통계 분석을 할 때는 데이터 전처리 과정에서 실수하지 않는 것도 중요하지만, 그에 못지 않게 가설을 잘 세우는 것이 중요합니다. 잘못된 가설 하에서는 아무리 올바른 분석 기법을 사용하더라도 잘못된

통계 분석을 할 때는 데이터 전처리 과정에서 실수하지 않는 것도 중요하지만, 그에 못지 않게 가설을 잘 세우는 것이 중요합니다. 잘못된 가설 하에서는 아무리 올바른 분석 기법을 사용하더라도 잘못된 결론에 이르기 쉽죠. 아래 10가지 오류와 역설은 대부분 가설(모형) 설계 과정에서 잘못된 판단을 했을 때 생길 수 있는 문제들입니다. 데이터 분석을 하시는 분들에게 좋은 가이드 자료인 것 같아 공유합니다. 각각에 대해 관련 자료 링크와 간단한 코멘트 첨부합니다. 1) Absence of evidence - https://www.bmj.com/content/311/7003/485.long - 증거의 부재를 부재의 증거로 판단하는 오류 - p-value 가 높아서 통계적 유의성을 갖지 못한다고 해서 실제 아무런 효과가 없는 것이라고 판단해서는 안됨 2) Ecological fallacy - https://web.stanford.edu/class/ed260/freedman549.pdf - 집단에서 관측된 현상이 개체에서도 적용된다고 판단하는 오류 - 예를 들어, 지방 섭취량이 많은 나라의 유방암 발생률이 높다고 해서 지방을 많이 섭취하면 유방암 발생률이 높아진다 라고 단정할 수 없음 3) Stein's paradox - https://www.researchgate.net/profile/Carl-Morris-3/publication/247647698_Stein%27s_Paradox_in_Statistics/links/53da1fe60cf2631430c7f8ed/Steins-Paradox-in-Statistics.pdf - 그냥 평균을 구한 값보다 평균에 편향을 준 값이 더 좋은 추정값을 갖는 현상 - James-stein 추정량 (james-stein estimator) 이라는 방법이 있음 4) Lord's paradox - https://errorstatistics.com/2019/08/02/s-senn-red-herrings-and-the-art-of-cause-fishing-lords-paradox-revisited-guest-post/ - 두 집단에 대해 사전사후 분석을 할 때 변화값에 대해 t-검정한 결과와 ANCOVA로 검정한 결과가 달라지는 현상 5) Simpson's paradox - https://academic.oup.com/ije/article/40/3/780/746837 - 전체 그룹의 통계량과 소그룹으로 나눠서 측정한 통계량 사이에 서로 반대되는 결론이 도출되는 현상 - 버클리 대학 남녀 입학률 차이로 인한 여성 차별 문제 6) Berkson's paradox - https://www.nature.com/articles/s41467-020-19478-2 - Collider 로 인해 가짜 상관 관계가 생기는 현상 7) Prosecutor's fallacy - https://academic.oup.com/aje/article/179/9/1125/103523 - P(A|B) 와 P(B|A) 가 같다고 가정하는 오류 - P(A) 와 P(B) 가 같을 경우에만 맞음 8) Gambler's fallacy - https://en.wikipedia.org/wiki/Gambler%27s_fallacy - 서로 독립적인 사건임에도 불구하고 과거에 발생 빈도가 낮다는 이유로 앞으로 발생 확률이 높아질 것이라고 믿는 것 - 예를 들어 지난 주 로또 당첨 번호는 이번 주에 당첨될 확률이 낮다고 생각하는 것 9) Lindley's fallacy - https://link.springer.com/article/10.1007/s11229-014-0525-z - 빈도주의 통계 검정 결과와 베이지안 통계 검정 결과가 완전히 다르게 나오는 현상 10) The low birth weight paradox - https://academic.oup.com/aje/article/164/11/1115/61454?login=true - 저체중 신생아의 사망률이 엄마가 흡연자인 경우에 미흡연모보다 더 낮게 나오는 현상 - Simpson's paradox의 일종임