Cirone & Pepinsky 2022

Cirone & Pepinsky (2022) — "Historical Persistence"

Annual Review of Political Science 25: 241-259

1. 핵심 질문 (Puzzle)

방법론 리뷰 논문이다. 개별 실증연구가 아니라, 이 분야 전체가 어떤 연구설계를 쓰고, 어떤 주제를 다루며, 어떤 방법론적 난제에 직면해 있는지를 지도화(mapping)한다.

2. 핵심 정의

저자들은 역사적 지속성을 다음 두 조건을 만족하는 인과효과로 좁게 정의한다:

(a) 10년 이상의 시간 규모에서 작동하고, (b) 정치·경제·사회적 결과의 공간적 변이(spatial variation)를 설명하는 인과효과

이 정의는 "포르투갈 식민주의가 오늘날 브라질을 포르투갈어권 국가로 만들었다"는 식의 일반적 역사 서술과 지속성 연구를 구분한다. 후자는 공간적 변이를 설명하지 않기 때문에(즉 비교 대상이 없기 때문에) 이 문헌의 범위 밖이다. 핵심 분석과제는 "공간적으로 변이하는 변수가 상당한 시간적 거리를 두고 미치는 효과"를 추정하는 것.

그러니까, 포르투갈-브라질 예시는 처치 자체에 변이가 없어서(브라질 전체가 다 식민지였으니까) 이런 비교가 원천적으로 불가능

또한 이 문헌은 서사적(narrative) 역사 설명과 달리, 통계적 상관관계에 정밀한 연구설계를 통해 인과적 의미를 부여하는 방식을 특징으로 한다. 즉 "역사가 중요하다"를 정성적으로 서술하는 게 아니라 정량적으로 식별하는 접근.

3. 분야의 기원과 5단계 방법론

이 문헌은 Acemoglu, Johnson & Robinson(2001, 2002) 두 논문에서 시작된 것으로 본다(식민지 기원 연구). AJR의 기여가 새로웠던 이유는 질문 자체가 아니라(선행연구도 있었음), 역사적 데이터 + 인과식별 프레임워크의 결합이었다.

인과변수(causal variable)를 정의하고 측정

그 변수의 배정 메커니즘(assignment mechanism)을 특정

결과변수(outcome variable)를 정의하고 측정

배정 메커니즘에 적합한 연구설계로 인과효과 추정

원인과 결과를 잇는 인과 메커니즘을 규명

4. 문헌 범위 조사 (편향된 지역 분포)

저자들이 9개 정치학 저널 + 5개 경제학 저널(2000~2021)을 서베이한 결과:

시간 규모: 정치학 논문의 59%가 "10년 단위" 지속성(경제학은 44%)을 보임. 즉 정치학은 상대적으로 더 짧은 시간대 지속성을 다룸

지역 편중: 대부분 유럽(특히 독일) 또는 글로벌 범위 연구에 쏠려 있음. 아시아에선 인도가 압도적, 사하라이남 아프리카는 "개별국가"보다 "아프리카 전체"를 다루는 논문이 더 많음

분석 단위(unit of analysis)가 지역마다 다른 정교함으로 다뤄지고 있음. 즉 인도는 "미시적으로" 촘촘하게 연구되는데, 아프리카는 "국가 자체를 하나의 뭉뚱그려진 케이스"로 취급받는 경향
아프리카 개별 국가 내부의 이질성(예: 나이지리아 북부와 남부의 차이)이 연구에서 잘 포착되지 못하고 있다는 신호이거나, 아니면 연구자들이 아프리카를 "하나의 균질한 사례"처럼 다루는 암묵적 편향을 반영하는 것일 수 있음

일반화 가능성(external validity) 문제

이 분야의 "보편적" 이론들이 사실은 특정 소수 지역(주로 독일, 인도)의 특정 자료 가용성에 기반해 만들어졌고, 다른 지역(특히 아프리카 개별국가들)에서는 같은 정밀도로 검증된 적이 없음

연구 클러스터: 식민지 지배의 성격, 식민 이전 국가형태, 홀로코스트·대량폭력의 유산, 집적/인프라, 노예제 유산

5. 왜 역사적 원인은 지속되는가?

메커니즘	정의	특징
균형 의존(Equilibrium dependence)	시스템의 초기 특성이 장기 균형 상태 자체에 영향을 미침. 복수의 균형이 존재하고, 어느 균형에 도달하는지가 과거 결과에 좌우됨	경로의존/lock-in과 흔히(부정확하게) 동일시됨. 매우 장기(세기 단위) 지속성 설명에 특히 중요
결과 의존(Outcome dependence)	장기적으로는 단일 균형으로 수렴하지만, 특정 시점 t의 결과가 이전 결과에 의존 — 단지 초기조건의 변화 속도가 느리기 때문	균형의존을 함의하지 않아도 성립. 10년 단위(decade-long) 지속성 설명엔 이것으로 충분한 경우가 많음

구분	균형의존 (Equilibrium dependence)	결과의존 (Outcome dependence)
비유	눈덩이가 산에서 어느 골짜기로 굴러떨어지는가	기차가 종착역에 얼마나 늦게 도착하는가
최종 상태(균형)의 개수	여러 개 (경로에 따라 다른 결말)	하나 (결국 다 같은 곳으로 수렴)
지속 이유	애초에 다른 균형으로 갈라졌기 때문	아직 수렴이 덜 끝났기 때문 (변화 속도가 느림)
지속 기간	이론상 영구적	일시적. 시간이 더 지나면 사라짐
어울리는 시간규모	세기 단위 (매우 장기)	10년 단위 (중단기)
필요한 메커니즘	자기강화, positive feedback 등 정교한 설명 필요	단순히 "변화가 느리다"는 것만으로 충분

저자들의 예시 (건물 색칠 모델): 지진 후 재건된 건물이 지역별로 다른 색으로 칠해짐 → 이후 1%씩 재건축이 일어남 → 100년 후에도 초기 자재 가용성과 건물 색깔 사이에 상관관계가 남을 수 있음. 이 상관관계가 지속되는 이유가 (a) 재건축업자가 "동네와 어울리는 색"을 선호해서(균형의존, positive feedback)인지, (b) 특정 색 페인트 공급이 초기에 고착되어 저렴해서(자기강화, self-reinforcement)인지, (c) 단순히 재건축 속도가 느려서 옛 색이 아직 남아있는 것뿐인지(결과의존, 메커니즘 불필요)에 따라 이론적 함의가 완전히 달라진다.

1. 정치학 논문들이 실제로 뭘 하고 있는가

지속성 연구 대부분은 "10년 단위" 시간규모를 다루고 있음. (앞서 본 표에서 정치학 논문의 59%). 예를 들어 "1990년대에 어떤 정책을 겪은 지역이 2010년대에도 여전히 다른 투표 성향을 보인다" 같은 연구들임

2. 그런데 이걸 설명할 때 다들 "경로의존(path dependence)"이라는 용어를 쓰게 됨.

"경로의존"은 원래 균형의존을 가리키는 무거운 개념이라고 봄. "그때 그 선택 때문에 완전히 다른 세상으로 갈라졌다"는 강한 주장. QWERTY 자판 이야기(비효율적인데도 한번 표준이 되니까 영원히 못 바뀜) 같은 게 진짜 경로의존의 예시임

3. 저자들의 지적

10년 정도의 시간 격차를 설명하는 데는 사실 그렇게 거창한 개념이 필요 없음. 그냥 "변화가 느리게 일어난다"(결과의존)는 훨씬 단순한 설명으로 충분한데, 논문들이 굳이 "경로의존", "lock-in", "self-reinforcing equilibria" 같은 화려한 이론적 용어를 가져다 붙인다는 것.

4. 문제점.

"경로의존"이라고 하면 마치 "역사가 운명을 완전히 바꿔놨다"는 강력한 주장을 하는 것처럼 들리지만, 실제 데이터는 "그냥 변화가 좀 느렸다"는 훨씬 약한 현상을 보여줄 뿐인 경우가 많음

경로의존이라고 하면 "이 격차는 영원히 안 사라진다"는 인상을 주지만, 결과의존이라면 "시간이 더 지나면 격차가 사라질 수도 있다"는 다른 예측을 하게 됨. 정책적 함의도 완전히 달라지는 것

균형의존을 주장하려면 "왜 여러 균형이 존재하는지", "왜 자기강화가 일어나는지"를 이론적으로 정당화해야 하는데, 사실은 "그냥 변화가 느리다"는 훨씬 검증하기 쉬운 주장으로 충분한 경우가 대부분일 것임.

6. 식별 전략

(1) 횡단면·시계열 분석

전통적 회귀분석.

핵심 한계

관찰연구이기 때문에 시간·단위 고정효과를 통제해도 누락변수편의/내생성 문제 상존(Blackwell & Glynn 2018).

강한 연구설계(이론적으로 탄탄한 가설, 포괄적 데이터, 대안가설 검토, 강건성 검증)로 방어해야 함.

(2) 자연실험(Natural Experiments)

처치배정이 "마치 무작위(as-if random)"였다고 주장할 수 있는 관찰연구. (변이(variation)의 출처 — 데이터가 어디서 왔는가)

실제 추첨 활용 사례: 프랑스 제3공화국 위원회 추첨, 중세 피렌체 길드 선발

더 흔한 경우엔, "자기선택 불가능"을 논증

Charnysh(2019) — 2차대전 후 폴란드로 이주한 독일 영토 내 이주민 배치가 사실상 임의적이었음을 역사적 증거로 입증.
Acharya & Lee(2019) 유럽 왕조의 상속자 성별 분포가 계승서열에 자연적·예측불가능한 변이를 제공

"질적 역사 지식은 자연실험을 검증하는 데 필수적이다"(Kocher & Monteiro 2016)

(3) 설계기반 추론(Design-Based Inference) (분석 기법 — 그 데이터를 어떻게 통계적으로 다루는가)

즉 설계기반 추론도 결국 회귀분석(RD, DiD, IV 모두 회귀분석의 변형 기법입니다)을 씀. — 다만 회귀분석이 인과관계로 해석될 수 있을 만큼 특별한 상황의 데이터에만" 쓰는 것임.

기법	원리	한계
RD (회귀불연속)	알려진 절단규칙(경계선) 활용 — 절단점 위/아래를 비교. 지리적/행정적 경계에 자주 응용 (예: Mattingly 2015 만주-내몽골, Dell et al. 2018 베트남)	절단점 주변 표본이 작거나 대표성 부족 → 내적타당도는 높지만 외적타당도 낮을 수 있음
DiD (이중차분)	처치/통제집단의 처치 전후 변화 비교	핵심 가정은 평행추세(parallel trends) — 처치·통제 시점이 멀수록 방어하기 어려움
IV (도구변수)	역사적/지리적 변수를 내생 회귀변수의 도구로 사용	배제제약(exclusion restriction)이 장기간에 걸쳐 정당화하기 특히 어려움 — 도구가 여러 시점에 걸쳐 노출과 연관되면 복수의 경로/위반 가능성. 강우량처럼 여러 연구에서 반복 사용되는 도구는 배제제약 자체가 의심스러움(Morck & Yeung 2011)

7. 분석적 난제 (Analytical Challenges)

① 측정(Measurement)

모든 지속성 연구는 정의상 "실제로 남아있는" 데이터에만 의존함. 이는 매우 특정한 부분표본이라 측정오류·표본선택편의에 취약. 특히 "기록의 침묵(archival silences)” 이 있을 수 있음. 소외집단의 경험이 애초에 기록되지 않았거나, 데이터 결측 자체가 낮은 국가능력과 상관관계를 가질 수 있음(즉 결측 자체가 내생적).

② 공간 의존성(Spatial Dependence)

지속성 연구는 대부분 "지역 A는 옛날에 이런 역사를 겪었고, 오늘날 이런 결과를 보인다"는 식으로, 지역별 데이터를 비교함. 즉 본질적으로 공간(지역) 데이터를 다루는 분석임.

인접 관측치 간 의존성 → 공간자기상관이 계수를 편향시키거나 표준오차를 인위적으로 낮출 수 있음(Kelly 2019: 27개 주요 지속성 연구 재검토 결과, 공간노이즈 통제 시 다수가 통계적 유의성 상실).

해법	아이디어
지리적 고정효과 (Geographic fixed effects)	"같은 큰 지역(예: 같은 도, 같은 주) 안에 있는 지역들끼리는 원래 비슷한 특성을 공유한다"는 걸 미리 통계적으로 제거하고 시작
군집표준오차 (Clustered standard errors)	인접한 지역들을 하나의 "묶음(cluster)"으로 보고, 그 묶음 안에서는 서로 독립이 아니라는 걸 인정한 채로 표준오차를 재계산
Conley 보정 (Conley correction)	거리가 가까울수록 더 크게, 멀수록 더 작게 "서로 얼마나 닮았는지"를 수학적으로 반영해서 표준오차를 다시 계산하는 좀 더 정교한 방법

③ 처치후편의(Posttreatment Bias)

처치와 결과 사이에 수십~수백 년이 있다 보니, 처치 이후에 발생한 변수를 통제하려는 유혹이 생길 수도!

이는 인과경로 상의 매개변수를 통제하는 것이므로 편의를 introduce. 결측/노이즈 많은 역사자료에서는 변수의 정확한 시간적 선후관계 판정 자체가 어려움.

④ 인과 메커니즘

핵심 논증: Gelman & Imbens(2013)의 구분 — 역사학/질적 사회과학은 "무엇이 결과 E를 낳았는가"(역방향 인과질문, reverse causal question)를 묻지만, 지속성 문헌의 설계기반 추론은 "원인 C가 무엇을 낳았는가"(순방향 인과추론, forward causal inference)에만 적합. 두 접근의 인과설명 본질 자체가 다르다.

구분	역방향 인과질문 (Reverse causal question)	순방향 인과추론 (Forward causal inference)
질문 형태	"무엇이 E를 낳았는가?" (원인을 찾음)	"C가 무엇을 낳는가?" (효과를 찾음)
출발점	결과(E)를 이미 알고 있음	원인(C)을 이미 정해놓음
예시	"제1차 세계대전은 왜 일어났는가?"	"국가능력이 경제성장에 미치는 효과는?"
답의 형태	여러 원인의 복잡한 조합, 서사	하나의 숫자(계수) — "C가 1 늘면 E가 X만큼 변한다"
어울리는 방법	역사서술, 질적 비교사례연구	회귀분석, RD, DiD, IV
원인 후보 개수	여러 개, 서로 얽혀있음 (계량화 어려움)	하나로 고정 (계량화 가능)
지속성 문헌과의 관계	지속성 문헌의 통계기법은 이 질문에 부적합	지속성 문헌의 RD/DiD/IV가 원래 설계된 목적

잠재적 결과(potential outcomes) 프레임워크에서는 메커니즘을 규명하지 않아도 인과효과를 식별·추정할 수 있다

잠재적 결과(potential outcomes) 프레임워크란, 인과관계를 정의하는 한 가지 방식으로 어떤 사람/지역이 처치를 받았을 때의 결과"와 "같은 사람/지역이 처치를 안 받았을 때의 결과"를 비교하는 것이 인과효과라는 것.

어떤 지역이 중세에 반유대주의가 심했다(처치 = Y) → 나치 시대에 폭력이 심했다(결과)
만약 그 지역이 중세에 반유대주의가 없었다면 → 나치 시대에 폭력이 덜했을 것이다 (이건 실제로 관찰 못하는 "가상의" 상황, counterfactual).
이 두 상황의 차이가 인과효과임. 그리고 이걸 통계적으로 추정하려면 "반유대주의가 심했던 지역들"과 "심하지 않았던 지역들"을 비교하면 되는 것 (물론 다른 조건이 비슷하다는 전제 하에).

즉 메커니즘 증거는 인과추론에 필요조건이 아니다. 예: 중세 반유대주의와 나치 시대 폭력을 잇는 메커니즘을 제시하지 못했다고 해서(Voigtländer & Voth 2012), 그 인과관계 자체가 부정되는 건 아니다.

메커니즘이 충분조건인가?

"메커니즘"이 무엇을 의미하는지 연구자마다 다르다(매개변수? 이론적 진술? 서사적 설명?). 만약 메커니즘 M이 원인 C와 결과 E 사이의 매개변수라면, C와 M 사이에도 매개 메커니즘 M'이 있어야 하고, 그 사이에 또 M''... 무한퇴행(infinite regress) 문제 발생.

"누락된 중간(missing middle)" 문제

t0의 원인과 t100의 결과 사이 상관관계가 t1, t10, t50 등 중간 시점에서도 성립하는지 보여줄 데이터가 대개 없음.

저자들의 최종 입장: 메커니즘 증거에 대한 무조건적 요구는 부적절함. 단일 메커니즘을 배타적으로 요구하는 것은 거의 항상 정당화되지 않는다. 하지만 이것이 메커니즘 증거 자체를 반대하는 논증은 아니며, 질적·과정기반 증거가 정량적 템플릿을 보완하는 "중간지대"가 바람직하다(Simpser et al. 2018 인용).