슬러츠키 정리 (Slutsky's Theorem)

한 줄 정의: 확률로 수렴하는 확률변수와 분포로 수렴하는 확률변수를 사칙연산으로 결합했을 때, 그 결합의 극한분포를 간단히 계산할 수 있게 해주는 정리.

쉽게 풀면

통계 이론에서는 여러 확률변수의 극한(수렴)을 자주 다루는데, 두 확률변수가 각각 어디로 수렴하는지 알고 있을 때 그 둘을 더하거나 곱한 결과가 어디로 수렴하는지를 알려주는 유용한 규칙이 슬러츠키 정리다. 특히 표본에서 추정한 표준오차로 참 표준오차를 대체해도 정규근사가 여전히 성립함을 보장해주는 근거로 자주 쓰인다. t검정통계량이 표본이 클 때 정규분포에 가까워진다는 사실도 이 정리를 이용해 증명된다.

왜 중요한가

실제 데이터 분석에서는 참 모수(예: 참 분산)를 알 수 없어 표본에서 추정한 값으로 대체할 수밖에 없는데, 슬러츠키 정리는 이런 대체가 통계적 추론의 타당성을 해치지 않는다는 것을 보장해 줍니다. 그래서 계량경제학의 도구변수 추정, 최대우도추정량의 점근적 성질 증명, 다양한 검정통계량의 정규근사 등 거의 모든 대표본 추론(large-sample inference) 이론의 배경에 이 정리가 깔려 있습니다. 이론 논문뿐 아니라 응용 논문에서도 "점근적으로 타당하다"는 주장의 근거로 암묵적으로 활용되는 경우가 많습니다.

논문에서는 이렇게 쓰입니다

"슬러츠키 정리에 의해 추정된 표준오차를 사용하더라도 검정통계량의 점근분포는 변하지 않는다."

참 모수를 표본 추정치로 대체했을 때도 극한분포가 그대로 유지됨을 정당화하는 이론적 근거로 사용된다.

"도구변수 추정량의 점근적 정규성은 슬러츠키 정리와 연속사상정리를 결합하여 유도하였다."

계량경제학에서 슬러츠키 정리가 다른 극한정리와 함께 추정량의 점근적 성질을 증명하는 데 쓰이는 사례를 보여준다.

"표본분산을 모분산 대신 사용한 t통계량은 슬러츠키 정리에 의해 표본크기가 커짐에 따라 표준정규분포로 수렴한다."

기초 통계 추론에서 t검정이 대표본에서 정규근사로 정당화되는 근거를 설명하는 예문이다.

조금 더 깊게 보면

슬러츠키 정리는 확률수렴하는 수열과 분포수렴하는 수열의 합·곱·비율에 대한 극한을 다루는데, 이는 종종 연속사상정리(continuous mapping theorem)와 함께 사용되어 더 복잡한 함수 형태의 통계량에도 확장됩니다. 실제 논문에서는 "일치추정량(consistent estimator)으로 미지의 모수를 대체해도 점근분포가 유지된다"는 식의 표현으로 이 정리가 인용되며, 이는 표준오차 추정, 강건표준오차(robust standard error) 사용의 이론적 정당성과도 밀접하게 연결됩니다.

주의할 점

슬러츠키 정리는 한쪽이 확률수렴, 다른 쪽이 분포수렴이라는 조건이 함께 필요하며, 두 확률변수 모두 분포로만 수렴하는 경우에는 일반적으로 적용할 수 없다.