관측가능변수 선택성 가정 (selection on observables)
쉽게 풀면
실험이 아닌 관측자료로 인과효과를 추정할 때, "누가 처치를 받았는가"를 가르는 요인을 우리가 데이터로 다 가지고 있다고 가정하는 경우가 있습니다. 이것이 관측가능변수 선택성 가정입니다. 이 가정 아래에서는 통제변수만 잘 넣으면 마치 무작위 배정처럼 비교할 수 있다고 봅니다. 하지만 실제로 눈에 보이지 않는 동기나 능력 같은 요인이 처치 여부를 좌우한다면 이 가정은 성립하지 않습니다.
왜 중요한가
무작위 실험을 할 수 없는 상황에서 관측자료만으로 인과효과를 추정하려는 대부분의 계량경제학·정책평가 연구는 이 가정에 기대고 있기 때문에 중요합니다. 성향점수매칭, 역확률가중, 회귀조정 등 처치효과 추정에 널리 쓰이는 방법들은 공통적으로 이 가정을 전제로 성립하며, 가정이 어긋나면 추정된 효과 자체가 편향될 수 있습니다. 그래서 논문에서는 이 가정을 어떤 근거로 지지하는지, 통제변수를 어떻게 선정했는지를 상세히 설명하는 것이 관례입니다.
논문에서는 이렇게 쓰입니다
관측자료 기반 인과추정에서 전제하는 핵심 가정을 명시하는 문장이다.
교육정책 연구에서 프로그램 참여를 좌우하는 요인이 모두 데이터로 관측되어 있다고 전제하고 분석을 설계했다는 의미이다.
의료 관측자료 분석에서 처방 결정이 전적으로 기록된 임상 지표에 의해 이루어진다고 보고 인과효과를 추정했다는 뜻이다.
조금 더 깊게 보면
이 가정은 검증이 불가능하기 때문에, 논문에서는 대신 그 타당성을 보강하는 여러 장치를 함께 제시하는 경우가 많습니다. 대표적으로 통제변수를 추가하거나 제거했을 때 추정치가 얼마나 민감하게 변하는지 살펴보는 민감도분석, 그리고 관측되지 않은 교란요인이 존재한다면 결과를 뒤집기 위해 얼마나 강력해야 하는지를 정량화하는 방법들이 함께 쓰입니다. 또한 이 가정이 조건부 독립성 가정(conditional independence assumption)이라는 이름으로도 불린다는 점을 알아두면 다른 문헌을 읽을 때 도움이 됩니다.
주의할 점
이 가정은 본질적으로 검증 불가능하므로, 관련 이론과 선행연구에 근거해 통제변수의 충분성을 논증해야 한다.