생존자편향 (Survivorship Bias)

한 줄 정의: 성공하거나 살아남은 대상만 관찰하고 실패해서 사라진 대상은 빠뜨려서, 현실을 실제보다 낙관적으로 왜곡해 해석하는 오류입니다.

쉽게 풀면

제2차 세계대전 때 통계학자 에이브러햄 왈드는 전투를 마치고 기지로 돌아온 폭격기의 총알구멍 위치를 분석해 달라는 요청을 받았습니다. 군은 총알구멍이 많이 몰린 부위에 철갑을 덧대려 했지만, 왈드는 정반대를 제안했습니다. 돌아온 비행기의 총알구멍은 "맞아도 살아남을 수 있는 부위"를 보여줄 뿐이고, 정작 중요한 정보는 격추당해 끝내 돌아오지 못한 비행기, 즉 눈에 보이지 않는 총알구멍 없는 부위(엔진 등)에 있었기 때문입니다. 이렇게 살아남은 사례만 보고 사라진 사례를 잊어버리면 결론이 완전히 뒤집힐 수 있는데, 이 오류를 생존자편향이라고 부릅니다.

왜 중요한가

생존자편향은 표본 구성 자체에서 발생하는 근본적인 오류이기 때문에, 통계적으로 아무리 정교한 분석을 해도 결과의 방향 자체가 왜곡될 수 있습니다. 경영학의 성공기업 연구, 금융학의 펀드 수익률 분석, 의학의 치료 효과 평가처럼 "결과가 좋았던 사례"만 관찰 가능한 상황이 흔한 분야에서 연구설계와 표본 선정의 타당성을 검토할 때 반드시 짚어야 할 개념으로 다뤄집니다.

논문에서는 이렇게 쓰입니다

"현재까지 존속 중인 기업만을 표본으로 성공 요인을 분석한 선행연구들은 생존자편향으로 인해 폐업한 기업의 특성을 반영하지 못했다는 한계가 있다."

이 문장은 지금 살아남아 있는 기업만 조사하면, 같은 전략을 썼지만 실패해서 이미 사라진 기업은 애초에 표본에 잡히지 않아 "성공 전략"이 실제보다 과장되게 평가된다는 점을 지적하고 있습니다.

"펀드 성과를 평가한 연구는 이미 청산되어 데이터베이스에서 사라진 펀드를 표본에서 제외함으로써 평균 수익률을 실제보다 높게 추정하는 생존자편향 문제를 지적하였다."

금융학 연구에서는 성과가 나빠 청산된 펀드가 데이터베이스에서 빠지면서 남아 있는 펀드들의 평균 수익률이 실제보다 부풀려지는 문제가 자주 논의됩니다.

"특정 항암 치료를 오래 유지한 환자만을 대상으로 부작용을 분석한 연구는, 치료를 견디지 못해 조기 중단한 환자가 표본에서 빠지면서 부작용의 심각성을 과소평가했을 가능성이 있다."

의학 연구에서도 치료를 끝까지 지속한 환자만 관찰 대상이 되면, 부작용이 심해 중도에 치료를 그만둔 환자의 경험이 누락되어 안전성이 실제보다 좋게 보일 수 있습니다.

조금 더 깊게 보면

생존자편향을 줄이기 위한 방법으로는 연구 시작 시점에 존재했던 모든 대상(폐업·청산·사망한 대상 포함)을 포괄하는 데이터베이스를 사용하는 것이 가장 근본적입니다. 금융 분야에서는 이를 "생존편향 없는(survivorship bias-free)" 데이터셋이라 부르며 별도로 구축·관리하는 경우가 많고, 의학 연구에서는 중도 탈락자를 포함한 의도치료분석(intention-to-treat analysis)을 원칙으로 삼는 것이 유사한 문제의식에서 비롯된 관행입니다.

주의할 점

생존자편향은 연구가 진행되는 도중에 참여자가 이탈해서 생기는 탈락편향과 혼동하기 쉽지만, 발생 시점이 다릅니다. 탈락편향은 정해진 연구 기간 동안 추적하던 대상이 중도에 빠지는 것이고, 생존자편향은 애초에 표본을 구성하는 시점에 이미 사라지고 없는 대상을 조사 대상에서 원천적으로 배제하는 것입니다. 두 경우 모두 결과를 실제보다 낙관적으로 보이게 만든다는 공통점이 있습니다.