누락변수편향 (Omitted Variable Bias)

한 줄 정의: 결과에 영향을 주는 중요한 변수를 회귀모형에 넣지 않아서, 모형에 남아 있는 변수들의 효과 추정치가 실제보다 과대 또는 과소평가되는 편향입니다.

쉽게 풀면

"아이스크림 판매량이 늘수록 물놀이 사고도 늘어난다"는 자료가 있다고 해봅시다. 이 둘만 보고 회귀분석을 하면 아이스크림 판매량이 사고의 원인처럼 보일 수 있습니다. 하지만 실제로는 "기온"이라는 변수가 아이스크림 판매량과 물놀이 사고 둘 다에 영향을 주는데, 이 기온 변수를 모형에서 빠뜨렸기 때문에 아이스크림과 사고의 관계가 실제보다 훨씬 강하게(혹은 있지도 않은데 있는 것처럼) 나타난 것입니다. 이렇게 결과에 영향을 주면서 동시에 이미 모형에 넣은 원인 변수와도 관련이 있는 제3의 변수를 빠뜨리면, 남은 변수의 계수가 왜곡되는데 이를 누락변수편향이라고 부릅니다.

왜 중요한가

누락변수편향은 관찰자료를 이용한 인과추론 연구 전반에서 결과의 신뢰성을 좌우하는 핵심 위협 요인입니다. 실험처럼 무작위 배정을 할 수 없는 사회과학·역학·경영학 연구에서는 통제집단을 인위적으로 만들 수 없기 때문에, 어떤 변수를 통제했는지가 곧 결론의 타당성을 결정합니다. 그래서 논문 심사 과정에서도 "혹시 빠뜨린 변수는 없는가"를 지적하는 것이 가장 흔한 방법론적 비판 중 하나이며, 저자들은 이를 선제적으로 방어하기 위해 강건성 검정이나 대안적 식별전략을 함께 제시하는 경우가 많습니다.

논문에서는 이렇게 쓰입니다

"부모의 사회경제적 지위를 통제하지 않은 모형에서는 사교육 시간의 계수가 과대추정되었을 가능성이 있어, 누락변수편향을 고려해 결과를 해석할 필요가 있다."

중요한 배경 변수를 분석에 포함하지 않으면, 실제로는 그 배경 변수가 만든 효과까지 관심 변수의 효과로 잘못 잡힐 수 있다는 뜻입니다.

"기업의 경영진 역량과 같이 관측되지 않는 특성이 투자 결정과 성과 모두에 영향을 줄 수 있으므로, 본 연구의 회귀 결과는 누락변수편향의 가능성을 배제하지 못한다는 한계가 있다."

측정하기 어려운 조직·개인 특성이 원인 변수와 결과 변수 모두와 관련될 때, 그 특성을 모형에 넣지 못하면 추정치가 왜곡될 수 있음을 스스로 밝히는 대목입니다.

"지역 단위 건강 지표를 분석할 때 대기오염 노출 수준을 통제하지 않을 경우, 소득 수준의 건강 효과가 누락변수편향으로 인해 실제보다 크게 추정될 수 있다."

역학 연구에서도 결과에 함께 영향을 주는 환경 요인을 빠뜨리면 다른 변수의 효과가 왜곡될 수 있다는 점을 보여줍니다.

조금 더 깊게 보면

누락변수편향의 방향과 크기는 빠뜨린 변수가 이미 모형에 포함된 변수, 그리고 결과 변수와 각각 어떤 상관관계를 갖는지에 따라 달라집니다. 두 상관관계의 부호가 같으면 계수가 실제보다 과대추정되고, 부호가 반대이면 과소추정되는 경향이 있습니다. 실증에서는 이를 직접 증명하기보다, 통제변수를 단계적으로 추가하며 계수가 얼마나 민감하게 변하는지 보는 방식이나, Oster(2019)류의 선택편향 계수 비교와 같은 민감도 분석을 함께 보고하여 누락변수편향의 심각성을 간접적으로 가늠하는 경우가 많습니다.

주의할 점

누락변수편향은 교란변수 문제를 회귀분석 관점에서 구체적으로 설명한 것으로, 내생성을 일으키는 가장 대표적인 원인입니다. 관련 변수를 모두 알고 측정할 수 있다면 모형에 추가해서 통제하면 되지만, 현실에서는 중요한 변수를 아예 측정하지 못하는 경우가 많습니다. 이럴 때는 도구변수나 패널자료를 이용한 고정효과 모형처럼, 누락된 변수를 직접 측정하지 않고도 편향을 줄이는 기법을 사용합니다.