강건표준오차 (Robust Standard Errors)
쉽게 풀면
보통의 회귀분석은 "오차가 흩어진 정도가 어디서나 비슷하다(등분산성)"는 가정을 깔고 표준오차를 계산합니다. 그런데 실제 데이터는 그렇지 않은 경우가 많습니다. 예를 들어 소득을 조사할 때, 소득이 낮은 사람들의 답변 오차보다 소득이 높은 사람들의 답변 오차가 훨씬 크게 흩어지는 식입니다. 이 가정이 깨지면 표준오차, 즉 "이 결과를 얼마나 믿을 수 있는가"를 나타내는 값이 잘못 계산될 수 있습니다. 강건표준오차는 이런 가정 위반을 어느 정도 감안하면서도 믿을 만한 표준오차를 다시 계산해주는 보정된 계산법입니다.
왜 중요한가
표준오차는 회귀 계수의 통계적 유의성을 판단하는 근거가 되기 때문에, 그 계산이 왜곡되면 실제로는 유의하지 않은 결과를 유의하다고 잘못 해석할 위험이 생깁니다. 실제 관측 데이터, 특히 횡단면 데이터나 패널 데이터는 등분산성 가정이 깨지는 경우가 흔하기 때문에, 경제학·사회과학 논문에서는 강건표준오차 사용이 사실상 관례처럼 자리잡았습니다. 이 때문에 많은 실증분석 논문은 결과표에 어떤 표준오차를 사용했는지(강건표준오차인지, 군집표준오차인지)를 명시적으로 표기합니다.
논문에서는 이렇게 쓰입니다
이 문장은 오차의 흩어진 정도가 일정하지 않은 등분산성과 이분산성 문제를 감안해 표준오차를 다시 계산했으며, 그렇게 보정한 뒤에도 결과가 크게 달라지지 않았다는 것을 보여줍니다. White(Huber-White) 표준오차가 대표적이며, 패널 데이터에서는 같은 집단 내 관측치들의 상관까지 함께 고려하는 군집표준오차로 확장해서 사용하기도 합니다.
같은 학교 학생들끼리는 서로 비슷한 특성을 공유할 수 있으므로, 이런 집단 내 상관을 반영해 표준오차를 다시 계산했다는 뜻입니다.
같은 대상을 여러 시점에 걸쳐 관측한 데이터에서 시간적으로 오차들이 서로 연관될 수 있는 문제까지 반영해 표준오차를 보정했다는 내용입니다.
조금 더 깊게 보면
가장 널리 쓰이는 형태는 이분산성만을 보정하는 White(Huber-White) 표준오차이며, 여기에 더해 같은 집단(학교, 지역, 개인 등) 내 관측치들이 서로 독립적이지 않을 가능성까지 반영하는 군집표준오차, 시간에 따른 자기상관까지 고려하는 Newey-West 표준오차 등으로 확장되어 사용됩니다. 어떤 방식을 선택할지는 데이터의 구조(횡단면인지, 패널인지, 집단화되어 있는지)에 따라 달라지며, 잘못된 군집 단위를 선택하면 오히려 표준오차가 부정확해질 수 있어 데이터 구조에 맞는 방법을 고르는 것이 중요합니다.
주의할 점
강건표준오차는 이분산성으로 인한 표준오차 왜곡을 보정해줄 뿐, 모형에서 중요한 변수가 빠졌거나 변수 간 상호 인과관계가 있는 내생성 문제까지 해결해주지는 않습니다. 즉 계수 추정치 자체의 편향은 그대로 남아 있을 수 있습니다.