세 가지 함정을 한 표로 비교
| 유형 | 겉으로 보이는 것 | 실제 구조 | 확인 방법 |
|---|---|---|---|
| 제3의 변수(교란) | A와 B가 함께 변함 | C가 A와 B를 모두 변하게 함 | C를 통제하거나 C 수준별로 나눠 비교 |
| 역인과 | A가 B의 원인으로 보임 | 실제로는 B가 A에 영향을 줌 | 시간 순서 확인, 시작 시점부터 추적하는 연구 |
| 우연의 일치 | 전혀 무관한 두 값이 닮음 | 구조적 연결 없이 모양만 비슷 | 다른 기간·표본에서 재현되는지 확인 |
실제 사례 세 가지
사례 1. 호르몬 요법과 심장질환: 관찰 연구 vs 무작위 시험
폐경 후 여성이 먹는 호르몬 요법이 심장질환을 줄여 줄 것이라는 기대는 관찰 연구에서 나왔습니다. 미국의 여성건강 이니셔티브(WHI)는 이 가설을 무작위 대조 시험으로 직접 검증했습니다. 위키백과 기준으로 시험에는 50~79세 폐경 후 여성 약 2만 7천 명이 참여했고, 에스트로겐+프로게스틴 군은 약 1만 6천 명, 에스트로겐 단독 군은 약 1만 700명이었습니다. 결과는 기대와 달랐습니다. 병합 요법에서 관상동맥 심장질환의 위험비는 1.24(신뢰구간 1.00~1.54)로 보호 효과가 확인되지 않았고, 유방암·뇌졸중·폐색전증 위험이 올랐습니다. 이 병합 요법 시험은 해로움이 이로움을 넘는다는 판단으로 2002년 7월 조기 중단되었습니다. 단독 요법 시험은 2004년 2월까지 이어졌습니다. 배울 점은, 호르몬 요법을 쓰는 사람들이 원래 건강에 더 신경 쓰는 등 다른 특성이 있을 수 있어 관찰만으로는 효과와 구분하기 어렵다는 것입니다(이 해석은 일반적인 설명이며, 정확한 교란 요인은 연구마다 논의됩니다).
사례 2. 밤새 켜 둔 불과 근시: 제3의 변수
1999년 5월 학술지 Nature에 실린 펜실베이니아 대학 의료센터 연구(퀸 등)는 어린 시절 침실에 불을 켜 두고 잔 아이에게 근시가 더 많다고 보고했습니다. 이후 2000년 오하이오 주립대 연구는 부모의 근시를 함께 고려하면 이 관계가 약해진다고 보았습니다. 근시가 있는 부모가 아이 방에 불을 켜 두는 경향이 있었기 때문이라는 설명입니다(위키백과 기준). 즉 불이 근시를 일으켰다기보다 부모의 근시라는 제3의 변수가 둘 모두와 연결된 것으로 해석되었습니다. 배울 점은 "함께 나타난다"는 첫 보고를 바로 생활 수칙으로 바꾸기 전에, 숨은 공통 원인을 찾아보는 과정이 필요하다는 것입니다.
사례 3. 흡연과 폐암: 실험 없이 인과를 쌓아 올린 과정
흡연과 폐암의 관계에서는 사람을 무작위로 흡연군과 비흡연군에 배정하는 실험을 할 수 없습니다. 담배 업계는 이런 점을 이용해 상관관계일 뿐이라는 반론을 폈고, 통계학자 로널드 피셔도 1957년 BMJ, 1958년 Nature에서 이런 입장을 냈다고 위키백과는 정리합니다. 이에 대해 영국 통계학자 오스틴 브래드퍼드 힐은 1965년 왕립의학회 강연에서 인과 판단을 위한 아홉 가지 관점을 제시했습니다: 연관의 강도, 일관성, 특이성, 시간적 선후, 생물학적 용량-반응, 개연성, 정합성, 실험적 증거, 유추입니다. 힐은 이를 체크리스트가 아니라 "인과를 외치기 전에 연관을 살펴볼 아홉 가지 관점"이라고 불렀습니다. 배울 점은, 실험이 불가능해도 서로 다른 방향의 증거가 같은 결론을 가리키면 인과 판단이 가능하다는 것, 그리고 그 판단은 단일 수치가 아니라 종합적 평가라는 것입니다.
뉴스와 연구를 읽을 때 쓰는 체크리스트
- 연구 설계 확인: 사람들을 관찰만 했는지, 무작위로 나눠 개입했는지 먼저 봅니다.
- 시간 순서: 원인으로 지목된 것이 결과보다 먼저였는지 확인합니다.
- 다른 설명 떠올리기: 나이, 소득, 건강 습관처럼 두 변수에 모두 영향을 줄 만한 것을 직접 적어 봅니다.
- 표현 보기: "관련이 있다/연관된다"와 "~ 때문이다/~를 줄인다"는 다른 주장입니다.
- 재현 여부: 한 번의 연구인지, 다른 집단에서도 반복된 결과인지 확인합니다.
흔한 오해와 정정
- 오해: 상관계수가 높으면 인과가 있다. 실제: 상관계수는 함께 움직이는 정도만 나타내며 방향이나 원인을 알려주지 않습니다. 위키백과에는 미국 대선 결과와 풋볼 팀 경기가 1936~2000년 내내 맞아떨어졌던 "레드스킨스 룰"처럼 우연히 이어진 예도 소개됩니다.
- 오해: 인과가 없다면 상관관계도 가치가 없다. 실제: 상관관계는 가설을 세우는 출발점이고, 위 흡연 사례처럼 인과 판단의 재료가 됩니다.
- 오해: 통계적으로 유의하면 인과가 증명된 것이다. 실제: 유의성은 우연일 가능성을 따지는 것이고, 교란이나 역인과는 별개 문제입니다.
- 오해: 무작위 실험이면 항상 완벽하다. 실제: 표본이 특정 집단에 치우치거나 기간이 짧으면 결론이 제한됩니다.
한계와 더 알아볼 점
인과 추론 방법(자연 실험, 도구변수, 통계적 보정 등)은 발전해 왔지만, 관찰 자료만으로는 측정되지 않은 교란 요인을 완전히 배제하기 어렵습니다. 위키백과에는 콜레스테롤 수치와 사망률처럼 질병이 수치를 낮추는 역인과 가능성이 논의된 예와, 자전거 이용과 체질량지수처럼 단면 연구와 추적 연구 결과가 달라진 예가 소개되어 있습니다. 또한 이 글의 의학 사례는 이해를 돕기 위한 일반 정보이며, 개인의 치료 결정은 의료진과 상의해야 합니다.
자주 묻는 질문
인과관계를 증명하려면 어떻게 해야 하나요?
다른 조건은 동일하게 유지한 채 원인으로 의심되는 변수만 바꿔보는 통제된 실험을 통해 인과관계를 검증하는 것이 일반적인 방법입니다.
상관관계 자체는 쓸모가 없나요?
아닙니다, 상관관계는 인과관계를 밝히기 위한 출발점이 될 수 있으며, 두 변수 사이의 패턴을 발견하는 것만으로도 추가 연구의 실마리가 될 수 있습니다.
무작위 배정이 왜 인과를 가려내는 데 효과적인가요?
참가자를 무작위로 나누면 나이나 생활 습관 같은 특성이 두 집단에 비슷하게 퍼질 것으로 기대할 수 있어, 두 집단의 결과 차이를 개입의 효과로 해석하기 쉬워집니다.
실험을 할 수 없는 주제는 인과를 알 수 없나요?
그렇지 않습니다. 힐의 관점처럼 시간 순서, 용량-반응, 여러 연구의 일관성, 작용 원리의 개연성을 종합해 판단합니다. 다만 확신의 정도는 증거의 양과 질에 따라 달라집니다.
"연관이 있다"는 기사 제목은 어떻게 받아들이면 되나요?
연구가 관찰 연구인지, 어떤 변수를 보정했는지, 원문이 인과를 주장하는지 확인해 보세요. 제목이 원문보다 강하게 쓰인 경우가 종종 있습니다.
이어서 읽어 보세요
- 통계적 유의성 알아보기: 우연이 아닌 관계와 원인-결과의 차이
- 과학적 방법 알아보기: 가설을 세우고 검증하는 흐름
- 생존자 편향 알아보기: 보이는 자료만으로 결론내릴 때의 함정
- 표본조사와 전수조사: 표본이 결과에 미치는 영향