1장. 시작하며
2장. 인과관계
3장. 측정
4장. 예측
5장. 발견
6장. 확률
7장. 불확실성
8장. 그다음으로
◈ 이 책에서 다루는 내용 ◈
◆ 사회과학 및 관련 분야의 학생을 위한 분석과 연습 문제
◆ R 프로그래밍을 사용한 실제 실습 지침
◆ 자신의 스킬을 테스트할 수 있도록 실제 연구에서 얻은 40개 이상의 데이터셋
◆ 인과관계, 측정, 예측, 확률, 통계 도구들과 같은 데이터 분석 개념
◆ 샘플 코드 연습문제, 솔루션을 포함한 추가 자료 온라인 제공
◈ 이 책의 대상 독자 ◈
데이터 분석과 통계학을 처음 배우는 모든 사람을 위한 내용을 담고 있다. 산업 현장의 실무 종사자와 배움의 열의가 넘치는 고등학생뿐만 아니라 사회과학 및 다른 분야의 연구자, 대학생, 석사 및 박사 과정에 있는 연구원 모두가 대상 독자다. 이 책은 약간의 기초 대수학 외에는 다른 선행 이수 과목을 요구하지 않는다. 특히 미적분이나 통계에 대한 지식은 없어도 된다. 프로그래밍 경험이 있으면 유용하겠지만 필수는 아니다. 또한 이 책은 데이터 분석을 가르치지 않는, 전통적인 '종이와 연필'로 진행되는 통계학 입문 과정을 이수한 사람에게도 적합하다. 이 책을 통해 데이터 분석의 재미를 발견하게 될 것이다. 여기서는 계량 사회과학 과제를 해결하고자 R을 어떻게 쓸지에 중점을 두고 있지만, R 프로그래밍을 배우고 싶은 사람 역시 이 책이 유용할 수 있다.
◈ 이 책의 구성 ◈
1장에서는 이 책을 어떻게 하면 가장 잘 활용할 수 있는지 설명하며 수요가 높은 오픈소스 통계 프로그래밍 종합 환경인 R도 간략하게 소개한다.
2장에서는 인과관계(causality)를 설명한다. 인과관계는 사회과학 조사 분야에서 중추적인 역할을 담당하는데, 특정 정책이나 프로그램이 종속변수에 영향을 미치는지 여부를 알아내고자 할 때 쓰인다. 처치(treatment)의 무작위 할당이 어떤 방식으로 해당 처치의 평균적인 인과효과(causal effect)를 파악할 수 있게 하는지를 설명한다.
또한 관찰연구(observational study)에서 연구자들이 처치 할당에 대한 통제가 없는 상황에서의 인과추론을 배울 것이다. 관찰연구에서는 선택편향(selection bias)를 줄이고자 사용되는 몇 가지 전략을 소개한다.
3장에서는 측정(measurement)의 기본적인 개념을 소개한다. 정확한 측정은 데이터 주도 발견을 위해 중요하다. 왜냐하면 측정 편향은 잘못된 결론과 잘못된 결정으로 이어질 수 있기 때문이다. 표본조사(sample survey)로 어떻게 여론을 측정하는지를 살펴본다. 그런 다음 비슷한 관측치 그룹을 찾도록 해주는 기본적인 k-평균 클러스터링 알고리즘(k-means clustering algorithm)을 소개한다. 또한 분위수(quantiles), 표준편차(standard deviation), 지니계수(Gini coefficient)와 같은 다양한 데이터 분산의 측정값들을 소개한다. R 프로그래밍 관점에서 일변량(univariate)과 이변량(bivariate) 데이터를 시각화하는 다양한 방법을 소개한다.
4장에서는 예측(prediction)을 다룬다. 특정 사건들의 발생을 예측하는 것은 정책 및 의사결정 과정에서 중요한 요소다. 그리고 다른 변수를 기반으로 한 변수의 값을 예측하는 데 유용한 선형회귀모형(linear regression model)을 소개한다. 선형회귀와의 상관관계를 설명하고 '회귀'라는 용어의 근원인 '평균으로의 회귀(regression towards the mean)에 관한 현상을 살펴본다. 또한 단순한 예측보다는 인과관계를 추정하는 데 회귀모형을 사용할 수 있는지도 논의한다. 그리고 관찰연구에서 인과추론을 위한 회귀단절모형(regression discontinuity design)을 소개한다. 강력하지만 매우 어려운 R 프로그래밍 개념인 루프(loop)와 조건(구)문(conditional statement)을 소개한다.
5장에서는 다양한 종류의 데이터에서 패턴을 발견(discovery)하는 것을 살펴본다. '빅데이터'를 분석할 때는 데이터의 일관된 패턴을 식별하기 위한 자동화된 방법과 시각화 도구가 필요하다. 첫째, 텍스트를 데이터로 분석한다. 둘째, 단위(유닛) 간의 관계 설명에 중점을 두고 네트워크 데이터(network data)의 분석 방법을 보여준다. 마지막으로 지리-공간 데이터를 소개한다. 그리고 몇몇 특수 R 패키지들을 사용해 다양한 데이터를 시각화 기술을 적용한다.
6장에서는 불확실성에 대한 대통일 수학 모델인 확률(probability)로 초점을 옮긴다. 확률은 통계적 추론의 기초가 되기 때문에 중요하며, 그 목적은 추론의 불확실성을 정량화하는 것이다. 확률을 해석하는 두 가지 주요한 관점인 빈도주의자(frequentist)와 베이지안(Beyesian)을 논의하는 것부터 시작한다. 그런 다음 확률과 조건부 확률에 대한 수학적 정의를 제공하고, 확률에 대한 몇 가지 기본 규칙들을 소개한다.
7장에서는 추정값과 예측의 불확실성(uncertainty)을 어떻게 계량화하는지 논의한다. 이전 장들에서는 데이터에서 패턴을 발견하는 다양한 데이터 분석 방법들을 소개했다. 6장에서 제시된 토대 위에 7장에서는 데이터 패턴들에 대해 얼마나 확신해야 하는지 철저히 설명한다. 표준오차, 신뢰구간, 가설검정 등의 계산을 통해서 신호를 노이즈와 구분하는 방법을 보여준다.
8장에서는 이 책을 다 읽을 때쯤 할 수 있는 다음 단계를 간략하게 설명하고 끝맺는다. 계량 사회과학 연구에서 데이터 분석의 역할은 무엇인지도 논의한다.
◈ 지은이의 말 ◈
계량 사회과학은 학문간 상호 교차하는 분야로서 경제학, 정치학, 공공정책, 심리학, 사회학을 비롯한 방대한 수의 학문들을 포괄한다. 계량 사회과학에서 학자들은 사회와 인간행동의 문제를 이해하고 해결하려고 데이터를 분석한다. 예를 들면 연구자들은 노동시장에서의 인종차별을 연구하거나, 새로운 교과과정이 학생들의 학업성취도에 미치는 영향을 평가하거나, 선거 결과를 예측하거나, 사회관계망의 사용을 분석한다. 유사한 데이터 분석 중심의 접근법은 인접 분야인 보건, 법률, 언론, 언어학 및 문학에까지 쓰이고 있다. 사회과학자들은 현실세계의 광범위한 이슈를 직접 연구하기 때문에 그 연구 결과는 사회구성원 개개인, 정부정책, 상업적 관행에 직접적으로 영향을 미칠 수 있다.
누구나 데이터를 분석할 수 있어야 한다는 믿음은 이 책을 쓰게 된 주요 동기다. 이 책은 계량 사회과학 연구에 필요한 데이터 분석의 세 가지 요소를 알려준다. 연구 맥락, 프로그래밍 기법, 통계 방법론이 그 세 가지다. 이 중 하나라도 빠지면 연구 결과가 부실해진다. 연구 맥락 없이는 데이터 연구에 필요한 가정의 신뢰성을 평가할 수 없으며, 실증적 발견이 암시하는 바를 이해할 수 없게 된다. 프로그래밍 기법 없이는 자료를 분석하고 연구 과제의 답을 찾을 수 없을 것이다. 통계학적 원리의 가이드 없이는 신호(signal)라고 알려진 체계적 양식과 노이즈(noise)라고 말하는 잘못된 추론을 이끌어 낼 수도 있는 불규칙한 양식을 구별하기 힘들다. 이 책은 이 세 가지 요소를 결합시킴으로써 얻는 데이터 분석의 힘을 실증적으로 설명한다.
이 책만의 차별점은 이미 출판된 계량 사회과학 학술 연구에서 직접 발췌한 데이터셋 분석을 통해 프로그래밍 기법과 통계적 개념을 동시에 보여준다는 점이다. 사회과학자들이 데이터 분석을 활용해 사회적 문제와 인간 행동양식의 중요한 문제에 해답을 제시하는 것을 목표로 저술했다. 이 책의 사용자들은 기초적인 통계 개념과 기초 프로그래밍 기술을 배우게 될 것이다. 또한 가장 중요한 것은 40개에 달하는 데이터셋을 공부해 데이터 분석에 관한 경험을 쌓을 수 있게 된다는 점이다.
◈ 옮긴이의 말 ◈
이 책보다 뛰어나고 상세한 통계학 및 프로그래밍 책들은 많다. 하지만 이 책의 장점은 통계학적 우수성이 아닌 교수법에 있다. 이 책은 통계학이나 데이터 과학을 전공으로 하지 않은 사람들이 실제로 통계를 사용하고자 할 때 가장 고통스러워하는 부분을 긁어 준다. 통계적 추정이나 측정에 앞서 실제로 사용하게 될 데이터를 먼저 살펴보면서 연구 주제에 따라 어떤 방식으로 분석을 해야 하는지를 시작부터 끝까지 친절히 설명한다. 이것이 이 책을 한국어로 옮기기로 결심한 가장 큰 이유다. 이 책을 대학원 과정 중에 볼 수 있었으면 더할 나위 없이 좋았을 것이라 생각할 만큼 통계 전공자가 아닌 사람이 대학원 과정 동안 수없이 부딪치며 고민했던 많은 방법론에 관한 의문을 쉽게 이해할 수 있게 설명한다.
이 책은 다음과 같은 사람들에게 가장 큰 도움이 될 것이다.
1. 통계학과 경제학 전공을 선택한 학부 신입생
2. 사회과학 전공(예: 경영, 정치외교, 행정)을 선택해 계량 분석에 관심은 있지만, 어디서 시작해야 할지 모르는 학부생
3. 사회과학 전공의 대학원생(석사 및 박사)
4. 사회과학 연구를 하는 연구자
5. 사회과학 자료를 분석하는 실무자
이 책은 다음과 같이 읽어 보자. 먼저 각 장에서 중요한 개념의 설명을 숙지한 후, R 코드를 따라 한다. 어느 정도 개념과 R 코드에 익숙해졌다면 실제로 구할 수 있는 2차 자료(secondary data)와 공부한 방법론을 활용해 어떤 분석 및 연구를 할 수 있는지 대략적인 그림을 그려 본다. 원저자는 주로 정치학 혹은 경제학 관련 데이터를 사용했지만 이를 본인의 분야에서 주로 사용되는 관심 변수로 교체하는 즉시 비슷한 분석이 가능하다. 또한 R은 무료로 사용할 수 있는 통계 프로그래밍 소프트웨어이기 때문에 추가 비용 없이 연습할 수 있다. 되도록 모든 장을 공부하는 것이 바람직하지만 시간이 부족한 경우에는 1장에서 4장까지라도 공부해 보자.
중고단행본
바보 빅터
