소시오톡
Building a Mechanism
 
1
  59
Updated at 2018-03-15 16:30:37
    사회학자들 간 인과성의 개념과 적용은 오랫동안 불확실한 상태에 있었다. 이 텍스트는 통계학이 이뤄낸 성과와 함께 인과성에 대한 새로운 이해를 정리해 볼 것이다. 근대 통계학의 창립자들에게 인과성은 회의주의로 생각되었다. 이후 1940년대와 50년대에는 ‘결정론적’ 인과성에 대비되는 ‘확률론적’ 인과성의 개념이 들어왔다. 이는 원인을 결과의 필수조건이 아닌 발생의 확률을 높이는 것으로 생각하는 전환을 가져왔다.

    사회과학의 인과성은 후자의 ‘확률론적’ 입장을 받아들였는데 이는 크게 세 가지 다른 관점으로 갈라진다. 인과성을 ‘강건한 의존성’으로 보는 입장, 인과성을 결과에 대한 조작으로 보는 입장, 그리고 인과성을 발생적 과정으로 보는 입장이다. 인과성에 대한 입장 차이는 인과적 분석에 실제로 참여하는 사회학자들의 행동을 다르게 만든다. 그렇다면 철학적 또는 통계적인 내적 일관성이 아닌 실천의 입장에서 각각의 입장을 살펴보자.

    강건한 의존성

    상관관계가 인과성이 아니라는 어구는 인과성을 강건한 의존성으로 보는 입장을 대표한다. 핵심 문제는 X와 Y의 관찰이 동시적이고, X가 Y보다 선행하는 경우, X가 Y에 대한 유의미한 인과적 관계를 가진다고 어떻게 확신할 수 있는지이다. 상관관계에서 인과성으로 옮겨가는 해결책은 보통 Y의 X에 대한 의존성이 강건한 한 X는 Y에 대한 ‘진정한’ 원인이 될 수 있음을 보여주는 것이다. 즉, 하나 또는 여러 다른 변수가 도입, 통제되더라도 관계가 사라지지 않음을 확인해야 한다.

    이에 기반한 영향력 있는 모델 중 하나는 Granger (1969)가 시계열 분석에 적용한 이해이다. 그는 인과성을 예측력에 기반해 설명했다. X가 Y의 Granger 원인인 경우, X와 관련 없는 모든 정보를 통제한 이후에도 X는 미래 Y의 예측에 대한 추가적 정보를 제공해준다. 인과성은 허위적인, ‘비인과적인’ 변수를 제거함으로서 확인된다. 그의 생각과 비슷한 방식을 Lazarsfeld의 방법론에서 찾아볼 수 있다. 그는 예측보다 설명에 관심이 더 많았는데 이때 분석은 관심 대상인 두 변수 간 상관관계부터 시작한다. 이후 이 둘 간의 직접적인 인과적 연결 고리를 찾기보다 둘 외의 다른 선행 변수로 상관관계를 설명하는 접근이 추구된다.

    문제는 이 접근에 대한 불만족이 갈수록 커져가고 있다는 점이다. 이 방식에 따르면 인과성은 완전한 통계적 추론의 문제가 되어 버린다. 대상에 대한 배경 지식이나 이론은 배제된다. 예측력만 살펴보자면 무제가 없을 수도 있겠지만 과학 철학자 대부분은 이 방식이 너무 제한된다고 생각한다. 따라서 대안으로 ‘이론과 조응하는 예측력’이 제시된다. 이 입장은 ‘Granger causation’이 예측의 목적에 있어서는 뛰어난 실용성을 지니나, 통계적 연관성이 이론의 측면에서나 미시적 차원에서 설명된 경우에만 ‘인과적 설명’이 될 수 있다고 주장한다.

    예를 들어, 사회적 현상은 인간 의지의 개입 없이 자신 스스로의 의지에 따라 변화하지 않는다. ‘깊은’ 설명은 사회 속의 활동하는 개인의 ‘목적, 지식, 추론과 결정’의 측면을 다루는 이론을 통해서만 얻어질 수 있다 (Sen, 1986). 기존의 분석은 변수 간의 관계는 보여주지만 이 관계가 실제로 어떻게 형성되었는지를 말해주지 않는다. 설명은 변수를 일반화된 행위의 내러티브 아래 위치시킬 때 나타난다. 그리고 이 내러티브는 합리적으로 전개된 사회적 행위의 이론에 기반할 때 바람직하다. 

    나아가 ‘변수 사회학’의 역량에 대한 질문은 사회학에 대한 인과적 경로 분석과 같은 방법의 적용에 대한 몇 통계학자들의 반대와 이어진다. Freedman의 주장은 크게 세 가지이다. 첫째, 모델링 그 자체는 어떤 변수가 개입되고, 이들 간의 인과적 질서, 관계 간의 기능적 형태에 대한 이론적 투입을 필요로 한다. 둘째, 이론이 잘못되어 있는 한, 즉 사용된 데이터가 만들어진 사회적 과정과 일관되지 않는 한, 분석의 결과 또한 무효화되기 쉽다. 셋째, 연구에 사용되는 이론이 진정한 ‘구조적’ 모델을 만들기에 충분히 강력하지 않을 수 있다. 

    요약하자면 인과성을 단순히 강건한 의존성으로 간주하는 것은 사회학의 미래보다는 과거로 보인다. 이 과거란 인과적 추론이 통계 방법론의 발전과 발맞춰 일어난다고 널리 믿어지던 시기이다. 물론 이러한 발전이 달성된 적이 없거나 사회학에서 인과 경로 분석과 같은 방법이 가치 없다고 증명되었다 주장하려는 것은 아니다. 하지만 사회학에 있어 이 방법의 잠재성이 주로 진정한 선구자보다 추종자에 의해 잘못 평가된 측면이 있다. 지금은 진지한 재평가가 필요한 시점이다.

    결과적 조작

    통계학자 사이에서 결과적 조작으로서 인과성은 인과성을 강건한 의존성으로 보는 입장에 대응해 만들어졌다. 여기서 초점은 ‘특정한 행위를 수행하는 것의 결과’ 또는 실험 방법을 통해 인과성을 정립하는 것이된다. 원인은, 적어도 개념적으로라도 실험에서의 ‘처치’와 같을 때에만 요인이 될 수 있다. 즉, 조작가능한 것만이 원인이 된다. 이렇게 이해된 인과성은 언제나 상대적이다. 원칙적으로 결과는 한 ‘단위’가 X에 노출된 (처치된) 단위일때와 X에 처치되지 않았을 때의 Y 사이를 비교해야 결정되기 때문이다. 

    이는 Holland (1986) 가 제기한 인과 추론의 근본적 문제를 가져온다. 한 단위가 처치에 대한 두 가지 상태를 동시에 가질 수 없기에 오직 통계적 해결만이 가능하다. 노출된 단위의 평균 응답을 통제된 단위의 평균 응답과 비교할 때, 이들 간의 차이를 평균적인 인과 효과로 간주할 수 있다. 하지만 이를 위해서는 다양한 조건들이 충족되어야 한다. 단위들은 처치 또는 통제 집단에 무작위적으로 배열되어야 한다. 단위의 응답은 배열 그 자체 또는 다른 단위의 처치 (나 처치의 부재) 에 영향을 받아서 안된다. 즉, 무작위적 실험 설계와 같은 조건이 요구된다. 

    강건한 의존성에 비해 이들은 더 강력하거나 ‘진정한’ 것으로 보일 수 있다. 전자의 경우 인과성은 항상 잠정적인 상황에 놓여있다. 반대로 후자의 경우 잘 설계된 실험에서 추론된 결과는 효과가 거짓이 아님을 보여주기 쉽다. 처치 또는 통제 집단으로의 배치를 무작위적으로 만드는 것이 인과적 중요성을 갖는 모든 여타 변수를 확인하고 통제하는 과정을 대체한다. 결과적 조작의 관점은 효과의 원인이 아닌 원인의 효과를 탐색한다. 따라서 원인은 단순히 ‘주어지거나’ ‘알려진’ 상태로 간주되고 이들의 효과를 어떻게 세밀히 측정할지가 주된 관심이 된다.

    ‘X가 Y의 원인’이라는 명제는 지식이 진보함에 따라 반박되기 쉽다. 하지만 ‘Y는 X의 결과’라는 것은 한번 증명된 뒤로는 반증하기 어렵다. 이 방법이 사회학에 얼마나 적합한지에 대한 평가를 떠나 이 변화의 중요성은 기억할만 한 것이다. 하지만 우리는 대부분의 사회학적 연구가 본질적으로 실험적이지 않다는 문제에 직면한다. 결과적 조작의 관점에서 경험 연구는 최대한 실험 설계를 모방하도록 조직된다. 모방에 있어 핵심은 단위에 대한 처치/통제 부여의 과정이 된다.

    한 가지 명백한 문제는 부여에 활용되는 공변인의 조합이 처치 여부와 단위 반응의 독립성을 보장해주는지 이다. 과연 모든 연관된 영향이 대표되고 적절히 측정되었으며 통제되었을까? 원인의 효과는 ‘영원’하기보다 이 조합에 따라 달라지는 개연성의 정도를 갖는다. 이 개연성이 공변인의 선별을 지도하는 주제에 대한 기존의 지식과 이론에 기반하기에 결과란 강건한 의존성과 마찬가지로 잠정적인 성격을 갖는다.

    나아가 이 모델이 평가 연구에서 선호되기는 해도 사회학자들이 주로 연구하는 분야에 적합할지는 의문이다. 원인이 될 수 없는 조작불가능한 속성은 단위에 ‘내재적’인 것으로 생각된다. 이는 단위의 속성으로서 다른 변수들과 연계된 것이지, 나머지의 원인이라 보기는 어렵다. 내재적인 변수의 변화는 오직 단위 그 자신이 어떤 방식으로 변화할 때, 더 이상 이전과 같은 단위가 아닐때에만 가능하다. 무엇이 원인이 될 수 있는지에 대한, 변수에 대한 제한은 사회학자들의 반발을 가장 많이 산 원인 중 하나다.

    하지만 주된 우려는 속성의 인과적 중요성에 대한 문제가 아닌 행위의 인과적 중요성에 대한 문제로 인해 나타난다.

    (a) 그녀는 여성이기 때문에 시험을 잘 봤다.
    (b) 그녀는 공부를 했기 때문에 시험을 잘 봤다. 
    (c) 그녀는 선생에 의해 지도받았기에 시험을 잘 봤다. 

    (c) 는 처치에 기반한 결과적 조작의 인과성을 드러낸다. 반면 (a) 는 성에 기반해 개인적 속성의 영향을 보고있다. 이는 조작불가능해 보일 지 모르지만 Berk (1988) 에 따르면 사회학적 관점에서 속성으로 보이는 것은 실상 그 속성을 둘러싼 사회적 구성물을 나타낸다고 해석할 수 있다. (a) 는 성 자체에 따르면 효과이기보다 이를 둘러싼 조작가능한 젠더의 효과로 해석할 수 있다. 문제는 (b) 가 되는데 Holland의 입장에서도 이 명제는 심각한 문제를 부른다. 여기에서 언급되는 것이 처치도 속성도 아닌 것이기 때문이다.

    이와 같은 목적을 달성하기 위한 행위의 발생은 경제학자와 사회학자가 제시해 온 내러티브에서 찾아볼 수 있다. 인간 행위는 반드시 통계적으로 증명가능한 사회적 규칙성을 따른다. 이 내러티브는 개인의 목적, 지식, 추론과 결정의 모습을 띄고 나타난다. 대부분의 사회학자들은 이런 종류의 내러티브를 인과적인 것으로 생각한다. 하지만 결과적 조작의 입장에서 이는 ‘원인으로 생각된 것의 자발적인 측면’으로 인해 포용하기 어려운 것이다. 이 에이전시의 문제는 Holland에게도 ‘명확한 해결책’이 없는 것으로 남아 무엇이 적절한 인과 추론을 구성하는지에 대한 물음을 남겨놓는다.

    나아가 실험이 아닌 ‘관측’ 연구이기에 나타나는 문제가 있다. 자연과학에서의 실험과 달리 사회학의 대상이 되는 개인들은 처치 여부를 인지하며 이에 따라 반응한다. 이 경우 단위 간의 처치 (또는 통제) 가 서로에게 영향을 미치지 않는다는 가정이 깨지기 쉽다. 또한 결과적 조작은 목적을 따르는, ‘결과-지향적’ 인간의 행위를 오직 실험자나 ‘처치자’의 입장에서만 인정한다. 나머지 인간의 행위는 박테리아의 움직임과 같이 수동적으로 생각된다. 다른 인간들 또한 목적을 위해 최선으로 생각되는 수단을 활용하며 행위한다. 하지만 그 ‘자발적 측면’으로 인해 이는 인과적 중요성을 갖지 못한다.

    따라서 인과성의 문제는 사회학자를 딜레마에 빠뜨린다. 적어도 결과적 조작은 강건한 의존성에 비해 정교하고 엄격하다는 것이 널리 인정된다. 사회학자들의 반응은 크게 두 가지이다. 첫째는 조작적 접근을 수용하는 것이다. 둘째는 실험 모델에 대한 정면반대이다. 후자의 경우 사회학자들은 인과성을 생각하는 그들 자신의 방법을 찾아야 할 것이다. 이 인과성은 현실적으로 수행될 수 있는 연구와 현실적으로 다룰 수 있는 문제에 적합해야 할 것이다. 

    발생적 과정
    
    Cox (1992) 는 조작적 접근의 ‘주요한 한계’로 ‘밑에 깔려 있는 과정에 대한 명시적 관념’이 없음을 지적했다. 즉, 분석에 사용되는 데이터에 포함된 것보다 더 깊숙한, 관찰 차원의 과정이 없다는 것이다. 비슷하게 Simon & Iwasaki (1988)도 원인의 선행성이나 조작가능성 이상의 요건이 필요하다고 지적한다. 보여줘야 할 것은 인과성이 상관관계가 생겨난 지점보다 더 ‘미시적’으로 작동하는 몇 ‘메커니즘’에 의해 생겨난다는 점이다. 이 경우 역학이 전형이 되는데 인과적 연결의 주장에 그 밑에 깔려있는 발생적 과정에 대한 설명이 중시된다. 

    발생적 과정의 인과성을 주장하는 통계학자들은 이 관점이 앞선 두 관점을 보충하는 것이라 주장한다. 강건한 의존성의 주장은 대상에 대한 지식이 필요성으로 보충된다. 설명은 임기방편이 아닌 기존의 이론에 의해 설명될 수록 더 일관성있고 검증가능해질 것이라 믿어진다. 반면, 결과적 조작의 경우 발생적 과정은 보충만이 아닌 정정이기도 하다. 인과적 효과의 발생에 대한 집중은 독립변수의 종류에 따라 달라지는 유의성을 완화시킨다. 따라서 속성 변수 그 자체가 원인이 아니더라도 어떻게 관계가 실제로 나타나게 되었는지에 대한 설명이 강조된다.

    사회과학적 맥락에서 인과적 중요성을 행위에 두는 것은 인과적 과정을 구성하는 표준방식으로 여겨져왔다. 이때 ‘그녀가 공부를 했기에 시험을 잘봤다’는 명제는 더 이상 문제가 되지 않는다. 나아가 인과적 과정에 대한 강조가 (가정된 또는 알려진) 원인의 효과에서 효과의 원인으로 초점을 다시 가져오는 것도 중요하다. 이는 다시 ‘실증주의적’ 입장에서 다시 ‘반증주의적’ 입장으로 돌아오는 것을 의미한다. 그렇다면 인과성에 대한 반성찰적인 인과 모델을 만들어내는 단순한 ‘실용적 활용’을 넘어서기 위해 사회학에는 어떤 대안이 있을까?

    대안

    인과 분석을 위해 저자는 세 단계의 시퀀스를 제시한다.

    (1) 설명의 형태로 현상을 정립하는 것
    (2) 발생적 과정을 사회적 행위 차원에서 가설화하는 것
    (3) 가설의 검증

    현상의 정립
    
    현상의 정립은 Merton (1987) 이 지적한 보기에는 명백하나 간과하기 쉬운 과정을 말한다. 사회학자들은 사회적 현상의 설명에 앞서 이가 실제로 존재하고 설명을 필요로 하며 설명을 허용하는 충분한 규칙성을 표현한다는 것에 대한 좋은 증거를 제시할 수 있어야 한다. 여기서 규칙성에 대한 Merton의 강조는 사회학과 통계학의 관계에 대한 특별한 의미를 갖는다. 사회학이 사회적 규칙성에 대한 설명을 제공한다면 통계학은 이러한 규칙성이 존재하는 것과 이들의 속성을 밝혀내는데 믿을만하고 섬세한 방법을 제공한다. 이러한 규칙성은 사회 내의 일상 생활 속에서는 보이기 어려우나 시간 또는 공간 안에서 광범위히 수집된 데이터의 분석을 통해서만 밝혀질 수 있는 것이다.  
    
     이런 맥락에서 통계적으로 접근하는 한 현상의 정립은 적절한 기술 방법을 사용하는 통계에 대한 것이다. 인과 모델링의 적용을 비판하는 사람들은 기술적 통계 작업에 대한 폄하를 걱정하며 다음과 같이 권고한다. '왜 이가 일어나는가'를 설명하기에 앞서 '무엇이 일어나는지'에 대한 설명이 선행해야 한다. 강건한 의존성에서 결과적 조작에 이르는 인과성에 대한 관념이 재고될 필요는 여기서 생겨난다. 통계적 기술 (technology)의 우선적인 용도는 데이터에서 인과성을 바로 추론하는 방식이기보다 기술의 방식이어야 한다. 이러한 기술은 첫째, 잘못된 추정에 기반한 것으로 밝혀지는 '미성숙한' 인과 분석에 대한 경계를 일깨워준다. 둘째, 이전에는 제대로 인식되지 않거나 잘못 이해된 중요한 사회적 규칙성을 규칙성의 특정한 맥락으로부터 분리시켜냄으로서 확인할 수 있다.

     발생적 과정의 가설화

     사회학적 문제란 사회적 규칙성의 형성, 지속, 상호관계, 변화, 붕괴를 다루는 것이다. 사회적 규칙성이란 원인이 밝혀져야 할 효과를 지칭한다. 그리고 이 탐험은 순수히 통계적인 방식보다는 중대한 주제에 대한 지식을 요구한다. 이러한 지식은 개인의 행위와 상호작용에 대한 설명의 형태를 띈다. 행위의 내러티브는 특정한 유형의 상황안의 특정한 행위자가 따르는 행위의 다양한 경로 내에서 나타나는 중심적 경향을 잡아내는 도구를 제공해야 한다. 그리고 하나의 사례는 어떻게 이 중심적 경향성이 행위 세계 안에서, 의도적이고 비의도적으로, 설명을 구성하는 규칙성을 나타나게 하도록 만들어져야 한다. 이러한 이론은 일종의 사회적 행위 이론을 필요로 한다. 이 이론은 가능한 한 발생적 과정의 명시적으고 일관된 공식화를 통해 과정의 인과적 적합성과 경험적 존재성을 모두 평가할 수 있어야 한다. 인과적 형태나 인과적 위계, 인과적 과정의 여러 종류를 통해 우리는 적합성을 평가할 수 있다.

     가설의 검증

     모든 인과적 설명의 첫 검증은 인과적 적합성이다. 가정된 발생적 과정은, 이가 실제로 작동한다는 전제하에서, 연구의 대상이 되는 규칙성을 만들어낼 수 있을까? 규칙성의 기술이 더 충분하고 정제될수록, 더 강력한 설명력이 생기고 특정한 후보군이 이 단계에서 탈락한다. 하지만 하나 이상의 설명이 가능할 수 있으며 이는 가정된 절차가 실제로 작동하는 지에 대한 검증을 필요로 한다. 즉, 이제 인과적 적합성이 아닌 경험적 타당성을 살펴볼 필요가 있다. 발생적 과정이 실제로 정립된 규칙성을 만들어내거나, 만드는 것을 돕는다면 무엇이 경험적으로 관찰가능할까? 이 관찰은 여러 데이터 셋과 다양한 방법론을 통해 여러번 검증되어야 하는데 이는 연구의 관심사가 다시 효과의 원인으로 돌아옴을 보여준다.

     결론

     이 모든 것은 통계와 연구 대상 사이의 올바른 관계가 중요하다는 것을 보여준다. 발생적 과정으로서 인과성은 다음 세 가지 방향성을 가진다. 첫째, 이는 효과의 원인에 강조를 둔다. 분석은 결과, 설명을 필요로하는 하나의 현상에서부터 시작한다. 둘째, 발생적 과정은 사람들의 행위와 상호작용에 사회적 현상의 인과적 설명이 기반해야 한다고 주장한다. 셋째, 발생적 과정에 대한 그들의 설명은 영속적이지 않으며 반증의 가능성을 가진다. 이 설명은 잘해봤자 또 다른 발전을 기다리고 있는 하나의 보강적 사실이 될 뿐이다.  
   
NO
Comments
아직까지 남겨진 코멘트가 없습니다. 1 님의 글에 코멘트를 남겨주세요!