계량경제

무작위 실험은 인과의 최고 기준이지만 — 중요한 질문 대부분은 무작위화할 수 없습니다. 정책, 불황, 스스로 고른 처치를 받는 사람을 무작위 배정할 수 없습니다. 그래도 인과 질문은 남습니다: 그 변화가 정말 효과를 일으켰나, 아니면 어차피 일어났을까?

계량경제는 관측 데이터에서 그 질문에 답하는 준실험 방법의 family입니다. 각각은 사라진 실험을 근사하는 — 처치 없이 무엇이 일어났을지의 믿을 만한 그림을 구성하는 — 서로 다른 묘수입니다.

이중차분(DiD)

변화가 한 집단엔 닿고 다른 집단엔 닿지 않을 때, DiD는 처치군의 시간에 따른 변화를 처치받지 않은 대조군의 변화와 비교합니다. 처치 전 둘이 평행하게 움직였다면, 이후 벌어지는 간극이 인과 효과입니다 — 위 벌어지는 선처럼.

1. 1처치군과 처치받지 않은 비교 가능한 대조군을 찾음.
2. 2개입 전 그들이 평행하게 움직였는지 확인(핵심 가정).
3. 3이후 각각 얼마나 변했는지 측정; 그 차이의 차이가 효과.

성향점수매칭(PSM)

처치·비처치 단위가 체계적으로 다를 때 — 처치 고객이 이미 큰손이었다면 — 원시 비교는 처치를 그 차이와 혼동합니다. PSM은 각 처치 단위를 처치받을 확률이 같았던 비처치 단위와 짝지어, 같은 것끼리 비교합니다.

도구변수(IV)

때로 처치가 결과와 얽혀 있습니다 — 서로 영향을 주거나, 측정되지 않은 공통 원인을 공유합니다. 도구는 처치를 밀지만 오직 처치를 통해서만 결과에 영향을 주는 제3의 변수로, 교란된 부분에서 인과 효과를 분리하게 합니다.

유효한 도구는 찾기 어렵고 가정이 강하지만, 하나가 존재하면 보통의 회귀가 못 하는 인과 추정을 구할 수 있습니다.

패널 데이터: 고정·확률효과

같은 단위를 시간에 걸쳐 관측할 때 — 여러 달의 고객, 여러 해의 지역 — 패널 방법은 각 단위의 안정적인 모든 것을, 측정 여부와 무관하게 통제합니다.

고정효과가 일꾼입니다: 각 단위를 시간에 걸쳐 자기 자신과 비교해, 모든 고정 교란 — 고객이나 지역에 대해 변하지 않는 무엇이든 — 을 쓸어냅니다.

SKARI Statistical Lab의 계량경제

SKARI의 Statistical Lab은 계량경제를 독립된 family로 다룹니다 — 실험을 돌릴 수 없을 때의 인과추론 도구.

• 사전추세 뷰가 있는 이중차분
• 측정된 교란을 균형 잡는 성향점수매칭
• 내생적 처치를 위한 도구변수
• 패널 고정·확률효과 모델
• 절단점 배정 처치를 위한 회귀 불연속

자주 묻는 질문

이건 그냥 회귀 아닌가요?

회귀가 흔히 엔진이지만, 계량경제는 그 주위의 설계 — 매칭, 도구, 패널 — 로 계수가 인과적 의미를 지니게 하는 것입니다.

DiD와 매칭 중 언제?

전후 데이터와 평행 대조군이 있으면 DiD, 스냅숏이 있고 측정된 교란에 대해 집단을 균형 잡아야 하면 매칭.

이것들이 인과를 확실히 증명하나요?

확실히는 결코 아닙니다 — 각각 가정에 기댑니다. 하지만 믿을 만한 설계는 원시 상관보다 훨씬 강한 근거를 만듭니다.

핵심 요약

계량경제는 무작위화가 불가능한 곳에서 인과를 복원합니다. 데이터에 맞는 설계 — 이중차분, 매칭, 도구, 패널 — 를 고르고, 믿을 만한 반사실을 세우고, 그것이 기대는 가정에 정직하세요.