심슨의 역설 (Simpson's Paradox)

한 줄 정의: 전체 데이터에서는 특정 경향이 나타나지만, 데이터를 하위 집단으로 나누어 보면 그 경향이 반대로 뒤집히거나 사라지는 통계적 역설입니다.

쉽게 풀면

두 병원 A와 B의 수술 성공률을 비교한다고 해봅시다. 전체 환자를 합쳐서 보면 A병원의 성공률이 B병원보다 낮게 나옵니다. 그런데 환자를 "경증"과 "중증"으로 나누어 각각 비교해보면, 놀랍게도 경증 환자에서도 중증 환자에서도 A병원의 성공률이 더 높게 나옵니다. 어떻게 이런 일이 가능할까요? 비밀은 두 병원이 맡은 환자 비율에 있습니다. A병원은 살리기 어려운 중증 환자를 훨씬 많이 맡았기 때문에, 세부적으로는 더 잘하는데도 전체 평균만 보면 실력이 나빠 보이는 것입니다. 이렇게 숨어 있는 제3의 요인(환자의 중증도)이 전체 집계 결과와 하위 집단별 결과를 정반대로 보이게 만드는 현상이 바로 심슨의 역설입니다.

왜 중요한가

심슨의 역설은 통계 분석에서 집계 수준을 어떻게 설정하느냐에 따라 결론이 완전히 뒤바뀔 수 있다는 것을 보여주는 대표적인 사례이기 때문에, 인과관계를 다루는 거의 모든 실증 연구에서 경계해야 할 함정으로 언급됩니다. 특히 정책 평가, 의학적 치료 효과 분석, 입학·채용에서의 집단 간 차별 여부 검증처럼 서로 다른 하위 집단의 비율이 결과에 큰 영향을 주는 상황에서 이 역설을 인지하지 못하면 잘못된 정책적·임상적 결론에 이를 수 있습니다.

논문에서는 이렇게 쓰입니다

"전체 표본에서는 처치군의 회복률이 대조군보다 낮게 나타났으나, 중증도별로 하위 집단을 나누어 재분석한 결과 각 하위 집단에서는 오히려 처치군의 회복률이 더 높게 나타나는 심슨의 역설(Simpson's paradox)이 확인되었다."

이 문장은 전체를 합산한 결과만 보고 성급하게 결론을 내리면 실제와 정반대의 해석을 하게 될 수 있다는 점을 보여줍니다. 역학·의학 연구, 사회과학의 집단 비교 연구, 데이터 과학 분야에서 집계 수준(aggregation level)에 따라 결론이 달라질 수 있음을 경고할 때 자주 인용됩니다.

"대학 전체 지원자 데이터에서는 남성 지원자의 합격률이 더 높게 나타났지만, 학과별로 세분화하여 분석한 결과 대부분의 학과에서는 여성 지원자의 합격률이 더 높은 심슨의 역설 양상이 나타났다."

학과마다 지원자 성비가 크게 달랐던 것이 원인이 되어, 전체 집계와 학과별 집계의 결론이 반대로 나타났다는 뜻입니다.

"연도별 매출 데이터를 통합했을 때는 신규 마케팅 전략의 효과가 미미해 보였으나, 지역별로 나누어 분석하자 대부분의 지역에서 유의한 매출 증가가 관찰되어 심슨의 역설로 해석되었다."

지역마다 매출 규모나 성장 시점이 달라 통합 데이터에서는 효과가 가려졌지만, 지역별로 보면 실제 효과가 드러났다는 의미입니다.

조금 더 깊게 보면

심슨의 역설이 발생하는지는 인과관계 그래프를 이용해 판단할 수 있는데, 문제가 되는 세 번째 변수가 두 변수 사이의 관계를 왜곡하는 교란변수인지, 아니면 오히려 결과로 인해 영향을 받는 매개변수인지에 따라 하위 집단으로 나누어 분석하는 것이 옳은 선택인지가 달라집니다. 즉 무조건 세분화해서 보는 것이 항상 옳은 것은 아니며, 어떤 변수를 통제(조건화)할지는 연구 질문과 변수들 간의 인과 구조를 함께 고려해서 결정해야 한다는 점이 통계학·인과추론 연구에서 중요하게 논의됩니다.

주의할 점

심슨의 역설은 두 변수 사이의 관계가 세 번째 변수에 의해 크게 달라질 때 발생합니다. 따라서 데이터를 분석할 때는 집단 간 비율 차이를 만들어내는 교란변수가 숨어 있지는 않은지 반드시 점검해야 하며, 전체 집계 결과만 보고 하위 집단 구조를 확인하지 않은 채 결론을 내리는 것은 위험합니다.