Paperis 아티클
논점은 보정을 적게 하라는 것이 아니라 자리다. 노출에서 결과로 가는 경로 위의 변수를 보정하면 있던 효과가 사라지거나 방향이 뒤집히고, 노출과 결과가 둘 다 영향을 준 변수를 보정하면 없던 연관이 생긴다. 둘 다 실제 논문에서 답의 방향을 뒤집은 적이 있다. 다만 충돌부 편향은 만능 설명이 아니다.
이 글은 AI가 연구 논문을 바탕으로 작성한 교육·정보 제공용 콘텐츠이며, 전문가의 조언을 대체하지 않습니다. 오류를 발견하셨나요? 알려주세요
© 2026 네오쿤스(Paperis) · 링크 공유는 환영합니다. 전문 전재·재배포는 사전 허가가 필요합니다.
이탈리아 롬바르디아의 3차 신생아집중치료실 열 곳이 1999년부터 2002년까지 받은 아기들 이야기로 연다. 재태 23~32주에 1,500그램 미만으로 태어난 1,314명 가운데 1,118명이 생후 36주까지 살아남았고, 그중 15.9%가 기관지폐이형성증이라는 폐 질환으로 갔다. 82%는 태어나기 전에 엄마를 통해 스테로이드를 받았다.
연구진의 질문은 그 스테로이드가 이 폐 질환을 막아 주느냐였다. 두 군을 그냥 비교했을 때는 유의한 보호효과가 없었다. 그런데 통계 모형을 두 가지로 돌리자 답이 갈렸다. 기계환기 여부, 중증도 점수, 동맥관개존 — 이 셋을 모형에서 빼면 스테로이드를 받은 아기의 위험이 낮았다(오즈비 0.59, 95% 신뢰구간 0.36–0.97, P = 0.036). 셋을 모형에 넣으면 스테로이드의 효과는 사라졌다 (PMID 17564592).
같은 자료, 같은 노출, 같은 결과다. 변수 세 개를 넣었느냐 뺐느냐가 답을 갈랐다.
앞 글은 "연령·성별·BMI 보정"이라는 한 줄이 무엇을 지웠다는 뜻이 아니라, 그 변수들을 인과 구조의 어느 자리에 놓았다는 주장이라고 했다. 보정할지 말지를 가르는 자리가 셋이었다 — 노출과 결과의 공통 원인인 교란변수, 노출에서 결과로 가는 경로 위의 매개변수, 노출과 결과가 둘 다 영향을 주는 충돌부. 이 글은 뒤의 둘을 따라간다. 경로 위의 변수를 보정하면 있던 효과가 사라지거나 방향이 뒤집히고, 노출과 결과가 함께 영향을 준 변수를 보정하면 없던 연관이 생긴다.
미리 못 박아 둔다. 이 글의 논점은 "보정을 적게 하라"가 아니다. 양이 아니라 자리다. 아래에는 보정을 더 해서 편향을 걷어 낸 사례도 나온다. 새로 배울 말은 셋이다 — 과보정, 선택편향, 공변량 선택.
⚠️ 아래 나오는 약과 병과 수치는 전부 방법론적 사례다. 어떤 치료가 좋고 나쁜지에 대한 판단이 아니고, 각 숫자는 그 연구의 설계와 대상과 시점 안에서만 뜻을 가진다.
인상이 아니라 세어 본 결과다. 2021년 1월부터 2023년 10월까지 영향력 높은 저널에 실린 장기 대기오염 코호트 연구 175편을 검토한 방법론 연구가 있다. 변수 선택 근거를 판정했더니 122편(69.7%)이 과보정 가능성을 보였다. 그중 120편(68.6%)은 매개변수를, 2편(1.1%)은 매개변수와 충돌부를 함께 보정했다. 가장 흔히 보정된 매개변수는 체질량지수로 98편(56.0%), 다음이 고혈압으로 25편(14.3%)이었다.
같은 조사에 뒷면이 있다. 어느 변수가 어느 변수를 일으킨다고 보는지를 화살표로 적어 둔 그림, 곧 인과 다이어그램을 쓴 연구는 26편(14.9%)뿐이었는데, ().
문헌고찰 쪽도 세어 봤다. 사회경제적 지위와 건강의 연관을 다룬 체계적 문헌고찰·메타분석 84편(문헌고찰 47편, 메타분석 37편)을 2021년 4월까지 검색해 검토한 메타연구다. 노출과 결과를 명확히 정의한 것은 73%였지만 나머지는 전부 55% 미만이었다 — 교란변수와 매개변수를 구분해 정의한 것 5%, 인과 다이어그램을 그린 것 2%, 보정한 변수를 보고한 것 35%. 편향 위험 평가에 과보정을 넣은 것은 2%, 교란은 54%였다. 저자들이 이걸 중대한 문제로 보는 이유도 적혀 있다 — 과보정 편향은 건강 불평등의 크기를 치우치게 추정하게 만들 가능성이 크고, 개입을 설계하려면 그 크기가 정확해야 하기 때문이다 (PMID 38129958).
과보정은 넣지 말았어야 할 자리의 변수를 넣는 것이다. 이름은 "너무 많이 보정했다"처럼 들리지만 뜻은 그게 아니다. 앞의 신생아 사례에서 기계환기와 중증도와 동맥관개존은 스테로이드가 줄여 준 것들이면서 동시에 폐 질환의 위험인자였다. 즉 스테로이드가 효과를 내는 통로 위에 서 있었다. 그 통로를 붙잡아 놓고 효과를 재면 스테로이드가 통로를 통해 한 일이 계산에서 빠진다. 남는 것은 "통로를 제외한 나머지"인데, 우리가 물은 것은 그게 아니었다. 저자들이 내린 결론도 그것이다 — 인과 사슬 위의 매개변수가 될 수 있는 변수를 넣으면 치료의 보호효과를 탐지하는 능력이 가려질 수 있고, 이 자료에서 스테로이드의 효과는 부분적으로 고전적 위험인자를 줄이는 것을 통해 매개된 것으로 보인다는 것이다 (PMID 17564592).
이 말이 오래 일관되지 않게 쓰였다는 지적과 함께 정의를 정리한 2009년 논문이 있다. 과보정 편향은 노출에서 결과로 가는 인과 경로 위의 중간변수, 또는 그 중간변수에서 뻗어 나온 대리변수를 통제하는 것이다. 구분할 것이 불필요한 보정인데, 치우침에는 영향을 주지 않지만 정밀도에는 영향을 줄 수 있는 변수를 통제하는 경우다. 저자들은 산모 흡연이 신생아 사망에 미치는 효과를 예제로 이 구분을 보이고 시뮬레이션으로 치우침의 크기를 잰 뒤, 두 가지를 더 못 박는다. 이 치우침은 교란이나 선택 편향과는 다른 인과 구조에서 나온다는 것, 그리고 표본이 작아서 생기는 문제가 아니라는 것이다 — 반면 불필요한 변수 때문에 생기는 비효율은 표본 크기의 함수다 (PMID 19525685).
효과가 옅어지는 데서 끝나지 않는다. 부호가 바뀐 사례가 있다.
임신 주수에 견줘 작게 태어난 아기, 곧 부당경량아로 태어난 것이 나중의 비만을 일으키는지 물은 연구들은 아동기·성인기의 지방량 증가와 연관된다는 결론을 내려 왔는데, 그 분석들은 비만을 잴 때 같은 시점에 잰 키·체중·체질량지수를 함께 "보정"한 것이었다. 이 관행이 만들 편향을 보려고, 1996~1997년에 태어나 2008~2010년 만 11.5세까지 추적된 벨라루스 아동 코호트 자료 하나로 두 가지 분석을 나란히 돌린 연구가 있다. 출발 시점에 잰 변수들만 보정했을 때, 부당경량아 출생은 모든 지방량 결과 — 피부주름두께와 생체전기저항으로 잰 체지방 — 와 음(-)의 연관을 보였다. 여기에 동시 측정한 체중이나 체질량지수를 추가로 보정하자 그 연관은 양(+)으로 뒤집혔다. 저자들은 이 측정치들을 매개변수로 놓고 통제된 직접효과도 따로 추정했는데, 키로 모형화했을 때는 첫 번째 분석과 비슷했고, 체질량지수로 모형화했을 때는 영값이었으며, 체중으로 모형화했을 때는 제지방량과 지방량의 차이 때문에 교란돼 있었다 (PMID 28338874).
조건을 함께 기억해야 한다. 뒤집힌 것은 이 한 코호트에서, 지방량을 잰 그 시점에 함께 잰 체중이나 체질량지수를 넣었을 때다. "보정하면 부호가 바뀐다"는 일반 법칙이 아니다. 다만 개별 저자의 부주의로 넘기기에는 같은 변수가 너무 자주 나온다 — 대기오염 코호트 175편에서 가장 흔히 보정된 매개변수가 바로 체질량지수였다 (PMID 41671745).
이 문헌은 문제만 제기하고 끝내지 않았다. 여기서 세 번째 용어가 나온다. 공변량 선택은 모형에 어떤 변수들을 넣을지 정하는 일이다. 앞의 175편 조사에서 변수 선택에 인과 다이어그램을 쓴 것은 26편(14.9%)뿐이었다 (PMID 41671745). 나머지는 대개 통계적 절차로 고른다 — 유의한 변수를 넣거나, 넣었을 때 추정치가 크게 움직이는 변수를 넣는 식이다. 그런데 앞에서 봤듯 자리가 잘못된 변수는 넣으면 추정치를 크게 움직인다. 움직인다는 것이 넣어야 할 이유가 되지 못한다.
사회역학의 변수 선택을 다룬 입문 논문 하나가 세 단계를 제시한다. 첫째는 연구 질문과 관심 있는 인과효과를 분명히 하는 것이다. 둘째는 전문지식과 이론을 써서 변수들 사이의 관계에 대한 가정을 인과 다이어그램으로 그리는 것이다. 셋째는 그 다이어그램에 근거해 교란에 대한 보정은 최대화하고 매개변수에 대한 보정은 최소화하는 변수 집합을 고르는 것이다. 이 논문은 과보정 편향이 사회역학에서 흔하면서도 충분히 인식되지 않은 문제로 남아 있다고 적는다 (PMID 35662623).
더 형식적인 기준도 있다. 역학 방법론 튜토리얼 하나는 이렇게 하라고 말한다. 노출보다 앞선 변수 중 노출이나 결과 또는 둘 다에 영향을 주는 것은 다 넣어라. 다만 노출에만 영향을 주고 결과에는 노출을 거쳐서만 닿는 변수는 빼라. 그리고 노출과 결과의 공통 원인을 직접 재지 못했다면 그것을 대신할 변수를 넣어라. 이 규칙에 붙은 이름이 수정 이접 원인 기준이다. 같은 논문 서두의 경고 한 줄이 이 절의 요약에 가깝다 — 표본이 커도 체계적 오차가 있으면 정밀하게 부정확한 추정치가 나올 수 있다 (PMID 38972732).
앞 절의 사고는 있던 것이 사라지는 쪽이었다. 이 절의 사고는 없던 것이 생기는 쪽이다.
2026년에 나온 한 연구가, 익명화된 전자의무기록 자료로 대조군을 어떻게 정의하느냐가 추정치를 얼마나 흔드는지 보이려고 회전근개 파열을 조사했다. 이 병은 진단에 영상검사가 흔히 필요하기 때문에, 대조군도 영상검사를 받은 사람으로 뽑아야 공정하다는 주장이 있어 왔다. 그런데 영상검사를 받았다는 것은 증상이 있었다는 뜻이고, 증상은 노출과 결과가 함께 밀어 올리는 변수다. 즉 영상검사 여부는 충돌부에서 뻗어 나온 변수다.
연구진은 대조군을 두 가지로 구성해 — 영상검사를 받은 사람들로만 뽑은 대조군과 그 조건을 걸지 않은 대조군 — 체질량지수·1형 당뇨·2형 당뇨와 회전근개 파열의 연관을 나란히 쟀다. 환자군은 대조군보다 나이가 많고 관절염(57%)·인대질환(9%)·이전 어깨손상(99%)이 더 많았는데, 영상검사를 요구한 대조군은 환자군을 더 닮아 있었다 — 관절염 9% 대 1%, 인대질환 6% 대 2%, 이전 어깨손상 54% 대 7%. 1형 당뇨 유병률은 환자군 3%, 영상검사 대조군 4%, 비영상 대조군 1%였다(전국 수준 약 1%).
세 노출 중 초록이 결과를 보고한 1형 당뇨에서 이렇게 갈렸다 — 영상검사를 요구하지 않은 대조군을 쓰면 양(+)의 연관(보정 오즈비 1.78, 95% 신뢰구간 1.64–1.92), 영상검사를 요구한 대조군을 쓰면 음(-)의 연관(0.75, 0.57–0.97)이었다 (PMID 42223248). 같은 자료, 같은 노출, 같은 결과인데 대조군을 정의하는 방식 하나로 결론이 반대가 됐다. 저자들이 이 연구로 보이려 한 것이 정확히 그것이다 — 충돌부에서 뻗어 나온 변수에 조건을 거는 것만으로 추정치가 결론을 뒤집을 만큼 흔들릴 수 있다는 것.
여기서 두 번째 용어가 필요하다. 선택편향은 누가 표본에 들어왔느냐 때문에 생기는 치우침이다. 회귀모형에 변수를 넣지 않아도 일어난다. 앞의 회전근개 연구에서 대조군에 영상검사 조건을 건 것이 그 예다 — 그 순간 분석은 "영상검사를 받은 사람들" 안에서만 이뤄지고, 그 집단 안에서는 원래 없던 관계가 보인다.
정의를 통일하자는 제안이 있다. 선택 과정 이전의 인구를 참조 인구라 부르고, 표본을 거기서 골라 냈기 때문에 참 인과효과에서 벗어난 모든 치우침을 선택편향이라 하자는 것이다. 그 아래 갈래가 둘이다. 하나는 충돌부나 그 후손 변수의 한 값으로 표본을 좁혀서 생긴다. 다른 하나는 효과의 크기가 그 값에 따라 달라지는 변수의 한 값으로 좁혀서 생긴다. 둘은 같이 일어날 수도 있다 (PMID 35700187). 더 짧은 정리도 있다. 임상연구에서 선택이 있다고 해서 반드시 선택편향이 되는 것은 아니며, 언제 그렇게 되는지 알려면 충돌부에 조건을 거는 편향을 이해해야 한다는 것 — 그리고 이 편향은 흔하고 알아보기 어렵고 대개 자초한 것이라는 지적이다 (PMID 39891549).
전자의무기록을 다시 쓰는 연구가 왜 특히 위험한지 정리한 튜토리얼도 있다. 미국의 의료 접근과 이용의 성격 때문에, 이 자료를 재사용하면 의료이용 자체라는 흔한 충돌부에 암묵적으로 조건을 걸게 된다. 병원 기록에 남으려면 병원에 왔어야 하기 때문이다 (PMID 36752649).
대규모 단면·코호트 연구에서 흔히 이런 선택은 대표성과 유병률 추정에는 영향을 줘도 연관 추정에는 큰 영향을 주지 않는다고 가정된다. 그 가정을 정면으로 반박한 논문이 있다. 선택이 충돌부에 조건을 거는 것과 같은 일을 하기 때문에, 연구 진입이나 탈락에 대한 적당한 정도의 영향만으로도 표현형 연관과 유전형 연관 모두에서 치우치고 오도할 수 있는 추정치가 나온다는 것을 시뮬레이션으로 보였다. 처방은 둘이다 — 표본이 어떤 인구를 대표하는지 아는 것, 그리고 선택과 탈락에 영향을 준 요인을 알 수 있다면 보정할 수 있다는 것이다 (PMID 29040562).
코로나19 초기 관찰연구에도 같은 경고가 나왔다. UK Biobank 자료에서 코로나 검사를 받은 참가자들이 더 넓은 코호트에 비해 유전·행동·심혈관·인구학·인체계측 형질의 여러 축에서 크게 선택돼 있었다. 저자들은 기존 연구에서 충돌부 편향을 탐색해야 한다고 적으면서도, 최적의 완화책은 설계 단계에서 적절한 표집 전략을 쓰는 것이라고 맺는다 (PMID 33184277).
"그럼 대표성 있는 코호트를 쓰면 되지 않나"에도 답이 있다. 생존·이민·이주처럼 어떤 인구에서든 일어나는 선택 과정 때문에 이 기전은 '대표성 있는 코호트'에서도 일어난다. 피에몬테 지역 자료로 예를 보인 뒤 저자들이 내린 결론은, 출처 인구가 다르면 두 군을 서로 바꿔 놓고 봐도 될 만한 정도, 곧 교환가능성이 무너지는 정도도 달라지지만 어느 한쪽이 본질적으로 덜 치우쳐 있는 것은 아니다라는 것이다. 핵심은 관련 위험인자를 식별하고 통제할 수 있는가다 (PMID 30804046).
글루코사민은 관절통과 골관절염에 널리 쓰이는 보충제인데, 무작위 시험 결과는 결론이 나지 않은 반면 관찰연구들은 사망률과 암 발생의 유의한 감소를 보고해 왔다. 이 이득이 편향, 특히 선택편향으로 설명되는지 본 연구가 있다. 관찰연구 11편을 찾았고, 그 11편이 각각 보고한 전체 사망 감소를 평균하면 16%였다(해저드비 0.84, 0.81–0.87 — 해저드비는 앞에서 다룬 위험비·오즈비와 또 다른 지표로, 매 시점의 사건 발생 속도의 비다). 암 발생과 심혈관·호흡기·당뇨 등에서도 감소가 보고돼 있었다.
저자들이 보인 것은 이 유의한 효과들이 충돌부 층화에 의한 선택편향에서 나올 수 있다는 것이다. 모든 연구가 코호트에 들어오기 전부터 이미 글루코사민을 먹고 있던 사람들의 코호트를 썼고, 참가자들이 코호트 참여에 동의한 사람들이었기 때문이다. 50만 명 규모의 UK Biobank 논문을 예로 든 시연에서, 인구 전체에서 사망 발생률비가 참으로 1.0일 때 이런 코호트에서는 0.82로 치우칠 수 있음을 보였다. 저자들이 결론에 적은 문장은 더 단정적이다 — 유의한 감소를 보고한 이 관찰연구들은 충돌부 층화에서 오는 선택편향의 영향을 받았다는 것이다.
읽을 것을 분명히 해 둔다. 이 연구는 그 보충제가 사망을 줄인다고도 늘린다고도 말하지 않는다. 저자들이 쓴 것은, 이 편향을 '이제 막 먹기 시작한 사람'을 대상으로 우회하는 관찰연구가 제대로 수행되기 전까지는 지금까지의 연구들이 이 보충제를 사망·암·기타 만성질환의 예방 목적으로 처방하는 것을 뒷받침할 수 없다는 것이다 (PMID 36029480).
말라리아 중에서도 가장 위험한 종류를 다룬 대규모 자료가 있다. G6PD 결핍이라는 유전 형질을 가진 사람에게서, 뇌를 침범하는 말라리아는 덜 생기고 심한 빈혈은 더 생긴다는 보고였다. 여기에 설명이 하나 붙었다 — 죽는 길이 둘인데 한쪽 위험이 낮아지고 다른 쪽이 높아지니 진화적으로 이득이 된다는 것이었다. 이를 인과 다이어그램으로 재분석한 연구는 그 주장이 충돌부 편향의 대상임을 보였고, G6PD 결핍이 빈혈에 미치는 알려진 효과의 세기를 바꿔 가며 돌린 시뮬레이션 민감도분석에서 이 편향만으로 관찰된 연관 전부를 설명하기에 충분함을 보였다. 저자들의 권고는 앞으로 이 분야 연구가 인과추론을 활용하라는 것이다 (PMID 30688212).
입원한 코로나19 환자만 보는 상황은 이미 충돌부에 조건이 걸린 상태다. 인과 다이어그램을 그려 백신 접종과 코로나19 사망의 관계를 세 가지 모형으로 비교한 연구가 있다. 접종만 넣은 모형 1에서는 백신이 사망을 예방한다는 증거가 나타나지 않았다. 입원에 조건이 걸려 생긴 편향을 걷어 내려고 연령을 공변량으로 넣은 모형 2에서는 백신의 보호 역할이 드러났고, 만성질환을 추가한 모형 3에서는 조금 더 강해졌다. 저자들의 결론은 입원 환자를 연구하는 것이 충돌부 층화 편향의 대상이 되며, 교란과 마찬가지로 이 유형의 선택편향도 입원에 영향을 주면서 결과의 위험인자이기도 한 변수를 회귀모형에 넣어 보정할 수 있다는 것이다 (PMID 38111522).
선택이 이미 일어난 뒤에는, 그 선택에 영향을 준 변수를 보정하는 것이 편향을 걷어 내는 길이 되기도 한다. 앞의 대규모 코호트 논문이 붙인 처방도 같은 방향이었다 (PMID 29040562). 논점은 개수가 아니라 자리다.
충돌부는 이 글에서 가장 재미있는 개념이라 손에 쥐면 모든 역설에 갖다 대고 싶어진다. "그 역설? 충돌부야"는 이 글이 남기려는 말이 아니다. 이 주장에 직접 제동을 건 논문이 셋 있다.
첫째. 비만이 사망률 감소와 연관된다는 이른바 '비만 역설'의 흔한 설명이 충돌부 층화 편향이다. 이를 현실에 가깝게 만든 모의 자료로 검정한 연구가 있다. 노출을 비만, 결과를 사망, 매개변수를 당뇨로 놓고 미측정 교란변수를 넣은 여러 시나리오에서 반사실적 인과분석으로 치우침을 계산했다. 충돌부 층화가 인과효과의 추정을 치우치게 만든다는 것은 확인됐다. 다만 그 치우침은 변수들 사이의 인과관계에 비하면 작았다. 저자들의 결론은 이렇다 — 충돌부 편향은 비만 역설의 부분적 설명은 될 수 있지만 참 인과관계와 반대 방향의 연관을 만들어 낸 주된 설명일 가능성은 낮으며, 다른 설명을 찾아봐야 한다 (PMID 27075676).
둘째. 전립선암의 '역(逆) 비만 역설'에서도 같은 결론이 나왔다. 체질량지수가 진단과는 음의 연관(5 kg/m² 증가당 해저드비 약 0.9)인데 전립선암 특이 사망과는 양의 연관(약 1.2)인 현상이다. 연구진은 이항 자료를 시뮬레이션하면서 충돌부 편향을 만들 수 있는 미측정 배경변수를 넣고, 그 변수를 보정한 값과 안 한 값의 차이로 편향 백분율을 계산했다. 전립선암에서 있을 법한 값들을 폭넓게 넣어 봐도 충돌부 편향이 체질량지수와 전립선암 사망의 오즈비를 4% 넘게 왜곡하지 못했다 — 연속형 체질량지수로 치면 ±0.04 흔들리는 정도다. 고전적 교란이 왜곡할 여지는 그보다 컸다. 저자들의 결론은, 충돌부 편향만으로는 (특히 국소) 전립선암의 역 비만 역설을 설명하기 어렵고 이는 관찰된 양의 관계가 실재일 가능성을 뒷받침하는 기전적 근거를 보강한다는 것, 그래서 다른 기전을 탐색하는 일이 중요하다는 것이다 (PMID 40231651).
셋째. 문헌 전체의 온도를 잰 체계적 문헌고찰도 있다. 선택편향과 충돌부 제한 편향이 내적 타당도의 위협으로서 개념적으로 통합돼 왔다면 그 영향에 대한 결론도 맞아야 하지 않겠느냐는 것이 출발점이었다. 2000년 1월부터 2024년 7월까지의 영어 방법론 논문과 일반역학 교과서를 검색해, 내적 타당도에 초점을 맞추면서 두 편향의 크기·방향을 논한 문헌을 추렸다(논문 5,508편 중 33편, 교과서 205권 중 12권). 충돌부 편향을 다룬 문헌들은 그 영향을 미미한 것으로 전달했고, 선택편향을 다룬 문헌들은 다양한 영향을 기술했다. 저자들은 한정을 붙인다. 대부분의 충돌부 편향 문헌이 노출과 결과 사이에 아무 관계가 없다고 가정한 조건에서 편향을 평가했다는 점, 그리고 상호작용의 역할과 영향을 받는 층에 대한 논의가 두 갈래 문헌에서 달랐다는 점이다. 그래서 제안은 그 가정을 걸지 않은 조건에서 충돌부 편향을 조사하고, 충돌부의 원인들 사이의 곱셈적·덧셈적 상호작용을 함께 고려하자는 것이다 (PMID 40167168).
여기에 우리 논점을 덧붙인다. "작더라"가 정답인 것도 아니다. 앞에서 본 말라리아 사례에서는 충돌부 편향만으로 관찰된 연관 전부를 설명하기에 충분했고 (PMID 30688212), 회전근개 사례에서는 결론의 부호가 뒤집혔다 (PMID 42223248). 크기는 사안마다 다르다. 그래서 "이건 충돌부다"는 설명의 끝이 아니라 재 봐야 할 것의 이름이다. 위의 세 논문은 전부 시뮬레이션이나 문헌 검토로 크기를 재고 나서 결론을 냈다는 점도 함께 봐야 한다.
이 분야는 용어 자체가 정리되는 중이다. 한 논평은 충돌부 층화 편향을 둘로 나눌 것을 제안한다 — 충돌부나 그 후손 변수의 한 수준으로 제한해서 생기는 충돌부 제한 편향과, 회귀모형에 충돌부를 포함해서 생기는 충돌부 보정 편향이다. 후자를 선택편향으로 분류하면 의미상 혼동이 생긴다는 것이 논지다 — 회귀모형에 변수를 하나 넣는 것은 분석할 표본을 고르는 일이 아니기 때문이다. 저자들의 제안은 후자를 과보정 편향의 한 종류로 보자는 것이다 (PMID 37939152).
이 제안이 맞다면 이 글의 두 절은 사실 하나다. 경로 위의 변수를 넣는 것도, 노출과 결과가 함께 영향을 준 변수를 넣는 것도, 넣지 말았어야 할 자리의 변수를 넣은 것이다.
아래 「근거 논문」에 인용한 21편을 주제별로 한 줄씩 정리해 뒀다 — 과보정과 공변량 선택 7편, 충돌부와 선택편향 8편, 과대적용 제동 3편, 용어 3편이다.
"보정했다"는 문장을 만나면 개수를 세지 말고 자리를 물어라. 그리고 표에 실린 변수 목록만이 보정이 아니다 — 누구를 표본에 넣었는지, 대조군을 어디서 뽑았는지도 같은 일을 한다.
이 규칙이 "그러니 그 역설은 충돌부다"로 쓰이면 이 글은 실패한 것이다. "이건 충돌부다"라는 말을 만나면 그 크기를 잰 문단이 그 논문 어디에 있는지를 찾아라. 위의 세 논문은 전부 재고 나서 결론을 냈다 — 한쪽에서는 편향만으로 관찰된 연관 전부를 설명하기에 충분했고, 다른 쪽에서는 오즈비를 4% 넘게 왜곡하지 못했다.