도구변수(IV) 분석

지하철역이 가까운 주민은 자동차를 덜 이용할까요? 자동차를 자주 타는 사람이 오히려 대중교통이 부족한 지역을 선택한 것은 아닐까요? 소득이나 직장 위치처럼 관찰하지 못한 요인이 두 변수에 동시에 영향을 준다면 어떻게 해야 할까요?

이처럼 설명변수와 결과변수 사이에 내생성 문제가 있을 때, 특정 조건을 만족하는 제3의 변수를 이용해 인과효과를 식별하려는 접근이 도구변수(Instrumental Variables, IV) 분석입니다.

일반 회귀분석은 다른 조건을 통제했을 때의 통계적 관계를 추정하지만, 누락변수나 역인과성 때문에 이를 곧바로 인과효과라고 볼 수는 없습니다. 도구변수 분석은 설명변수에는 영향을 주되 결과에는 설명변수를 통하는 경로 이외에는 영향을 주지 않는 변수를 활용합니다. 다만 이런 조건이 실제로 성립하는지 판단하는 일이 가장 어렵습니다.

도구변수 접근은 교육과 임금, 의료서비스 이용, 정책 효과, 교통 연구 등에 사용됩니다. 이번 글에서는 과거 철도 노선 배치를 도구변수 후보로 삼아 대중교통 접근성과 자동차 이용을 분석하는 예제로 원리, 주요 가정, 분석 절차, 결과 해석과 주의사항을 살펴보겠습니다.

도구변수 분석은 설명변수 X가 오차항과 관련되어 있을 가능성이 있을 때 도구변수 Z를 통해 X의 특정 변동만 이용하려는 식별 전략입니다. 관심 대상은 X가 Y에 미치는 인과적 영향이며, Z는 그 영향을 추정하도록 돕는 역할을 합니다.

예제에서는 X = 대중교통 접근성, Y = 자동차 이용 빈도, Z = 역사적 철도 노선과의 거리로 설정합니다. 역사적 노선은 예시상의 후보일 뿐이며, 그것이 유효한 도구변수라고 미리 가정해서는 안 됩니다.

자동차를 덜 이용하는 사람이 교통이 편리한 주거지를 선호할 수 있습니다. 또한 지역의 밀도, 소득, 주차비, 직장 위치, 도시계획 등이 접근성과 이용량에 동시에 영향을 줄 수 있습니다. 이 경우 일반 회귀계수에는 대중교통의 효과 외에 다른 영향이 섞일 수 있습니다.

가능한 모든 혼란요인을 완벽히 관찰하기 어렵다면, 외생적인 접근성 차이를 만들어 내는 적절한 도구변수가 있는지 검토할 수 있습니다. 하지만 도구변수가 부적절하면 일반 회귀보다 더 잘못된 결과를 얻을 수도 있습니다.

단일 도구변수와 단일 설명변수의 단순한 경우, Wald 추정량은 Z에 따른 Y의 평균 차이 ÷ Z에 따른 X의 평균 차이로 이해할 수 있습니다. 이는 Z가 X를 변화시키는 정도를 기준으로 Y의 변화를 환산한 것입니다.

연속형 변수 및 여러 통제변수가 있을 때는 보통 2단계 최소제곱법(2SLS) 등으로 추정합니다. 도구변수는 인과효과를 식별하기 위한 조건과 논리를 뜻하고, 2SLS는 그 조건 아래 효과를 계산하는 추정 방법 중 하나입니다.

가상 연구에서 여러 도시의 주거지역 240곳을 관찰했다고 가정합니다. 현재의 대중교통 접근성은 0~10점 지수로 측정하고, 자동차 이용은 가구당 주간 운행 횟수로 기록합니다. 아래 자료는 학습을 위한 가상 설정입니다.

‘과거 철도 노선과의 거리’가 현재 교통 접근성과 관련될 수는 있지만, 도시 발달 경로나 토지이용을 통해 자동차 이용에 직접 영향을 줄 가능성도 있습니다. 따라서 역사적 변수라는 이유만으로 외생성이 확보되지는 않습니다.

① 인과 경로를 먼저 그립니다

대중교통 접근성, 자동차 이용, 소득, 인구밀도와 과거 철도 노선 배치 사이의 관계를 정리합니다. Z에서 Y로 가는 다른 경로가 존재하는지 살펴봅니다.

② 1단계 관련성을 확인합니다

접근성을 종속변수로 놓고 도구변수와 통제변수의 관계를 추정합니다. 이때 약한 도구변수 문제를 함께 확인합니다.

③ IV 추정과 일반 회귀 결과를 비교합니다

2SLS 등의 적절한 방법으로 IV 효과를 추정하고, 추정치와 신뢰구간을 일반 회귀 결과와 나란히 보여줍니다. 차이가 있다고 해서 어느 한쪽이 자동으로 참이 되는 것은 아닙니다.

④ 가정 위반 가능성을 논의합니다

다른 통제변수·표본 정의·도구변수 선택에 대한 민감도 분석을 수행합니다.

위의 F = 18.6은 설명용 숫자입니다. 흔히 F가 10을 넘는지 보지만 이는 보편적인 안전 기준이 아닙니다. 이분산성이나 군집구조가 있으면 적합한 약한 도구변수 진단 통계량과 임계값을 사용해야 합니다.

다음은 결과표를 읽는 방식을 설명하기 위한 서로 다른 설명용 가상 추정치입니다. 실제 데이터를 적합해 산출한 수치가 아니며 통계적 검정 결과를 의미하지 않습니다.

2SLS 추정치 −0.42는 접근성이 1점 높아질 때 자동차 이용이 주당 평균 0.42회 줄어드는 방향으로 해석합니다. 다만 이 수치를 인과효과로 읽으려면 도구변수 가정이 타당해야 하며, 전체 인구에 일반화되는 효과인지도 별도로 판단해야 합니다.

IV의 신뢰구간은 OLS보다 넓어질 수 있습니다. 교란을 다루려는 대가로 추정의 정밀도가 낮아질 수 있기 때문입니다. 작은 p값이나 큰 계수만 보고 모형을 선택하지 않습니다.

역사적 철도 노선은 정말 외생적인가요?

과거 철도는 상업 중심지, 도로 개발, 인구밀집 및 장기적 도시 확장에 영향을 미쳤을 수 있습니다. 이 경로가 현재 자동차 이용에 남아 있다면 배제제약을 위반할 수 있습니다.

도구변수는 충분히 강한가요?

약한 도구변수는 추정치를 불안정하게 하고 일반적인 신뢰구간의 타당성도 훼손할 수 있습니다. 적절한 약한 도구변수에 강건한 추론 방법을 고려해야 합니다.

공간적 상관과 집단 구조를 반영했나요?

같은 도시 안 지역들은 서로 독립적이지 않을 수 있습니다. 자료 구조에 맞춰 군집표준오차나 공간적 상관을 고려해야 합니다.

추정 대상과 단위가 분명한가요?

접근성 지수의 단위, 가구별 이용 정의, 도구변수에 의해 변화하는 집단을 확인하고 연구 결과의 일반화 범위를 제한해야 합니다.

IV와 2SLS는 서로 완전히 독립된 경쟁 분석이 아닙니다. IV는 인과효과를 식별하기 위한 설계와 가정의 묶음이고, 2SLS는 선형 IV 모형의 대표적인 추정 기법입니다.

보고서에는 자료 수집 방식과 표본, 결과변수와 내생 변수 정의, 도구변수 선정의 제도적·역사적 근거, 1단계 계수 및 약한 도구변수 진단, IV 추정치와 신뢰구간, 표준오차 계산 방식, 민감도 분석을 포함합니다.

IV의 관련성만 확인했다고 “인과효과가 입증되었다”고 보고하지 않습니다. 배제제약의 취약성, 가능한 대체 경로와 해석 범위를 함께 기술해야 합니다.

위 사례의 도구변수들은 연구에서 검토할 수 있는 후보를 예시로 든 것입니다. 각 연구의 배제제약이 충족된다고 보장하는 목록이 아닙니다.

대중교통 접근성과 자동차 이용 사이에 음의 상관관계가 관찰되더라도 이를 곧바로 대중교통의 인과효과라고 해석할 수는 없습니다. 도구변수 분석은 누락변수나 역인과성으로 인한 문제를 줄이기 위해 접근성이 변하는 외생적인 경로를 찾는 방법입니다. 이 과정에서 역사적 철도 노선 배치처럼 설명변수와 관련될 수 있는 후보를 살펴볼 수 있지만, 관련성이 있다는 사실만으로 분석이 성립하지는 않습니다.

특히 도구변수가 자동차 이용에 영향을 미치는 다른 경로가 없다는 배제제약과 독립성 가정을 얼마나 설득력 있게 뒷받침할 수 있는지가 중요합니다. 또한 약한 도구변수 문제, 자료의 공간적 구조, 추정 대상 집단과 불확실성도 함께 확인해야 합니다. 적절한 도구변수를 찾지 못했다면 IV 추정치를 제시하기보다 인과효과 식별의 한계를 명확히 밝히는 것이 더 타당합니다.