함께 늘었다고, 하나가 다른 하나의 원인일까?

문제집 수와 점수가 함께 높다고 가정해 봅시다

가상의 학교 조사에서 문제집을 많이 가진 학생의 평균 점수가 높았다고 합시다. 지금 확인한 것은 조사에서 두 변수가 함께 나타났다는 패턴입니다. 문제집을 더 사면 점수가 오른다는 개입의 효과를 바로 확인한 것은 아닙니다.

학습 관심이 큰 학생이 문제집도 더 사고 공부도 더 했을 수 있습니다. 이미 성적이 좋은 학생이 심화 공부를 위해 책을 더 샀을 수도 있습니다. 문제집 수가 같은 학생도 실제로 푼 양과 피드백 경험은 다를 수 있습니다. 하나의 관찰에 여러 설명이 가능합니다.

같은 패턴에 세 가지 이야기가 붙을 수 있습니다

무엇을 비교하면 설명을 구분할 수 있을까요?

새로운 자료의 효과를 알아보려면 누구에게 제공했고 누구와 비교하는지, 다른 조건은 어떻게 다루는지 정해야 합니다. 무작위 배정 같은 방법은 집단 차이를 줄이는 데 도움이 될 수 있지만 모든 상황에서 가능하거나 모든 문제를 해결하는 것은 아닙니다.

관찰 자료에서도 다양한 연구 방법으로 대안 설명을 검토할 수 있습니다. 중요한 것은 연구가 실제로 다룬 가정과 한계를 읽는 것입니다. 이 글은 통계 기법 하나를 적용하면 자동으로 원인이 밝혀진다는 설명을 하지 않습니다.

상관관계라는 말로 모든 근거를 무시하지 않습니다

상관관계가 인과를 자동으로 증명하지 않는다고 해서 쓸모없는 정보는 아닙니다. 패턴은 다음 연구의 질문을 만들고 예측이나 현상 이해에 도움을 줄 수 있습니다. 다만 예측에 잘 쓰인 변수와 실제로 바꾸면 결과를 바꾸는 변수는 다를 수 있습니다.

기사에서는 연구가 관찰한 결과, 연구자의 해석, 기자의 확대 설명을 나누어보세요. “관련이 있다”가 어느 문장에서 “때문이다”로 바뀌는지 찾으면 인과의 근거를 확인할 위치가 보입니다. 교육·건강·경제 기사를 읽을 때 두루 사용할 수 있는 읽기 습관입니다.