드문 사건 로짓분석법(Rare Events Logit Analysis)의 입법연구 적용과 한계: 법안철회결정 모형의 재현을 중심으로 (Rare Events Logit Analysis in the Legislative Studies: The Case of Bills Withdrawals in the 17th Korean National Assembly)

서지정보

· 발행기관 : 단국대학교 분쟁해결연구센터
· 수록지 정보 : 분쟁해결연구 / 12권 / 2호 / 165 ~ 194페이지
· 저자명 : 김준석, 전충원

초록

게리 킹(Gary King)과 량체 젱(Langche Zeng)의 ‘드문 사건 로짓 분석법(rare events logit analysis; RELOGIT)’은 일반적 이분응답모형(binary response models)군의 확장형으로, 두 가지 목적에서 추정된다. 먼저, 종속변인의 0과 1값의 비중 불균형이 가져오는 예측확률(predicted probabilities)의 잠재적 편향을 교정하려 한다. 더불어, 자료의 수집·활용에 있어 거대자료의 한계와 모형의 충실성 간의 상쇄관계(tradeoff)에 주목하고, 필요 없는 정보를 외생층화표본추출법(exogenous stratified sampling)을 통해 ‘임의로(random)’ 축소함으로서 오히려 연구의 ‘효율성’을 재고할 수 있다고 주장한다. 우리의 입법연구 분야는 법안의 철회, 부결, 대통령의 거부권 등 상대적으로 발생비율이 드문 자료가 많을 뿐 아니라, 자료의 방대함과 복잡성, 접근의 제한, 수집·관리의 수고로움이 연구자에 큰 장벽으로 누누이 지적되어 왔다. 상당수의 실증연구가 위원회 단위 등 부분 자료를 토대로 진행되거나, 연구범위의 축소로 이어지기도 한다. 킹과 젱의 제안이 매력적인 대안으로 고려될 수 있는 지점이다. 본 연구는 ‘드문사건 로짓 분석법(RELOGIT)’의 우리 입법연구에의 활용 범위와 한계를 고민하며, 킹과 젱의 주장처럼 적절한 대안으로 기능할 수 있는지를 실제의 사례를 통해 검증·평가한다. 이현출・김준석(2012)의 법안철회결정모형을 킹과 젱의 접근법을 통해 재현(replication)한 결과, 예측확률의 추정에 있어 편향이 나타났으며, 회귀계수 및 표준오차의 추정에 있어서도 잠재적 편향에서 자유롭지 못했다. 이는 킹과 젱이 고려하지 못했던 요소인 전수 자료의 크기도 추정치의 편향에 중요하게 작용함을 시사한다. 나아가, 예측확률의 교정에 있어선, 퍼스 접근법(Firth Method)이 보다 수용 가능한 논리와 안정적 결과를 담보한다. 이러한 결과는 킹과 젱의 근원적 한계는 물론, 그 적용에 있어 주의 깊은 접근을 요구한다.

영어초록

The goal of this study is to introduce King and Zeng(2001a, 2001b)’s Rare Events Logistic Regression Method(RELOGIT) and evaluate its usefulness and limits in the context of Korean legislative studies. “Rare events data” refer to binary dependent variables with more than twelve times fewer ones than zeros. Rare events data such as bill withdrawals or rejections in the floor votes, or presidential veto is rather prevalent in the field of legislative politics. King and Zeng’s seminal work provides RELOGIT as of attractive alternatives to fix so-called “rare events problems”. Estimating a typical binary logistic regression model with rare events data could pose serious bias in ‘important’ statistical properties like predicted probabilities while coefficients and standard errors remain intact. Their suggestion is that scholars should follow an ‘efficient research strategy’ to discard many of worthless zeros observation with the technique of random sampling and to collect much more meaningful explanatory variables. Our RELOGIT application to Lee and Kim(2012)’s bill withdrawal regression model shows that there could be potential bias in predicted probabilities as well as in typical regression parameters (i.e. coefficients and standard errors) when improperly used. We suspect that RELOGIT often delivers unreliable statistical properties while rather inefficient to ‘commonly used’ Firth’s Penalized Likelihood Estimation. RELOGIT should be further examined in the violation of ‘no omitted variable’ assumption.

참고자료

· 없음