[논문 리뷰] Authoritarian Governments Appear to Manipulate COVID Data

Mudit Kapoor, Anup Malani외 2명|arXiv (Cornell University)|2020. 07. 19.

Benford’s Law and Fraud Detection참고 문헌 29인용 수 10

한 줄 요약

이 논문은 초기 팬데믹 기간 동안 독재 정부가 코로나19 데이터를 조작했는지 조사한다. 데이터 스무딩과 벤포드의 법칙 준수 여부를 분석하는 통계적 검증을 통해, 독재 정부의 데이터는 7일 이동평균과의 변동성이 유의미하게 낮고, 벤포드의 법칙에서 벗어나 있음을 발견하였다. 이는 민주 국가들과는 달리 의도적인 데이터 조작의 증거로 볼 수 있다.

ABSTRACT

Because SARS-Cov-2 (COVID-19) statistics affect economic policies and political outcomes, governments have an incentive to control them. Manipulation may be less likely in democracies, which have checks to ensure transparency. We show that data on disease burden bear indicia of data modification by authoritarian governments relative to democratic governments. First, data on COVID-19 cases and deaths from authoritarian governments show significantly less variation from a 7 day moving average. Because governments have no reason to add noise to data, lower deviation is evidence that data may be massaged. Second, data on COVID-19 deaths from authoritarian governments do not follow Benford's law, which describes the distribution of leading digits of numbers. Deviations from this law are used to test for accounting fraud. Smoothing and adjustments to COVID-19 data may indicate other alterations to these data and a need to account for such alterations when tracking the disease.

연구 동기 및 목표

• 초기 팬데믹 기간 동안 독재 정부가 보고된 코로나19 확진자 수와 사망자 수 데이터를 조작했는지 평가하기 위해.
• 독재 정부의 데이터가 조작을 시사하는 통계적 이질성을 보이는지 조사하기 위해.
• 통계적 데이터 무결성 지표를 사용하여 독재 정부와 민주 정부 간의 데이터 패턴을 비교하기 위해.
• 변동성 감소와 벤포드의 법칙에서 벗어남이 의도적인 데이터 스무딩 또는 위조를 나타내는지 평가하기 위해.
• 이러한 데이터 조작이 공중보건 정책 및 글로벌 질병 모니터링에 미치는 영향을 부각하기 위해.

제안 방법

• 인위적인 스무딩을 탐지하기 위해 매일의 확진자 수와 사망자 수가 7일 이동평균에서 얼마나 떨어져 있는지 측정하였다.
• 보고된 코로나19 사망자 수의 첫 번째 자릿수에 벤포드의 법칙을 적용하여 위조 데이터에서 흔히 나타나는 이질성을 탐지하였다.
• 기존의 정치 제도 분류 기준에 따라 국가들을 독재 정부 또는 민주 정부로 분류하였다.
• 독재 정부와 민주 정부 간의 데이터 변동성과 벤포드 준수 정도의 차이를 평가하기 위해 통계적 비교 검정을 사용하였다.
• 보고 방식의 일관성을 확보하기 위해 초기 팬데믹 기간(2020년 1월~6월)의 데이터를 중심으로 150개 이상의 국가 데이터를 분석하였다.
• 인구 규모, 검사율, 팬데믹 시기 등을 제어하여 정부 형태가 데이터 패턴에 미치는 영향을 분리하였다.

실험 결과

연구 질문

• RQ1 독재 정부는 민주 정부에 비해 일일 코로나19 확진자 수와 사망자 수의 변동성이 더 낮은가?
• RQ2 독재 정부의 보고된 코로나19 사망자 수가 벤포드의 법칙에서 어느 정도 벗어나는가?
• RQ3 독재 정부의 데이터에서 관찰된 통계적 패턴은 자연적인 변동성보다는 데이터 조작을 시사하는가?
• RQ4 스무딩과 자릿수 분포 측면에서 독재 국가의 데이터 패턴은 민주 국가의 데이터 패턴과 어떻게 비교되는가?
• RQ5 이러한 통계적 이질성이 글로벌 팬데믹 데이터의 신뢰성에 어떤 영향을 미치는가?

주요 결과

• 독재 정부의 데이터는 민주 정부의 데이터보다 7일 이동평균과의 편차가 유의미하게 낮았으며, 이는 데이터 스무딩의 가능성을 시사한다.
• 독재 정부에서 보고된 코로나19 사망자 수는 통계적으로 유의미하게 벤포드의 법칙에서 벗어났으며, 이는 데이터 조작의 알려진 지표이다.
• 이러한 편차가 우연히 발생할 가능성은 낮아, 보고된 수치에 체계적인 조작이 있었음을 시사한다.
• 민주 정부는 일일 확진자 수와 사망자 수의 변동성이 더 높았으며, 이는 데이터 보고에 간섭이 적다는 점과 일치한다.
• 변동성 감소와 벤포드의 법칙 위반의 조합은 독재 정부에서 의도적인 데이터 조작을 지적한다.
• 이러한 발견들은 글로벌 팬데믹 모니터링가 독재 국가에서의 잠재적 데이터 왜곡을 고려해야 하며, 잘못된 정책 결정을 피하기 위해 그러한 왜곡을 고려해야 한다는 것을 암시한다.