왜도와 첨도 (skewness & kurtosis)
쉽게 풀면
반 학생들의 시험 점수를 그래프로 그린다고 생각해봅시다. 대부분 비슷한 점수를 받고 소수만 아주 높거나 아주 낮으면 좌우대칭에 가까운 종 모양이 됩니다. 그런데 시험이 너무 쉬워서 대부분 90점대에 몰리고 몇 명만 낮은 점수를 받으면, 그래프는 오른쪽으로 몰리고 왼쪽으로 긴 꼬리를 늘어뜨리게 됩니다. 이렇게 분포가 한쪽으로 기울어진 정도를 숫자로 나타낸 것이 왜도(skewness)입니다. 왜도가 0에 가까우면 좌우대칭, 양수면 오른쪽 꼬리가 길게(값이 작은 쪽에 몰림), 음수면 왼쪽 꼬리가 길게 늘어진 것입니다. 첨도(kurtosis)는 조금 다른 이야기인데, 분포의 가운데 봉우리가 얼마나 뾰족하고 극단값(꼬리)이 얼마나 두꺼운지를 나타냅니다. 첨도가 크면 평균 근처에 몰려있으면서도 이상치가 튀어나올 가능성이 큰 분포이고, 첨도가 작으면 완만하고 넓게 퍼진 분포입니다.
왜 중요한가
왜도와 첨도는 데이터가 정규분포를 따르는지 사전에 점검하는 가장 기본적인 도구이기 때문에, 통계적 검정을 사용하는 거의 모든 분야의 논문에서 방법론 검증 단계에 등장합니다. 특히 회귀분석이나 구조방정식모형처럼 정규성 가정에 민감한 분석을 앞두고 있다면, 이 두 지표를 통해 데이터 변환이나 대안적 분석 방법을 선택하는 근거를 마련합니다. 결과적으로 분석의 신뢰성을 뒷받침하는 사전 진단 절차로서 폭넓은 연구주제와 연결됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 소득 데이터가 한쪽으로 심하게 치우쳐 있고(왜도가 크고) 극단값도 많아서(첨도가 크고), 일반적인 정규분포를 가정하는 분석 방법을 그대로 쓸 수 없었다는 뜻입니다. 그래서 로그변환 같은 처리를 거쳐 분포를 정규분포에 가깝게 바꾼 뒤 분석했다는 의미입니다.
금융공학 논문에서는 첨도가 위험관리와 직결되는 지표로 다뤄지며, 좌우대칭이더라도 첨도가 높으면 예상보다 극단적인 사건이 자주 발생할 수 있다는 신호로 해석된다.
심리학이나 경영학의 설문조사 기반 연구에서는 구조방정식모형 등 정규성 가정이 중요한 분석에 앞서, 이 두 지표가 특정 기준값 이내인지를 확인하는 절차로 흔히 인용된다.
조금 더 깊게 보면
왜도와 첨도가 정규분포에서 얼마나 벗어났는지를 판단할 때는 값 자체뿐 아니라 자르크-베라 검정(Jarque-Bera test)이나 샤피로-윌크 검정(Shapiro-Wilk test) 같은 정규성 검정을 함께 활용하는 경우가 많습니다. 다만 표본 크기가 크면 아주 작은 편차도 통계적으로 유의하게 나올 수 있으므로, 검정 결과만이 아니라 왜도·첨도 값 자체의 크기와 그래프(히스토그램, Q-Q플롯)를 함께 살펴보는 것이 일반적입니다. 또한 첨도는 정규분포 값을 3으로 두는 방식과, 여기서 3을 뺀 초과첨도(excess kurtosis)로 0을 기준으로 삼는 방식이 함께 쓰이므로 어느 정의를 쓰는지 확인할 필요가 있습니다.
주의할 점
왜도와 첨도가 정규분포 기준(왜도 0, 첨도 3 또는 초과첨도 0)에서 크게 벗어나면, t검정이나 회귀분석처럼 정규분포를 전제로 하는 방법의 결과를 그대로 신뢰하기 어려워집니다. 이럴 때는 데이터를 변환하거나 정규성을 가정하지 않는 비모수적 방법을 고려해야 하는데, 단순히 "왜도가 조금 있다"고 해서 결과가 무조건 틀렸다는 뜻은 아니므로 표본 크기와 함께 판단해야 합니다.