한계효과 (Marginal Effects)
쉽게 풀면
선형회귀에서는 계수 값이 곧 "독립변수가 1 늘어나면 종속변수가 얼마나 변하는지"를 그대로 알려줍니다. 하지만 로지스틱 회귀처럼 결과가 확률(S자 곡선)로 나오는 모형에서는 이야기가 다릅니다. 확률이 이미 0에 가깝거나 1에 가까운 사람에게는 같은 변화라도 영향이 작고, 확률이 50%에 가까운 사람에게는 영향이 크게 나타나기 때문입니다. 한계효과는 이런 비선형 모형에서 "특정 지점(또는 평균적인 사람)에서 독립변수가 조금 변할 때 확률이 실제로 몇 퍼센트포인트 변하는지"를 계산해 원래 회귀계수보다 직관적으로 해석할 수 있게 해주는 값입니다.
왜 중요한가
비선형 모형의 회귀계수는 척도가 로그 오즈나 잠재변수 단위로 표현되어 일반 독자가 크기를 직관적으로 가늠하기 어렵기 때문에, 정책 효과나 개입 효과의 실질적 크기를 전달해야 하는 사회과학·보건학·경제학 논문에서 한계효과가 표준적인 보고 관행으로 자리잡았습니다. 특히 정책 제안이나 실무적 함의를 논의하는 절에서는 "확률이 몇 퍼센트포인트 변하는가"라는 형태로 결과를 제시해야 설득력이 생기기 때문에, 로지스틱·프로빗·포아송 회귀를 쓰는 거의 모든 응용 논문에서 함께 다뤄집니다.
논문에서는 이렇게 쓰입니다
이 문장은 "로지스틱 회귀에서 나온 계수를 그대로 보고하는 대신, 소득 증가가 실제 이직 확률을 몇 퍼센트포인트 낮추는지를 계산해서 보고했다"는 뜻입니다. 회귀계수 자체는 로그 오즈 단위라 직관적이지 않기 때문에, 이렇게 확률 단위로 바꿔 해석을 돕는 것입니다.
보건경제학 연구에서 건강보험 가입이라는 이분형 독립변수가 정기검진이라는 이분형 결과에 미치는 효과를 확률 단위로 환산해 제시한 사례입니다.
조금 더 깊게 보면
독립변수가 연속형일 때는 한계효과가 해당 변수에 대한 예측확률의 순간 기울기(편미분)로 계산되지만, 독립변수가 이분형이나 범주형일 때는 값을 0에서 1로 바꿨을 때 예측확률이 얼마나 변하는지를 비교하는 이산변화(discrete change) 방식으로 계산한다는 차이가 있습니다. 또한 상호작용항이 포함된 비선형 모형에서는 한 변수의 한계효과가 다른 변수의 값에 따라 달라질 수 있어, 특정 조건에서의 한계효과를 별도로 계산해 보고하는 경우도 흔합니다. 소프트웨어마다 기본으로 계산해주는 한계효과 방식(평균에서의 한계효과 vs 평균 한계효과)이 다를 수 있으므로, 재현 가능성을 위해 사용한 패키지와 방법을 함께 밝히는 것이 바람직합니다.
주의할 점
한계효과는 계산 기준에 따라 값이 달라집니다. "평균에서의 한계효과(MEM)"는 모든 변수가 평균값일 때의 효과이고, "평균 한계효과(AME)"는 모든 관측치 각각에서 구한 한계효과의 평균입니다. 어떤 방식을 썼는지 논문에 명시하지 않으면 결과 해석이 달라질 수 있으므로, 로지스틱 회귀나 교차비와 함께 보고할 때는 계산 기준을 반드시 밝혀야 합니다.