계량경제학 — 인과·식별·회귀가 답하는 질문

계량경제학 — 숫자가 움직이는 이유를 묻지 않으면 회귀는 설명 자료다
통계학 기초가 분포와 검정을 다룬다면, 계량경제학은 경제 모형에서 나온 파라미터가 자료로 구분되는지를 묻는다. 교육 연수와 임금이 같이 움직여도, 그 기울기가 “한 해를 더 다녔을 때의 효과”인지는 따로 증명해야 한다.
평균·분산·가설검정은 통계학 기초를 본다. 이 과정은 그 도구를 경제 자료의 내생성 위에 올려 놓는다.
과정 전체에서 고른 장들이에요. 그림을 눌러 해당 장으로 이동할 수 있어요.

상관과 인과를 구분하고, 처치와 결과 사이의 식별 문제를 잠재적 결과 틀로 정의한 뒤 회귀·실험·도구변수의 역할을 나눕니다.

OLS가 잔차 제곱합을 최소화하는 대수임을 유도하고, 기울기를 공분산/분산으로 읽은 뒤 잔차가 인과 오차가 아닌 이유를 수치 예로 보입니다.

통제 변수가 부분 회귀 계수를 어떻게 바꾸는지 보이고, BLUE가 성립하는 가정과 이분산·다중공선성에서 깨지는 지점을 구분합니다.

누락변수·동시성·측정오차가 OLS를 비일관적으로 만드는 방향을 구분하고, 도구변수의 관련성·배제제약을 1단계 F와 후기 검정으로 점검합니다.

같은 개인을 여러 기 관측할 때 고정효과가 시간에 불변한 누락변수를 어떻게 지우는지, 그리고 군집 표준오차가 필요한 이유를 수치 예로 복습합니다.

추세가 있는 두 시계열을 그냥 회귀하면 t값이 커 보이는 이유를 보이고, 차분·공적분과 그랜저 인과를 식별과 구분합니다.
1. 잠재적 결과가 없으면 인과 문장을 쓸 수 없다
개인 의 처치 가 1이면 관측 임금 , 0이면 이다. 한 사람에게 둘을 동시에 관측하지 못한다. 평균처치효과는 그 차이의 기댓값이다.
교육을 많이 받은 사람의 평균 임금이 높은 것은 이다. 그들이 교육을 받지 않았을 때의 임금 은 보이지 않는다. 능력·가정배경이 와 를 동시에 움직이면 단순 평균 차이는 효과를 과대평가한다.
2. 식별은 추정 이전에 오는 가정이다
추정량은 표본에서 숫자를 뽑는 규칙이다. 식별은 표본이 무한히 커져도 원하는 파라미터로 수렴하게 만드는 가정이다. 가정이 없으면 OLS는 “조건부 평균의 선형 근사”만 주고, 정책 효과라는 이름을 붙일 수 없다.
| 질문 | 필요한 가정 | 가정이 깨질 때 |
|---|---|---|
| 예측 | 안정된 조건부 평균 | 환경이 바뀌면 기울기가 이동 |
| 기술 통계 | 없음(정의) | 인과 문장으로 읽히기 |
| 인과 효과 | 조건부 독립, 배제제약 등 | 능력 편의, 동시성, 측정오차 |
최저임금을 올린 지역과 아닌 지역의 고용 차이를 회귀로 구했다고 하자. 그 차이가 최저임금 효과이려면, 올리지 않은 지역이 올린 지역의 반사실이어야 한다. 이미 고용이 나쁜 지역이 올렸다면 회귀는 정책을 탓한다.
3. 실험·자연실험·관측 자료는 식별 전략이 다르다
무작위 배정은 를 과 독립에 가깝게 만든다. 경제 자료는 대부분 실험이 아니다. 이중차분, 회귀불연속, 도구변수는 각각 다른 반사실을 빌려 온다.
다음 장은 단순회귀의 대수와 잔차의 의미를, 그다음 장에서 가우스–마르코프와 내생성을 다룬다.
확인문제
광고비와 매출을 회귀했더니 기울기가 2였다. 광고를 1,000원 늘리면 매출이 2,000원 오르는가. 그렇게 단정할 수 없다. 매출이 높은 기업이 광고를 더 쓸 수 있고, 동시에 가격·품질이 움직이면 그 2는 인과효과가 아니다.
참고 자료
- Joshua Angrist and Jörn-Steffen Pischke, Mostly Harmless Econometrics, ch. 1–2
- Guido Imbens and Donald Rubin, Causal Inference for Statistics, Social, and Biomedical Sciences, ch. 1
- MIT OpenCourseWare, 14.32 Econometrics
Oiyo
편집부OIYO 편집부는 경제·법률·생활·자기이해 주제를 1차 자료와 공개 통계로 검증해 정리합니다. 모든 글은 출처 표기와 정기 점검을 거쳐 실용성과 정확성을 함께 유지합니다.