내적 타당도

내적 타당도 저해요인 — 통계적 회귀·선정편향·상실·모방

미학습

읽고 나면 회독 완료

앞 장의 네 가지에 이어, 집단을 어떻게 고르고 어떻게 유지했는가에서 오는 저해요인들이 있다. 통계적 회귀는 극단적인 점수를 가진 사람들을 골라 놓으면 다시 쟀을 때 평균 쪽으로 되돌아가는 현상이다. 우울점수가 가장 높은 사람들만 모아 프로그램을 하면, 아무것도 하지 않아도 다음번 점수는 낮아지기 쉽다. 그날따라 유난히 나빴던 사정이 다음번에는 없기 때문이다. 사회복지 프로그램은 대개 가장 어려운 사람을 선발하므로 이 요인이 늘 따라다닌다. 선정편향(선택편향)은 두 집단이 애초에 달랐던 것이다. 참여를 자원한 사람과 그렇지 않은 사람은 동기부터 다르고, 그 차이가 결과 차이로 나타나면 개입의 효과와 구별되지 않는다. 무작위 배정이 없는 모든 설계가 안는 근본 문제다. 상실(탈락)은 연구 도중 참여자가 빠져나가는 것이다. 단순히 수가 주는 것보다 누가 빠졌는가가 문제인데, 효과를 못 본 사람들이 주로 그만두면 남은 사람들만 보고 효과를 과대평가하게 된다. 모방(개입의 확산)은 통제집단이 개입 내용을 알게 되어 따라 하는 것이다. 같은 기관 이용자끼리는 정보가 쉽게 오간다. 이와 짝을 이루는 것으로, 통제집단이 뒤처지지 않으려 더 노력하는 경쟁, 반대로 의욕을 잃는 사기 저하, 통제집단에 보상을 주다 차이가 흐려지는 보상적 평준화가 있다. 뒤의 네 가지는 방향이 서로 다르다는 점을 눈여겨볼 만하다. 모방과 경쟁과 보상적 평준화는 두 집단의 차이를 줄여 효과를 실제보다 작게 보이게 하고, 사기 저하는 통제집단을 더 나빠지게 해 차이를 키운다. 그래서 이 요인들이 의심될 때는 「효과가 없었다」는 결론도 「효과가 컸다」는 결론도 그대로 받아들이기 어려워지며, 두 집단이 서로를 얼마나 알고 있었는지를 먼저 밝혀야 한다.
앞의 네 가지가 시간과 도구에서 온다면, 이 네 가지는 사람에서 온다. 누구를 골랐는가, 그들이 애초에 어떻게 달랐는가, 누가 중간에 나갔는가, 두 집단이 서로 영향을 주고받지는 않았는가. 특히 사회복지 현장은 가장 어려운 사람을 골라 돕고 같은 건물에서 서로 마주치는 곳이라, 이 요인들이 교과서 속 걱정이 아니라 실제로 매번 일어나는 일이 된다.
  1. 통계적 회귀는 극단적 점수를 가진 사람을 고르면 다시 쟀을 때 평균 쪽으로 되돌아가는 현상이다.
  2. 가장 어려운 대상을 선발하는 복지 프로그램은 통계적 회귀를 늘 안고 시작한다.
  3. 선정편향은 두 집단이 애초에 달랐던 것으로, 무작위 배정이 없는 설계의 근본 문제다.
  4. 상실(탈락)은 수가 주는 것보다 누가 빠져나갔는가가 결과를 왜곡한다는 데 문제가 있다.
  5. 모방(확산)은 통제집단이 개입 내용을 알고 따라 해 두 집단의 차이가 줄어드는 것이다.
  6. 모방과 짝을 이루어 경쟁·사기 저하·보상적 평준화도 집단 간 비교를 흐린다.
  1. 가장 점수가 나쁜 사람만 뽑아 놓고 개선을 효과로 읽는 것 — 통계적 회귀를 걷어 내야 한다.
  2. 탈락자를 빼고 남은 사람만 분석하는 것 — 효과를 못 본 사람이 주로 빠진다.
  3. 같은 기관 안에서 두 집단을 나누고 정보 차단을 고려하지 않는 것.

차이를 줄이는 것과 키우는 것

차이를 줄이는 쪽

모방·경쟁·보상적 평준화. 통제집단이 따라 하거나 더 노력하거나 보상을 받아, 효과가 실제보다 작게 잡힌다.

차이를 키우는 쪽

사기 저하. 통제집단이 배제되었다고 느껴 의욕을 잃으면 더 나빠져, 효과가 실제보다 크게 잡힌다.

사람에서 오는 저해요인
요인어디서 오나대응
통계적 회귀극단값으로 선발했다사전측정을 여러 번, 비교집단을 둔다
선정편향두 집단이 애초에 다르다무작위 배정, 사전 동질성 확인
상실도중에 빠져나간다탈락자 특성 비교, 의도치료 분석
모방·확산통제집단이 따라 한다집단을 공간·시간으로 떼어 놓는다

더 알아보기

통계적 회귀를 실제로 걷어 내는 방법

통계적 회귀는 측정에 무작위 오류가 있는 한 반드시 일어난다. 어느 날의 점수는 그 사람의 참값에 그날의 사정이 얹힌 값이고, 극단값을 고르면 그 사정이 유난히 한쪽으로 쏠린 사람들을 고른 셈이 된다. 다음번에는 그 쏠림이 없으므로 점수가 평균 쪽으로 움직인다. 걷어 내는 길은 몇 가지가 있다. 가장 확실한 것은 비교집단을 두되 같은 기준으로 극단값을 골라 두는 것이다. 두 집단 모두 회귀가 일어나므로 차이에서 상쇄된다. 다른 방법은 선발할 때 한 번이 아니라 여러 번 재어 평균으로 판단하는 것으로, 그날의 사정이 섞일 여지를 줄인다. 개입 전에 여러 시점을 재 두면 회귀에 의한 하강이 이미 진행 중이었는지 눈으로 확인할 수도 있다. 어느 것도 못 했다면 개선분 가운데 얼마가 회귀 때문인지 알 수 없다는 점을 결과에 적어야 한다.

탈락을 다루는 실무 원칙

탈락은 막을 수 없으므로 다루는 방법이 중요하다. 첫째, 탈락자와 잔류자의 사전 특성을 견주어 표에 싣는다. 두 집단이 사전점수와 인구사회학적 특성에서 비슷하다면 탈락이 무작위에 가까웠다고 볼 여지가 생기고, 다르다면 그 차이가 결과에 어떤 방향으로 작용했을지 논의해야 한다. 둘째, 개입집단과 통제집단의 탈락률이 다른지 본다. 한쪽에서만 많이 빠졌다면 그 자체가 개입과 관련된 현상이므로 결과 비교가 크게 흔들린다. 셋째, 분석 방식을 정한다. 끝까지 남은 사람만 분석하는 방식은 효과를 부풀리기 쉬우므로, 처음 배정된 대로 모두를 포함해 분석하는 의도치료 방식을 함께 제시하는 것이 보수적이고 정직하다. 넷째, 애초에 탈락을 줄이는 설계를 한다. 연락 수단을 여러 개 확보하고, 측정 부담을 줄이며, 중간 접촉을 유지하는 일이 여기에 든다.

0개

이 기출이 도움이 됐다면, 봄기출 앱에서도 공부해 보세요.