준실험설계 (Quasi-Experimental Design)
쉽게 풀면
신약의 효과를 보려면 원래는 동전을 던지듯 무작위로 환자를 두 그룹에 나눠야 합니다. 하지만 현실에서는 이미 특정 정책을 시행한 지역과 시행하지 않은 지역처럼, 무작위로 나눌 수 없는 상황이 훨씬 많습니다. 이럴 때 이미 존재하는 두 집단(정책을 받은 곳과 받지 않은 곳)을 최대한 비슷한 조건끼리 맞춰 비교하는 것이 준실험설계입니다. 무작위 배정이라는 "완벽한 저울"은 없지만, 현실적인 제약 속에서 최대한 공정하게 비교해보려는 절충안인 셈입니다.
왜 중요한가
정책 평가, 교육 개입, 공중보건 프로그램처럼 윤리적·현실적 이유로 무작위 배정이 불가능한 연구 상황이 매우 흔하기 때문에, 준실험설계는 인과관계를 추정하는 대안적 방법론으로 사회과학과 정책학, 보건학 전반에서 폭넓게 쓰입니다. 무작위대조시험만큼 인과적 결론이 강하지는 않지만, 실제 현장 데이터를 활용해 개입의 효과를 검증할 수 있다는 점에서 실증연구의 중요한 축을 이룹니다.
논문에서는 이렇게 쓰입니다
이 문장은 무작위 실험이 어려운 현장 연구에서, 이미 형성되어 있던 집단을 이용해 정책이나 처치의 효과를 추정했다는 뜻입니다.
교육 정책 연구에서는 특정 기준점(예: 시험 점수)을 경계로 수혜자와 비수혜자가 나뉘는 상황을 이용해, 그 경계 근처의 두 집단을 비교함으로써 인과효과를 추정한다는 뜻입니다.
노동경제학 연구에서는 정책 시행 전후 시점과 시행 여부 지역을 동시에 비교함으로써, 시간에 따른 공통 추세를 통제하고 정책의 순수한 효과를 추정한다는 것을 보여줍니다.
조금 더 깊게 보면
준실험설계에는 회귀불연속설계, 이중차분법, 도구변수법, 성향점수매칭 등 여러 세부 기법이 있으며, 각각은 선택편향을 줄이기 위해 서로 다른 가정에 의존합니다. 예를 들어 이중차분법은 처치를 받지 않았다면 두 집단이 비슷한 추세로 변했을 것이라는 "평행추세 가정"에 의존하고, 회귀불연속설계는 기준점 근처의 대상자들은 처치 여부를 제외하면 사실상 무작위에 가깝게 비슷하다는 가정에 의존합니다. 논문을 읽을 때는 저자가 어떤 기법을 썼는지와 함께, 그 기법이 전제하는 가정이 해당 연구 맥락에서 얼마나 타당한지를 함께 살펴보는 것이 중요합니다.
주의할 점
준실험설계는 무작위대조시험과 달리 참가자가 무작위로 배정되지 않기 때문에, 두 집단이 처치 여부 외에 다른 특성에서도 애초에 달랐을 가능성(선택편향)을 완전히 배제할 수 없습니다. 그래서 결과를 해석할 때 인과관계를 단정하기보다 신중하게 접근할 필요가 있습니다.