괴짜 경제학 - 상식과 통념을 깨는 천재 경제학자의 세상 읽기

괴짜 경제학 (개정증보판) - 스티븐 레빗 외 지음, 안진환 옮김/웅진지식하우스(웅진닷컴)

미니 서평

윤리학은 이상세계를 반영하고, 경제학은 현실 세계를 반영한다. 

괴짜 경제학을 살펴보면 사회적 통념에 대해 기존의 방식과 다르게 관찰하고 분석하는 것을 주로 이야기하고 있습니다.

교사의 부정행위를 확인하기 위해 1993년에서 2000년까지 연간 학년당 약 3만 명의 학생들이 제출한 70만 장의 답안지, 

그리고 거의 1억 개 이상의 답을 비교 분석한다든지

스모 선수와 승률을 분석하기 위해 1989년 1월에서 2000년 1월까지 일본에서 가장 훌륭한 스모 선수들이 치렀던 모든 공식 경기의 결과, 

즉 281명의 스모 선수들 사이에 있었던 약 3만 2,000건의 시합에 대한 데이터를 확인합니다. 

요즘 말하는 빅데이터 분석에 해당한다고 볼 수 있습니다. 

이후의 모든 주제가 데이터를 기반으로 회귀분석을 통해 상관관계를 확인해 나가는 것으로 되어 있습니다. 

저자인 스티븐 레빗은 예전에 정보의 독점과 비대칭으로 인해 발생한 문제점들이 

현재 인터넷을 통해 해결되고 있다고 합니다. 

마찬가지로 데이터 분석이 보편화되면, 기존의 사회적 통념들은 데이터 기반 분석을 통해 다른 시각에서 해석될 수 있을 것입니다. 

데이터에 기반한 분석으로 근거를 제시해서 스티븐 레빗의 이야기(마약 판매상의 조직에 대한 분석이나 범죄자들이 없어진 이유 등)는 꽤 설득력이 있습니다. 

특히 아이를 키우는 부모 입장에서 "완벽한 부모는 어떻게 만들어지는가?"라는 주제가 가장 기억에 남네요. 

결과적으로 ECLS 데이터에 따르면 아이의 성적은 부모가 아이에게 해주는 일이 아니라 부모가 실제 어떤 사람인지에 따라 결정된다고 합니다. 

책을 읽으면서 상관관계 분석에 따라 아이 엄마와 맞다 틀리다를 열심히 토론 했네요. 

최근 분석에 관심이 많은데, 여기에서 인과 관계와 상관 관계의 차이점과 

상관 관계를 알아내기 위한 회귀 분석에 대한 이야기가 나와서 반가웠습니다.

책의 이야기처럼 실제 분석에서 상관 관계를 찾아내는 것은 가능하지만, 인과 관계를 알아내는 것은 어려우면서도 매우 중요한 부분입니다. 

상관 관계는 미래를 예측할 수 있지만, 인과 관계는 미래를 변화시킬 수 있기 때문이죠. 

밑줄 긋기 

---

경제학은 근본적으로 인센티브를 연구하는 학문이다. 

인센티브, 단순히 말해 사람들에게 좋은 일을 많이 하고 나쁜 일을 적게 하도록 설득하는 수단이다. 

그러나 대부분의 인센티브는 저절로 발생하지 않는다. 

누군가가, 경제학자나 정치가 혹은 부모가 의도적으로 만들어야만 한다. 

어떤 정보를 거래할 때, 흔히 특정 그룹이 다른 그룹보다 더욱 유용하고 훌륭한 정보를 지니는 경우가 있다. 

이는 경제학자들의 용어를 빌리자면 '정보의 비대칭'이라 불린다. 

정보의 힘은 너무나도 강력하여 그 정보가 실제로 존재하지 않는다 하더라도 가정이나 추측만으로 무서운 영향력을 발휘할 수 있다. 

갤브레이스의 견지에 따르면, 사회 통념은 반드시 간단하고 편리하고 편안하며 안정적이어야만 한다. 

비록 진리가 아니더라도 말이다. 

물론 통념이 전부 틀렸다고 주장하는 것은 어리석은 일이다. 

하지만 사회 통념이 틀렸을지도 모르는 부분을 알아차리는 것. 

이기적이고 조잡한 사고의 흔적을 찾아내는 것은 좋은 질문을 제기하기 위한 첫 걸음이다.

다른 분야의 전문가들과 마찬가지로, 전형적인 육아 전문가 역시 자신에 대해 과도하게 확신하는 경향이 있다. 

전문가들은 대개 문제의 한 측면에 깃발을 단단히 꽂아둘 뿐, 다양한 각도에서 충분한 논의를 펼치려 하지 않는다. 

신중하거나 미묘한 주장을 펼치는 전문가는 종종 많은 주목을 받지 못하기 때문이다. 

자신의 소박한 이론이 사회 통념으로 바뀌기 바라는 전문가라면 뻔뻔해질 필요가 있다. 

그리고 이를 위한 가장 좋은 방법은 대중의 감정을 개입시키는 것이다. 

감정은 합리적 논증의 적이기 때문이다. 

상관관계는 두 가지 변수가 함께 움직이는지 여부를 밝히는 데 사용하는 통계학 용어다. 

눈이 오면 바깥의 날씨는 추운 경향이 있다. 

이 경우 이 두 가지 변수는 양의 상관관계에 있다고 한다. 

한편 햇빛과 비는 음의 상관관계에 있다. 

변수가 두 개 밖에 없으면 상관관계 분석은 전혀 어렵지 않다. 

하지만 변수가 200개로 늘어나면 상관관계 파악이 어려워진다. 

회귀 분석은 경제학자가 이런 거대한 양의 데이터를 분류할 때 이용하는 도구다. 

회귀분석은 초점을 맞추고자 하는 두 가지 변수를 제외한 모든 변수를 인위적으로 일정하게 맞춰놓고, 그 두 가지 변수가 서로 변하는 과정을 살펴보는 방법이다. 

"집에 책이 많으면 아이의 학교 성적이 좋은가?" 라는 질문을 던진다고 하자. 

회귀분석은 그러한 질문에는 적절한 대답을 내놓지 않는다. 

하지만 그와 약간 다른 질문에는 답을 해줄 수 있다. 

"집에 책이 많은 아이는 집에 책이 전혀 없는 아이보다 공부를 더 잘하는 경향이 있는가?"

첫 번째 질문은 인과관계를 묻고 있는 반면, 두 번째 질문은 상관관계를 묻고 있기 때문이다. 

회귀분석은 상관관계를 증명할 수는 있지만, 인과관계를 증명하지는 못한다. 

두 가지 변수는 여러 가지 방식으로 상관관계를 맺을 수 있다. 

X가 Y의 원인일 수도 있고, Y가 X의 원인일 수도 있으며, 어떤 다른 요인이 X와 Y 둘 다의 원인일 수도 있는, 그런 상관관계 말이다. 

회귀분석만으로는 추워서 눈이 오는 것인지 눈이 와서 추운 것인지, 혹은 단지 그 두 가지가 우연히 함께 일어나는 것인지 알 수 없다.  

바로 세상 사람들의 실제 행동방식에 관해 이치에 맞게 생각하는 것이다. 

이때 우리에게 필요한 것은 기존의 방식과는 다른 방식으로 무언가를 관찰하고, 분별하고 측정하는 것뿐이다.