정정

황새가 우리에게 아기를 데려다 준다는 전설이 있다. 그런데 숫자가 이를 입증한다. 2000년 영국의 수학 교수 로버트 매튜스는 유럽 17개국의 출산율과 그 국가들에 둥지를 튼 황새의 숫자에 상관관계가 있음을 발견했다. 그저 단순한 우연이었을까? 아, 물론, 그렇다! 매튜스 교수의 의도는 학생들에게 상관관계와 인과관계를 동일시하는 것이 얼마나 위험한지 보여주려는 것이었다. 그러나 그가 도출한 결과를 오해하는 경우에는, 비록 매우 설득력이 없긴 하지만, 실제로 황새가 인간의 아기를 세상에 데려오지 않을 확률은 125분의 1밖에 되지 않는다는 주장을 하고 나설 사람이 있을 수도 있다. 유럽에서 황새의 번식과 인간의 출산율의 상관관계에 대한 매튜스 교수의 결론은 이렇다. “통계상으로는 의미 있고, 즉각적으로는 설명되지 않지만, 상식적으론 터무니없다.”

두 개의 변수가 같은 동향을 보일 때 우리는 한 가지 요소가 다른 하나의 원인으로 작용했을 거라 쉽게 믿는 경향이 있다. 겉보기엔 서로 깊이 연결돼있는 듯한 두 개의 데이터(예를 들어 어떤 특정한 식단과 건강상의 특정한 효과) 사이에서 패턴을 찾고자 하는 사람에겐 두 개의 변수가 동일한 움직임을 보이는 것만으로 인과관계를 추론하고 싶은 유혹이 생기기 마련이다. 그러나 전 세계의 통계학을 공부하는 학생들은 상관관계는 인과관계를 의미하지 않는다는 사실을 귀가 닳도록 배운다. 상관관계는 무작위적인 것이다. 두 가지 데이터의 동향 사이에 연결고리가 보이지 않는다면 아예 세 번째 변수가 작용했을 수도 있다. 간단히 말해서 더 조사해보지 않고는 알 수 없다는 것이다.

실상 터무니없는 상관관계라도 통계상으로 유의미해 보이면 상당히 강력한 효과가 있다. 이는 하버드 로스쿨 출신의 타일러 비겐의 웹사이트와 저서 「거짓 상관관계Spurious Correlation」에 제시된 증거들로 증명되기도 했다. 비겐은 사실에 기반을 뒀지만 터무니없는 차트들을 제시한다. 예를 들면 아는 사람이 거의 없는, 1인당 모짜렐라 치즈 소비율과 공학 박사 학위 취득률 사이의 상관관계, 마아가린 소비율의 감소가 매인 주의 낮은 이혼율과 딱 맞아떨어진다는 것. 근거 약한 주장을 뒷받침하기 위해 데이터는 얼마든지 왜곡가능하다. 그러니 명백한 원인이 없는 상관관계에 속지 말자.