평균으로의 회귀 (Regression to the Mean)
쉽게 풀면
어떤 학생이 시험에서 유난히 낮은 점수를 받았다고 해봅시다. 그 학생이 실제로 실력이 나빠진 게 아니라, 그날 컨디션이 안 좋았거나 문제가 우연히 안 맞았을 뿐일 수 있습니다. 이 학생이 다음 시험을 보면, 특별한 노력을 하지 않아도 점수는 자연스럽게 평소 평균 수준으로 "돌아오는" 경향이 있습니다. 이것이 평균으로의 회귀입니다. 문제는 이런 자연스러운 되돌아옴을 보고 "특강을 들었더니 점수가 올랐다!"처럼 어떤 개입 덕분이라고 착각하기 쉽다는 점입니다. 극단값 다음에는 원래 평균으로 돌아오는 것이 통계적으로 당연한 현상인데, 이를 개입의 효과로 오해하는 것이 함정입니다.
왜 중요한가
평균으로의 회귀는 극단값을 기준으로 표본을 뽑는 연구 설계에서 개입의 효과를 실제보다 과대평가하게 만드는 대표적인 함정이기 때문에, 연구방법론과 실험설계 전반에서 반드시 고려해야 할 개념으로 다뤄집니다. 의학에서 혈압이 유난히 높았던 환자군을 대상으로 한 치료 효과 평가, 교육학에서 성적이 낮았던 학생을 대상으로 한 프로그램 평가처럼, 극단적인 사전 측정값을 기준으로 개입 대상을 선정하는 연구 전반에서 이 현상을 통제하지 않으면 잘못된 인과적 결론에 이르기 쉽습니다.
논문에서는 이렇게 쓰입니다
이 문장은 극단적으로 낮은 점수를 가진 집단을 선별해 실험했을 때, 개입이 없었어도 점수가 저절로 어느 정도 올랐을 것이라는 점을 인정하고 있습니다. 즉 관찰된 효과 전체를 개입의 공으로 돌릴 수 없다는 뜻입니다.
이 문장은 치료를 전혀 하지 않은 집단에서도 극단적으로 높았던 수치가 시간이 지나며 저절로 평균에 가까워졌다는 것을 보여줌으로써, 이후 치료 효과를 평가할 때 이 자연스러운 되돌아옴을 반드시 감안해야 한다는 점을 보여줍니다.
조금 더 깊게 보면
평균으로의 회귀가 일어나는 근본적인 이유는 측정값이 "진짜 값(개인의 실제 수준)"과 "측정 오차(우연에 의한 변동)"의 합으로 이루어져 있기 때문입니다. 극단적으로 높거나 낮은 값은 우연히 오차가 같은 방향으로 크게 작용했을 가능성이 크므로, 재측정하면 그 오차 부분이 사라지면서 값이 평균 쪽으로 이동하는 것처럼 보입니다. 이 문제를 통제하는 가장 확실한 방법은 개입군과 동일한 방식으로 극단값을 선정한 무작위 대조군을 두어, 개입군의 변화와 대조군의 자연스러운 회귀 정도를 비교하는 것입니다.
주의할 점
평균으로의 회귀는 무작위 배정이 없는 준실험설계나 극단값 기준으로 표본을 뽑는 연구에서 특히 내적타당도를 위협합니다. 이를 통제하려면 무작위 대조군을 두어 개입군과 동일한 회귀 경향을 비교 기준으로 삼아야 하며, 단순히 사전-사후 점수 변화만 보고 효과가 있다고 단정하면 안 됩니다.