상관관계 인과관계 구분, 뉴스 해석

상관관계와 인과관계는 무엇이 다를까요?

뉴스에서는 “스마트폰 사용 시간이 긴 집단일수록 수면 시간이 짧았다”거나 “특정 식품을 자주 먹는 사람의 건강 지표가 더 좋았다”는 결과를 자주 접합니다. 이런 자료는 두 현상의 관련성을 보여 주는 단서이지만, 어느 한쪽이 다른 쪽을 일으켰다는 결론까지 자동으로 증명하지는 않습니다. 통계는 공식을 외우는 과목이라기보다 숫자가 말할 수 있는 범위와 한계를 판단하는 도구에 가깝습니다.

상관관계는 두 변수 사이에 통계적 연관성이 관찰되는 상태이며, 상관계수는 주로 그 방향과 정도를 요약합니다. 한 변수가 커질 때 다른 변수도 대체로 커지는지, 반대로 작아지는지를 살펴볼 수 있지만 원인과 결과의 방향은 알 수 없습니다. 선형 상관계수가 작더라도 곡선 형태의 관계가 있을 수 있고, 일부 극단값이 계수를 크게 바꿀 수도 있으므로 수치와 산점도를 함께 보는 편이 안전합니다.

인과관계는 한 요인의 변화가 결과의 변화를 실제로 일으킨다는 뜻입니다. 이를 주장하려면 원인이 결과보다 앞섰는지, 결과에 이르는 과정이 설명 가능한지, 다른 조건의 영향을 줄이거나 통제한 뒤에도 관계가 유지되는지 검토해야 합니다. 단순한 그래프 한 장이나 상관계수 하나만으로는 이 조건을 모두 확인하기 어렵습니다.[1]

구분	자료가 보여 주는 것	추가 확인이 필요한 것
상관관계	두 수치 사이의 연관성과 움직이는 방향	원인과 결과의 방향, 제3의 요인
인과관계	한 요인을 바꿀 때 결과가 달라지는지	시간 순서, 비교 조건, 작동 과정

아이스크림 판매량과 익사 사고는 왜 함께 늘어날까요?

월별 자료를 검토하는 장면을 가정해 보겠습니다. 5월의 아이스크림 판매지수를 100, 익사 사고를 2건으로 두고 6월에는 140과 3건, 7월에는 220과 6건, 8월에는 240과 7건이 관찰됐다고 해 보겠습니다. 두 수치는 여름이 깊어질수록 함께 증가합니다. 이 두 열만 보면 “아이스크림 판매가 익사 사고를 늘렸다”는 문장을 만들 수도 있지만, 표가 보여 주는 것은 동반 증가일 뿐입니다.

월	아이스크림 판매지수	익사 사고 건수	평균기온 가정값
5월	100	2	18℃
6월	140	3	23℃
7월	220	6	28℃
8월	240	7	29℃

여기에 평균기온이라는 열을 추가하면 해석이 달라집니다. 기온이 오를수록 차가운 간식을 찾는 사람이 많아지고, 물놀이 인구와 물가에 머무는 시간도 늘어날 수 있습니다. 기온이 아이스크림 판매량과 물놀이 노출을 동시에 변화시킨 셈입니다. 이처럼 설명하려는 두 변수 모두와 관련되어 겉으로 보이는 관계를 왜곡할 수 있는 제3의 요인을 교란변수라고 합니다.[1]

실제로 해 볼 일은 복잡한 계산보다 후보 열을 하나 더 만드는 것입니다. 월별 두 수치를 나란히 놓고 기온, 계절, 휴가철, 야외 활동량처럼 두 현상에 함께 영향을 줄 조건을 적어 봅니다. 그다음 같은 기온이나 비슷한 활동 조건에서도 관계가 유지되는지 질문해야 합니다. 다만 위 표의 숫자는 개념 설명을 위한 가정값이며 실제 판매 추세나 사고 규모를 나타내지 않습니다.

뉴스의 인과 표현은 어떤 순서로 확인해야 할까요?

기사 제목에 ‘영향을 미쳤다’, ‘높였다’, ‘줄였다’, ‘때문이다’라는 표현이 나오면 연구가 어떤 방식으로 비교 집단을 만들었는지 확인할 필요가 있습니다. 연구자가 참여자를 여러 조건에 무작위로 배정한 실험인지, 이미 존재하는 집단의 특성과 결과를 관찰한 연구인지가 중요한 출발점입니다.

무작위 배정은 알려진 특성뿐 아니라 측정하지 못한 특성도 집단 사이에 고르게 분포할 가능성을 높여 교란을 줄이는 방법입니다. 다만 배정이 무작위였다는 이유만으로 연구가 완벽해지는 것은 아닙니다. 중도 탈락, 낮은 순응도, 결과 측정 방식의 차이도 살펴야 합니다. 반면 관찰 연구는 현실의 다양한 현상을 연구하는 데 유용하지만 연령, 소득, 건강 상태, 생활 습관 같은 제3의 요인이 결과에 섞일 수 있어 인과 해석에 더 신중해야 합니다.[1]

원인이 결과보다 앞섰는가

스트레스가 높은 사람에게 수면 부족이 많이 나타났더라도 스트레스가 수면을 방해했는지, 부족한 수면이 스트레스를 높였는지, 두 현상이 서로 영향을 주었는지는 별도 분석이 필요합니다. 한 시점에 두 값을 함께 측정한 횡단면 자료라면 어느 현상이 앞섰는지 판단하기가 특히 어렵습니다. 시간 순서가 확인되지 않으면 인과 방향을 유보하는 것이 타당합니다.

비교 집단의 출발 조건은 비슷한가

운동을 자주 하는 집단이 더 건강하다는 결과가 나왔을 때 두 집단의 나이, 기존 질환, 소득 수준과 식습관이 달랐다면 건강 차이를 운동 하나로 설명하기 어렵습니다. 연구가 이런 조건을 측정하고 분석에서 조정했는지 확인해야 합니다. 통계적 조정도 측정하지 않은 요인까지 없애 주지는 못한다는 한계가 있습니다.

표본과 차이의 크기는 충분한가

특정 연령이나 직업군만 조사한 결과를 전체 국민에게 확대하면 적용 범위를 벗어날 수 있습니다. 참여자가 어떻게 모집됐는지, 표본 수가 얼마나 되는지, 중도 탈락자가 어느 집단에 많았는지도 읽어야 합니다. ‘통계적으로 유의하다’는 표현은 우연만으로 설명하기 어려운 차이라는 뜻에 가깝지, 생활에서 체감할 만큼 차이가 크거나 반드시 중요한 결과라는 뜻은 아닙니다. 비율만 제시됐다면 실제 인원과 절대적인 차이도 함께 확인하는 것이 좋습니다.

두 숫자가 함께 움직일 때 어떤 설명을 열어 둬야 할까요?

A와 B가 함께 움직이면 적어도 네 가지 가능성이 있습니다. A가 B에 영향을 주었을 수 있고, 반대로 B가 A에 영향을 주었을 수도 있습니다. 제3의 변수 C가 둘을 함께 변화시켰거나, 작은 표본과 많은 비교 때문에 우연한 패턴이 나타났을 가능성도 있습니다. 현실에서는 여러 원인이 동시에 작용하므로 한 가지 설명만 고집하지 않는 태도가 중요합니다.

자료를 보여 주는 방식도 관계를 강하거나 약하게 보이게 합니다. 기간을 짧게 잘라 특정 구간만 제시하거나 세로축의 시작점을 바꾸면 작은 변화가 매우 커 보일 수 있습니다. 개인별 자료에서는 약한 관계가 지역 평균으로 묶은 뒤 강해지기도 합니다. 원자료의 단위가 개인인지 지역인지, 비율의 분모가 같은지, 조사 기간과 축 범위가 충분한지를 확인해야 하는 이유입니다.

기사 한 편을 읽고 어떤 문장으로 판단하면 될까요?

기사의 결론을 “A와 B가 함께 관찰됐지만, 이 결과만으로 A가 B를 일으켰다고 단정할 수는 없다”라고 바꾸어 말해 보십시오. 이어서 “두 현상에 함께 영향을 줄 요인은 무엇인가”, “원인으로 지목된 현상이 결과보다 앞섰는가”, “비교 집단의 다른 조건은 비슷했는가”, “차이가 절대값으로도 의미 있는가”를 묻습니다. 기사나 원자료가 답하지 못하는 항목이 많다면 인과 표현을 잠시 유보하면 됩니다.

상관관계가 쓸모없다는 뜻은 아닙니다. 상관은 추가 조사가 필요한 현상을 찾고 예측에 활용할 후보 변수를 고르는 중요한 출발점입니다. 다만 예측에 도움이 된다는 사실과 원인을 설명한다는 사실은 구분해야 합니다. 좋은 뉴스 해석은 숫자를 불신하는 일이 아니라, 그 숫자가 허용하는 결론의 경계를 정확히 지키는 일입니다.

참고 자료

[1] 미국 국립의학도서관 NCBI Bookshelf, Causal Inference. 관찰 연구의 교란, 인과 추론의 조건과 연구 설계의 한계를 설명하는 학술 자료입니다.