목차
주제:잘못된 통계사례 조사
내용:
1.잘못된 통계사례 조사
2.잘못된 통계사례 수정
목차
1. 서론
2. 본론
(1) 통계적 오류의 종류
(2) 통계적 오류 예시 1
(3) 통계적 오류 예시 2
(4) 통계적 오류 예시 기타
3. 결론
4. 출처 및 참고문헌
내용:
1.잘못된 통계사례 조사
2.잘못된 통계사례 수정
목차
1. 서론
2. 본론
(1) 통계적 오류의 종류
(2) 통계적 오류 예시 1
(3) 통계적 오류 예시 2
(4) 통계적 오류 예시 기타
3. 결론
4. 출처 및 참고문헌
본문내용
계처에서 도출한 자료를 다방면으로 참고하지 않고 특정 통계 자료만을 선택하여 참고한 정부의 문제도 있다. 특히 부동산 가격의 급등을 해결해야 하는 정부의 입장에서 정확한 자료를 근거로 합리적인 정책을 마련해야 하는데 애초에 편향된 통계 자료만을 근거로 하였으므로 적절한 정책이 나올 리 만무하다.
(3) 통계적 오류 예시 기타
위 두 예시 외에도 통계 자료를 자기 입맛대로 해석하거나 관련 요인들을 충분히 고려하지 않고 섣부른 결과를 도출하는 경우들이 있다. 그 예로 ’고용률 오르는데 ‘최악의 고용대란?’...통계 해석 오류‘와 ’男 100만 원 벌 때 女는 86만 원...성차별 때문인가 선택의 문제인가‘라는 기사를 볼 수 있다.
청년실업 등 고용률 문제는 사회가 해결해야 하는 난제로 남아있다. 간혹 구독자의 관심을 끌기 위해 통계 결과를 과장 해석하여 기사를 내는 경우가 있다. 예를 들어 2018년도 한 기사는 6월에 발표된 고용동향을 근거로 ’금융위기 이후 최악의 고용 대란‘이라고 언급하며 자극적인 주장을 펼쳤다. 관련 자료에 따르면 신규 취업자 수는 2017년 동월 대비 10만 6,000명 늘어나는 데 그쳤고 실업자 수는 1월에 100만 명을 넘기고 그 수는 6월까지 증가하고 있다고 설명하였다. 신규 취업자 수만 본다면 고용 대란인 것처럼 보이나 실제로 고용률은 61.4%를 기록하였다. 금융위기 이후 2010~2017년까지 고용률 평균이 60.0%인 점을 고려하였을 때 고용 대란이 왔다고 주장할 정도로 고용률이 낮지는 않고 오히려 평균보다 높은 편임을 알 수 있다. 2018년도 상반기 실업률은 114만 명으로 2017년 상반기 평균 112만 명과 비교하였을 때 급등하지 않았음을 알 수 있다. 특히 실업률은 청년들이 대학 졸업을 하고 공무원 시험을 준비하는 시기에는 구직 활동이 많아지면서 상대적으로 증가하므로 시기에 따라 실업률이 다르게 측정될 수 있다. 그뿐만 아니라 출산율이 줄어들고 청년 인구수가 지속해서 감소하고 있음으로 노동시장에 공급되는 인구수 자체가 줄어든다. 하지만 고용의 질적 측면에서는 오히려 개선되는 양상이며 정규직 근로자가 전년 동월 대비 36만 5,000명 늘어난 것을 고려하였을 때 고용 대란이 일어났다고 보기는 어려울 것이다. 이처럼 통계 자료는 절대적인 수뿐만 아니라 비율 등도 참고해야 정확한 해석이 가능하므로 여러 자료 결과를 총괄적으로 해석해야 하며, 인과관계를 설명하기 이전에 그 결과에 영향을 줄 수 있는 여러 요인을 고려해야 한다. 정말 고용 대란을 증명하려면 감소하는 인구수 대비 고용률, 대학을 졸업하고 취업하기까지 걸리는 시간, 취업 선에 들어선 청년 수 대비 고용률 등 다양한 요인을 참고하여 인과관계가 있는지 확인 후 결론을 도출해야 할 것이다.
남녀임금 차이와 직장 내 성별 차별 또한 사회적 이슈로 자주 언급되는 주제이다. 성별 차별을 주장할 때 가장 많이 주장되는 것은 ‘경제협력개발기구(OECD) 기준에 의하면 남녀 임금 격차가...’인데 그 예로 2017년 기준 OECD 36개국 평균으로 여성이 남성보다 13.8% 적게 받는 것으로 조사 되어 임금에서도 성별 차별이 있는 것처럼 오해할 수 있다. 실제 남녀차별이 있을 수도 있으나 해당 결과를 근거로 ‘직장 내 여성은 임금으로 차별받는다’라는 결론을 도출하기에는 부족한데 그 이유는 여성과 남성이 근무하고 있는 직장의 수준, 정규직/비정규직 형태, 직책, 육아 및 출산의 영향, 개인의 선택 등을 고려하지 않았기 때문이다. 예를 들어 하버드대에서 2011~2017년도 기차·버스 운전자 임금을 조사한 결과 남녀가 시간당 동일한 임금을 받았음에도 불구하고 주급 기준으로 남성이 1달러를 벌 때 여성은 0.89달러를 버는 격차가 발생하는 것을 발견했다. 이런 격차는 남성이 여성보다 기본급의 1.5배를 받을 수 있는 초과 근무를 83% 더 하고 여성은 주말, 휴일, 분할 근무 등을 기피하여 최종적으로 적은 임금을 받게 되었다. 만약 주급 임금 결과만 보았다면 여성이 차별받는 것으로 잘못 해석될 수 있다. 또한 여성은 출산과 육아 과정에서 휴직 기간이 늘어나고 그만큼 진급 시기가 늦어지고, 육아를 위해 업무량을 줄이는 등 최종 임금 정도에 부정적인 영향을 주는 선택을 하기도 한다. 위 기사와 마찬가지로 ‘결과’에 관련된 다양한 요인들을 고려하여 결론을 내야 하는데도 불구하고 이런 요소를 충분히 고려하지 않을 경우 통계 자료의 결과가 잘못 해석될 수 있다. 만약 여성이 직장에서 임금으로 차별받는다고 주장하려면 동일한 조건의 남성과 여성의 임금을 비교해야 하며 결과적으로 여성의 임금이 낮게 조사되는 원인을 다양한 시각에서 해석해야 할 것이다.
결론
통계는 불확실한 상황에서 최대한 합리적인 결과를 도출하기 위해 수학적 자료를 근거로 하는데 아무리 수학적 오류가 없다 하더라도 애초에 가설을 부적절하게 설정하거나, 표본의 기준을 모호하게 잡고 부적절한 방법으로 표본을 모집하는 경우, 결과에 영향을 주는 다양한 요인을 고려하지 않고 선택적으로 고려하는 등의 오류를 범할 경우 통계적 오류가 발생하게 된다. 또한 통계 결과에서 합리적인 결론을 도출하지 않고 자신이 원하는 결론을 주장하기 위해 선택적으로 통계 결과를 참고하는 행위는 매우 비윤리적이고 위험한 행위이므로 이런 오류가 발생하지 않도록 주의해야 할 것이다.
출처 및 참고문헌
이수정, 「통계지도에 관한 고찰」, 『서울대학교 석사학위논문』, 2000
[증가하는 여혐 범죄, 왜?] 경쟁사회에서 낙오된 男, 그들이 위험하다」, 『헤럴드경제』, 2016
김규태, 「강남역 화장실 살인사건...’묻지마 살인‘ 편승한 여혐 선동 그만」, 『미디어펜』, 2016
「정권별 대한민국 땅값 분석결과 발표 기자회견」, 『경제정의실천시민연합』, 2020
김병수, 「[아주 경제적인 시선] 문재인 정부 입맛대로 통계의 불편한 진실」, 『아주경제』, 2020
최성근, 「고용률 오르는데 ’최악의 고용대란?‘...통계 해석 오류」, 『머니투데이』, 2018
신수지, 「男 100만원 벌 때 女는 86만원...성차별 때문인가 선택의 문제인가」, 『조선비즈』, 2019
대검찰청
(3) 통계적 오류 예시 기타
위 두 예시 외에도 통계 자료를 자기 입맛대로 해석하거나 관련 요인들을 충분히 고려하지 않고 섣부른 결과를 도출하는 경우들이 있다. 그 예로 ’고용률 오르는데 ‘최악의 고용대란?’...통계 해석 오류‘와 ’男 100만 원 벌 때 女는 86만 원...성차별 때문인가 선택의 문제인가‘라는 기사를 볼 수 있다.
청년실업 등 고용률 문제는 사회가 해결해야 하는 난제로 남아있다. 간혹 구독자의 관심을 끌기 위해 통계 결과를 과장 해석하여 기사를 내는 경우가 있다. 예를 들어 2018년도 한 기사는 6월에 발표된 고용동향을 근거로 ’금융위기 이후 최악의 고용 대란‘이라고 언급하며 자극적인 주장을 펼쳤다. 관련 자료에 따르면 신규 취업자 수는 2017년 동월 대비 10만 6,000명 늘어나는 데 그쳤고 실업자 수는 1월에 100만 명을 넘기고 그 수는 6월까지 증가하고 있다고 설명하였다. 신규 취업자 수만 본다면 고용 대란인 것처럼 보이나 실제로 고용률은 61.4%를 기록하였다. 금융위기 이후 2010~2017년까지 고용률 평균이 60.0%인 점을 고려하였을 때 고용 대란이 왔다고 주장할 정도로 고용률이 낮지는 않고 오히려 평균보다 높은 편임을 알 수 있다. 2018년도 상반기 실업률은 114만 명으로 2017년 상반기 평균 112만 명과 비교하였을 때 급등하지 않았음을 알 수 있다. 특히 실업률은 청년들이 대학 졸업을 하고 공무원 시험을 준비하는 시기에는 구직 활동이 많아지면서 상대적으로 증가하므로 시기에 따라 실업률이 다르게 측정될 수 있다. 그뿐만 아니라 출산율이 줄어들고 청년 인구수가 지속해서 감소하고 있음으로 노동시장에 공급되는 인구수 자체가 줄어든다. 하지만 고용의 질적 측면에서는 오히려 개선되는 양상이며 정규직 근로자가 전년 동월 대비 36만 5,000명 늘어난 것을 고려하였을 때 고용 대란이 일어났다고 보기는 어려울 것이다. 이처럼 통계 자료는 절대적인 수뿐만 아니라 비율 등도 참고해야 정확한 해석이 가능하므로 여러 자료 결과를 총괄적으로 해석해야 하며, 인과관계를 설명하기 이전에 그 결과에 영향을 줄 수 있는 여러 요인을 고려해야 한다. 정말 고용 대란을 증명하려면 감소하는 인구수 대비 고용률, 대학을 졸업하고 취업하기까지 걸리는 시간, 취업 선에 들어선 청년 수 대비 고용률 등 다양한 요인을 참고하여 인과관계가 있는지 확인 후 결론을 도출해야 할 것이다.
남녀임금 차이와 직장 내 성별 차별 또한 사회적 이슈로 자주 언급되는 주제이다. 성별 차별을 주장할 때 가장 많이 주장되는 것은 ‘경제협력개발기구(OECD) 기준에 의하면 남녀 임금 격차가...’인데 그 예로 2017년 기준 OECD 36개국 평균으로 여성이 남성보다 13.8% 적게 받는 것으로 조사 되어 임금에서도 성별 차별이 있는 것처럼 오해할 수 있다. 실제 남녀차별이 있을 수도 있으나 해당 결과를 근거로 ‘직장 내 여성은 임금으로 차별받는다’라는 결론을 도출하기에는 부족한데 그 이유는 여성과 남성이 근무하고 있는 직장의 수준, 정규직/비정규직 형태, 직책, 육아 및 출산의 영향, 개인의 선택 등을 고려하지 않았기 때문이다. 예를 들어 하버드대에서 2011~2017년도 기차·버스 운전자 임금을 조사한 결과 남녀가 시간당 동일한 임금을 받았음에도 불구하고 주급 기준으로 남성이 1달러를 벌 때 여성은 0.89달러를 버는 격차가 발생하는 것을 발견했다. 이런 격차는 남성이 여성보다 기본급의 1.5배를 받을 수 있는 초과 근무를 83% 더 하고 여성은 주말, 휴일, 분할 근무 등을 기피하여 최종적으로 적은 임금을 받게 되었다. 만약 주급 임금 결과만 보았다면 여성이 차별받는 것으로 잘못 해석될 수 있다. 또한 여성은 출산과 육아 과정에서 휴직 기간이 늘어나고 그만큼 진급 시기가 늦어지고, 육아를 위해 업무량을 줄이는 등 최종 임금 정도에 부정적인 영향을 주는 선택을 하기도 한다. 위 기사와 마찬가지로 ‘결과’에 관련된 다양한 요인들을 고려하여 결론을 내야 하는데도 불구하고 이런 요소를 충분히 고려하지 않을 경우 통계 자료의 결과가 잘못 해석될 수 있다. 만약 여성이 직장에서 임금으로 차별받는다고 주장하려면 동일한 조건의 남성과 여성의 임금을 비교해야 하며 결과적으로 여성의 임금이 낮게 조사되는 원인을 다양한 시각에서 해석해야 할 것이다.
결론
통계는 불확실한 상황에서 최대한 합리적인 결과를 도출하기 위해 수학적 자료를 근거로 하는데 아무리 수학적 오류가 없다 하더라도 애초에 가설을 부적절하게 설정하거나, 표본의 기준을 모호하게 잡고 부적절한 방법으로 표본을 모집하는 경우, 결과에 영향을 주는 다양한 요인을 고려하지 않고 선택적으로 고려하는 등의 오류를 범할 경우 통계적 오류가 발생하게 된다. 또한 통계 결과에서 합리적인 결론을 도출하지 않고 자신이 원하는 결론을 주장하기 위해 선택적으로 통계 결과를 참고하는 행위는 매우 비윤리적이고 위험한 행위이므로 이런 오류가 발생하지 않도록 주의해야 할 것이다.
출처 및 참고문헌
이수정, 「통계지도에 관한 고찰」, 『서울대학교 석사학위논문』, 2000
[증가하는 여혐 범죄, 왜?] 경쟁사회에서 낙오된 男, 그들이 위험하다」, 『헤럴드경제』, 2016
김규태, 「강남역 화장실 살인사건...’묻지마 살인‘ 편승한 여혐 선동 그만」, 『미디어펜』, 2016
「정권별 대한민국 땅값 분석결과 발표 기자회견」, 『경제정의실천시민연합』, 2020
김병수, 「[아주 경제적인 시선] 문재인 정부 입맛대로 통계의 불편한 진실」, 『아주경제』, 2020
최성근, 「고용률 오르는데 ’최악의 고용대란?‘...통계 해석 오류」, 『머니투데이』, 2018
신수지, 「男 100만원 벌 때 女는 86만원...성차별 때문인가 선택의 문제인가」, 『조선비즈』, 2019
대검찰청
소개글