(왜도인지 첨도인지)까지는 구체적으로 알려주지 않으므로, 유의한 결과가 나왔다면 왜도와 첨도 값을 따로 살펴보거나 히스토그램·Q-Q 도표 같은 시각적 진단을 함께 확인하는 것이 좋습니다.
주의할 점
자크-베라 검정은 표본 수가 적을 때는 검정력이 낮아 실제로는 정규분포가 아니어도 "기각할 수 없다"는 결과가 나오기 쉽습니다. 표본이 작다면 샤피로-윌크 검정과 함께 확인하는 것이 안전합니다.