[논문 리뷰] Beyond subjective and objective in statistics

Andrew Gelman, Christian Hennig|arXiv (Cornell University)|2015. 08. 22.

Philosophy and History of Science참고 문헌 47인용 수 4

한 줄 요약

논문은 통계학에서 '주관적'과 '객관적'이라는 이元적 프레임워크를 도전하며, 이에 대체할 더 넓은 비대칭적 특성—투명성, 합의, 공정성, 현실과의 부합성(객관성에 해당) 및 다양한 관점과 맥락 의존성 인식(주관성에 해당)을 제안한다. 이러한 전환은 규범적 논쟁을 넘어서 상호보완적이고 건설적인 통계적 방법 평가를 가능하게 한다.

ABSTRACT

We argue that the words "objectivity" and "subjectivity" in statistics discourse are used in a mostly unhelpful way, and we propose to replace each of them with broader collections of attributes, with objectivity replaced by transparency, consensus, impartiality, and correspondence to observable reality, and subjectivity replaced by awareness of multiple perspectives and context dependence. The advantage of these reformulations is that the replacement terms do not oppose each other. Instead of debating over whether a given statistical method is subjective or objective (or normatively debating the relative merits of subjectivity and objectivity in statistical practice), we can recognize desirable attributes such as transparency and acknowledgment of multiple perspectives as complementary goals. We demonstrate the implications of our proposal with recent applied examples from pharmacology, election polling, and socioeconomic stratification.

연구 동기 및 목표

• 통계학적 논의에서 '주관적'과 '객관적' 간의 생산적이지 않은 이元적 대비를 비판함으로써, 이는 종종 체계적 평가를 저해하기 때문이다.
• 실제 응용 통계 분야에서 방법론적 선택이 비통계적 기준에 의해 영향을 받는 현실 문제를 다루며, 이러한 선택들이 비난의 대상이 되는 '주관적'이라는 표현으로 낙인찍히는 것을 방지하기 위함이다.
• 극단적인 용어 대신 상호보완적이고 실행 가능한 특성으로 대체함으로써, 통계적 방법 평가를 더 세련되고 건설적인 프레임워크로 전환하고자 한다.
• 이 새로운 프레임워크가 약리학, 선거 여론조사, 사회경제 분석 분야의 응용 연구에서 투명성과 정당화 가능성을 어떻게 향상시키는지 보여주고자 한다.
• 연구자들이 '객관성'을 빌미로 숨기거나 '주관적'이라고 거부하는 방식으로 메타적 결단을 회피하기보다는, 방법론적 결단을 명시적으로 인정하고 정당화하도록 장려하고자 한다.

제안 방법

• ‘객관적’과 ‘주관적’이라는 용어를 투명성, 합의, 공정성, 관찰 가능한 현실과의 부합성이라는 네 가지 핵심 특성으로 대체한다.
• '주관성'을 두 가지 상호보완적 특성—다양한 관점에 대한 인식과 맥락 의존성—으로 재정의한다.
• 이러한 재정의된 특성을 통계적 방법 평가 기준으로 사용하여, 방법론적 선택에 대해 적대적이지 않은 평가가 가능하도록 한다.
• 실제 사례에 이 프레임워크를 적용한다: 약리학에서의 계층 모델링, 선거 여론조사에서의 설문 조정, 사회경제적 계층 분석에서의 군집 분석.
• 모형 형태, 사전 분포, 가정 등 모형 결단에 대해 투명성과 다른 시각에 대한 참여를 통해 명시적 정당화를 주장한다.
• 모든 통계적 방법이 가정에 의존하며, 주관성을 제거하는 것이 목표가 아니라, 주관성을 드러내고 정당화할 수 있도록 하는 것이 핵심임을 강조한다.

실험 결과

연구 질문

• RQ1 통계학에서 전통적인 '주관적 대비 객관적' 이원론은 어떻게 개선되어야 하며, 더 건설적인 방법론적 논의를 가능하게 할 수 있는가?
• RQ2 '객관성'과 '주관성'을 대체할 수 있는 특성은 무엇이며, 이는 대립이 아닌 상호보완적 평가를 가능하게 하는가?
• RQ3 모형 형태, 사전 분포, 자료 처리와 같은 응용 통계에서의 방법론적 선택은 명시적 정당화와 투명성이 어떻게 향상되는가?
• RQ4 맥락 의존성과 다양한 관점은 통계적 추론의 신뢰성에 어떻게 기여하는가, 혹은 이를 약화시키지 않는가?
• RQ5 모든 방법론이 가정과 선택을 수반한다는 사실을 인정함으로써 통계적 실천은 어떻게 개선될 수 있는가? 즉, 순수하게 '객관적'이라고 가정하는 대신 말이다.

주요 결과

• ‘객관적’과 ‘주관적’이라는 용어는 통계학적 논의에서 도움이 되지 않으며, 이는 상호 배제를 암시함으로써 방법론적 선택에 대한 건설적 대화를 저해한다.
• '객관성'을 투명성, 합의, 공정성, 관찰 가능한 현실과의 부합성으로 대체함으로써, 더 정당화 가능하고 견고한 통계적 실천이 가능해진다.
• '주관성'을 다양한 관점에 대한 인식과 맥락 의존성으로 재구성함으로써, 방법론적 다원성과 더 나은 과학적 소통이 가능해진다.
• 제안된 프레임워크는 모형 선택, 사전 분포 설정, 모형 형태 결정 등의 명시적 정당화를 장려함으로써, 검증 가능하고 정당화 가능한 방식으로 응용 연구를 향상시킨다.
• 많은 영향력 있는 논문들이 투명성과 정당화의 가치를 충족하지 못하고 있어, 통계 보고 및 평가 분야의 체계적 개선이 필요하다는 것을 시사한다.
• 이 프레임워크는 연구자들이 방법론을 '주관적' 또는 '객관적'이라고 평가하기보다는, 더 투명하고, 더 합의 가능하며, 더 맥락에 적합한 정도로 평가할 수 있도록 하여, 더 나은 과학적 합의를 이끌어낸다.