평균 회귀 (Regression to the Mean)

한 줄 정의

극단적인 측정값은 다음 측정에서 평균에 더 가까이 돌아가는 통계적 현상. 측정에 무작위 오차가 있는 모든 곳에서 작동.

일상 한 줄

극단적인 결과 다음에는 평범한 결과가 따라온다. 우연도 한몫한다.

흔한 장면

최고의 한 달 다음 평범한 한 달 → "슬럼프 왔다"는 잘못된 해석.
신인의 화려한 데뷔작 → 다음 작품 평가 하락 → "한물갔다"고 단정.
최악의 시기 후 호전 → 마침 시작한 어떤 행동을 "전환점"으로 오해.
잘하던 직원이 한 달 부진 → "교육 필요" 결론. 그냥 우연 회귀일 수도.

왜 빠지나

모든 변화에 원인을 찾는 본능 — 우연은 받아들이기 어렵다.
두 시점 비교 함정 — 한 번의 극단을 평소라고 착각, 다음 평균을 "변화"라고 봄.
개입 효과 환상 — 가장 나쁜 케이스에 개입하면 다음에 좋아짐. 개입이 효과인 것처럼 보임.

빠져나오는 법

1. 극단값 다음의 변화는 "회귀"부터 의심 — 인과를 단정하기 전에 우연을 후보로 넣기. 2. 한 번 결과로 판단 금지 — 최소 3-5회 평균이 진짜 실력. 3. 개입 평가 시 통제군 필요 — 가장 나쁜 사람에게만 도움 주면 어차피 좋아짐.

함께 쓰기 좋은 도구

운 vs 실력 구분 (Mauboussin) — 결과를 운과 실력 성분으로 나누기
표본 크기 — 작은 표본은 변동성이 크다
대표성 휴리스틱 — 적은 사례로 일반화하는 본능

통념이 무너지는 순간

"벌하면 좋아지고 칭찬하면 나빠진다"

⚠ 흔한 말: 군 비행 교관·스포츠 코치의 경험담. "혼냈더니 다음에 잘했고, 칭찬했더니 다음에 못했다." ✓ 학술: Kahneman Thinking, Fast and Slow (2011)에서 자신의 군 비행 교관 일화로 정확히 이 통념을 반박. 가장 잘한 직후 평균 회귀로 다음에 평범한 결과 → "칭찬이 망쳤다"고 오해. 가장 못한 직후 회귀로 다음에 평범 → "벌이 효과 있다"고 오해. 인과는 없고 통계적 회귀가 전부일 수 있음. 군 훈련 효과 평가가 이 함정에 자주 빠진다고 카너먼이 지적.

"최고 다음은 슬럼프, 최악 다음은 반등 — 운명의 균형"

⚠ 흔한 말: 스포츠·예술·연애의 통속 심리학. ✓ 학술: Galton 1886 (Journal of the Anthropological Institute 15:246-263, OA UCLA PDF)의 원래 발견 "regression toward mediocrity." 부모 키와 자식 키의 관계에서 극단 값(매우 큰 부모)의 자식이 평균에 더 가까움. 인과적 "조정"이 아니라 측정에 무작위 성분이 있을 때의 통계적 필연. "슬럼프"라는 심리적 narrative는 회귀 현상 위에 덧붙여진 사후 해석.

"한 번의 결과로 그 사람의 실력을 알 수 있다"

⚠ 흔한 말: 면접 한 번, 시험 한 번, 발표 한 번으로 평가. ✓ 학술: 한 번의 측정값 = 실력 + 무작위 변동. 다음 측정에서는 무작위 부분이 평균 쪽으로 수렴 → 회귀. 개입 효과 평가에 통제군이 없으면 회귀 효과를 개입 효과로 오인. 의학·교육·경영 평가에서 무작위 대조 시험(RCT)이 필수인 이유. 더닝-크루거 효과 비판(Nuhfer 2017, Gignac-Zajenkowski 2020)도 같은 회귀가 원인일 수 있다고 지적.

"회귀는 어떤 힘이 평균으로 끌어당기는 것이다"

⚠ 흔한 말: "운명·균형의 힘"으로 신비화하는 해석. ✓ 학술: 회귀는 인과적 메커니즘이 아니라 통계적 필연. 측정에 무작위 오차가 있는 모든 곳에서 자동 발생. Pearson 1896의 회귀 계수 정의로 정식화됨. 산점도의 기울기가 1보다 작은 수학적 결과일 뿐, 자기계발의 "균형 법칙"과 무관.

빠져나오는 절차

(상세는 위의 "빠져나오는 법" 섹션 참조.)

1차 출처

Francis Galton (1886). "Regression towards mediocrity in hereditary stature." Journal of the Anthropological Institute of Great Britain and Ireland, 15, 246-263.
사전 발표: Galton (1885). "Presidential address." 같은 학회.
통계적 정식화: Karl Pearson (1896). Philosophical Transactions of the Royal Society A, 187:253-318. 상관·회귀 계수의 정의.

DOI 없음 (19세기 후반). 학술 인용 시 위 서지.

무료 접근 (퍼블릭 도메인):
galton.org 원문 카탈로그 — Galton 전집
UCLA Statistics PDF — Galton 1886 전문

원문 핵심 인용

"It is some years since I made an extensive series of experiments on the produce of seeds of different size but of the same species... It appeared from these experiments that the offspring did not tend to resemble their parent seeds in size, but to be always more mediocre than they—to be smaller than the parents, if the parents were large; to be larger than the parents, if the parents were very small." — Galton (1886), 첫 문단 verbatim 검증: 2026-05-23, OA PDF(stat.ucla.edu)에서 heavy normalize grep 확인

핵심 정의·메커니즘

현상: 어떤 변수가 무작위 요소를 포함하면, 극단값 다음에는 덜 극단적인 값이 관찰된다. "회귀(regression)"는 "평균으로의 복귀"라는 뜻.
수학적 근거: 측정값 = 진짜값 + 오차. 한 측정에서 극단적으로 큰 값은 (진짜값이 크다 + 오차가 +) 둘 다 가능성이 높음. 다음 측정에서 오차는 평균 0으로 회귀.
반드시 두 시점: 1회 측정에는 회귀가 없다. 두 번 이상의 측정·시점 간에 비교할 때 나타난다.
인과관계 아님: "평균이 잡아당기는" 게 아니다. 단지 극단값을 만든 오차가 다음에는 같은 방향으로 작용할 가능성이 낮을 뿐.

주요 후속 연구·메타분석

Kahneman & Tversky (1973). "On the psychology of prediction." Psychological Review, 80(4):237-251. 사람들이 평균 회귀를 무시하고 극단을 외삽하는 인지 편향 (representativeness heuristic의 결과).
Campbell (1976). Assessing the impact of planned social change. 평균 회귀가 정책 평가의 가짜 효과를 만드는 메커니즘.
Bland & Altman (1994). "Regression towards the mean." BMJ, 308:1499. 의학 연구의 표준 교정 가이드.
DOI: 10.1136/bmj.308.6942.1499

비판·한계

인과로 오해: "평균이 끌어당기는 힘"이 있다고 잘못 설명하는 대중 텍스트 많음. 실제로는 측정 오차의 산물.
무작위가 거의 없는 경우: 측정 오차가 작거나 변수가 결정론적이면 회귀 효과 약함.
의학·정책 함정: 사전 검사에서 가장 나쁜 환자에게만 개입 → 다음 측정에서 호전 → "치료 효과"로 오해. 무작위 통제군이 필수.
시계열의 잘못된 적용: 자기상관(autocorrelation) 있는 시계열에서는 단순 회귀 가정이 안 맞음.

앱 활용 방법

0009 라이브러리: 정의 + 일상 예시(이번 달 최악의 운동 후 다음 달 호전을 "전환점"으로 해석 / 베스트셀러 작가의 다음 책 평가 하락) + 안티패턴("징크스"·"슬럼프 탈출 비법" 같은 인과 귀인)
연결 인생 질문:
- Q09 실패 견디기 — 가장 나쁜 시기는 평균 회귀로 회복 가능성
- Q05 비교에서 자유 — 한 시점의 극단을 영구로 외삽하지 않기
시나리오 적합성: 강하게 적합. "최악의 한 주" 다음의 해석 게임.
주의: 평균 회귀를 "노력 무용론"으로 오용하지 않도록 — 운과 실력의 분해와 함께.