행동경제학의 인지편향 중 저가산성 효과(Subadditivity effect), 주관적 검증(Subjective validation), 생존 편향(Survivorship bias), 텍사스 명사수의 오류(Texas sharpshooter fallacy)에 대한 이해

행동경제학의 인지편향 중 저가산성 효과(Subadditivity effect), 주관적 검증(Subjective validation), 생존 편향(Survivorship bias), 텍사스 명사수의 오류(Texas sharpshooter fallacy)의 특징과 예시를 통해 자세히 알아보겠습니다.

 

1. 저가산성 효과(Subadditivity effect)

저가산성 효과(Subadditivity effect)는 결정을 내릴 때 여러 선택지의 가치를 개별적으로 평가하는 것보다 그것들을 함께 고려할 때 더 높은 가치를 부여하는 현상을 말합니다. 즉, 개별적으로는 작은 가치를 가지지만 함께 고려할 때는 더 큰 가치를 인식하는 경향을 의미합니다. 이 현상은 선택의 집합이 묶여 있을 때 발생하며, 이러한 효과는 보통 선택의 다양성과 관련이 있습니다.

저가산성 효과의 특징:

1. 종합적 평가: 여러 선택지를 개별적으로 평가하는 것이 아닌 그들을 함께 고려하여 종합적으로 평가하는 경향이 있습니다.
2. 종합적인 가치 부여: 개별 선택지의 가치보다는 선택의 집합 자체에 높은 가치를 부여하는 경향이 있습니다.
3. 다양성 강조: 다양한 선택지가 제공될 때 특히 두드러지는 현상입니다.

저가산성 효과의 예시:

1. 음식 메뉴 선택: 음식을 선택할 때 한 가지 음식을 개별적으로 고르는 것보다 음식 메뉴 전체를 함께 고려하여 더 큰 만족감을 느낄 수 있습니다.
2. 휴가 여행: 여행지를 선택할 때 한 곳만을 고려하는 것보다 여러 여행지를 함께 고려하여 더 큰 만족감을 느낄 수 있습니다.
3. 상품 번들링: 상품을 번들링 하여 판매할 때 개별 상품보다 번들 상품에 대한 가치를 높게 인식하는 경향이 있습니다.
4. 투자 포트폴리오: 여러 종목을 포함하는 포트폴리오를 구성할 때 개별 종목보다 포트폴리오 전체의 가치를 더 높게 인식할 수 있습니다.
5. 가구 세트 구매: 가구를 세트로 구매할 때 개별 가구보다 세트 자체에 대한 가치를 더 높게 인식하는 경향이 있습니다.

2. 주관적 검증(Subjective validation)

주관적 검증(Subjective validation)은 사람들이 정보를 받아들일 때 자신의 개인적인 경험이나 신념과 일치하는 것에 더 쉽게 믿음을 줄 수 있다는 인지 편향을 말합니다. 이것은 심리학자 Raymond Nickerson에 의해 처음 발견되었습니다. 주관적 검증은 종종 특정 교조, 믿음, 또는 편견을 강화하고 지지하는 데 기여합니다.

주관적 검증의 특징:

1. 개인적인 경험과 일치: 사람들은 자신의 경험이나 신념과 일치하는 정보를 더 쉽게 믿고 받아들입니다.
2. 인식된 연관성: 사람들은 정보와 자신의 경험 간에 연관성을 인식하고 이를 더 쉽게 믿습니다.
3. 강화 효과: 주관적 검증은 개인의 믿음이나 신념을 강화하고 굳히는 데 기여할 수 있습니다.
4. 주관적 관찰: 사람들은 주관적으로 중요한 정보를 강조하고, 그것을 더욱 믿음직하다고 판단하는 경향이 있습니다.

주관적 검증의 예시:

1. 신화적인 체험: 개인이 특정한 경험을 겪은 후에 그와 관련된 신화나 신념을 더 쉽게 받아들일 수 있습니다.
2. 점성술: 점성술은 사람들의 개인적인 경험과 일치하는 운명이나 예언을 제공하는 데 사용될 수 있습니다.
3. 성격 테스트: 사람들은 성격 테스트나 심리학적인 설문지 결과가 자신의 개인적인 경험과 일치한다고 느낄 때 이를 더 쉽게 믿을 수 있습니다.
4. 신비주의적인 신념: 개인이 신비주의적인 신념이나 전설에 믿음을 가질 때 그에 대한 주관적인 경험이나 인식이 이를 강화할 수 있습니다.
5. 비관적 인식: 개인이 비관적인 태도나 성격을 가지고 있을 때, 부정적인 사건이 그들의 주관적 검증에 부합되어 이러한 태도를 더욱 강화시킬 수 있습니다.

3. 생존 편향(Survivorship bias)

생존 편향(Survivorship bias)은 분석에서 생존한 사례만을 고려하고 그렇지 않은 사례를 무시하는 경향을 말합니다. 이는 데이터를 분석할 때 특히 중요한 편향 중 하나입니다. 생존 편향은 종종 잘못된 결론에 이르는데, 특히 과거에 대한 분석에서 주요 문제가 될 수 있습니다.

생존 편향의 특징:

1. 생존한 사례만 고려: 생존 편향은 보통 생존한 사례만을 고려하고, 그렇지 않은 사례를 무시합니다.
2. 결과 왜곡: 이로 인해 결과가 왜곡되어 생존한 사례들의 성공이 과대평가되고 실패는 과소평가될 수 있습니다.
3. 일반화의 어려움: 생존 편향이 적용된 데이터로부터 얻은 결과를 전체 집단에 대해 일반화하는 것이 어려울 수 있습니다.
4. 역사적 데이터에서 주로 발생: 생존 편향은 주로 역사적 데이터나 생존을 고려하는 조사에서 발생합니다.

생존 편향의 예시:

1. 전투기 생존 분석: 전투기 조종사의 생존과 관련된 연구에서, 생존한 전투기의 특성만을 고려하고 미생존한 전투기의 데이터를 무시하는 경우 생존 편향이 발생할 수 있습니다.
2. 재무 성공 이야기: 재무적으로 성공한 사람들의 이야기를 들을 때, 실패한 사람들의 경험이나 이야기를 듣지 않는다면, 성공한 사람들의 성공 요인만을 강조하는 생존 편향이 발생할 수 있습니다.
3. 투자 전략 분석: 주식 투자 전략을 평가할 때, 성공한 투자자들의 전략만을 분석하고 실패한 투자자들의 전략을 고려하지 않는다면 생존 편향이 발생할 수 있습니다.

생존 편향을 피하기 위해서는 전체 데이터를 고려하고, 생존한 사례 뿐만 아니라 실패한 사례도 골고루 분석하는 것이 중요합니다.

 

4. 텍사스 명사수의 오류(Texas sharpshooter fallacy)

텍사스 명사수의 오류(Texas sharpshooter fallacy)는 데이터를 조작하여 패턴을 찾는 것을 의미합니다. 이것은 주로 데이터가 이미 모아져 있고 분석자가 그중에서 패턴을 찾으려고 시도할 때 발생합니다. 이것은 분석자가 이미 있는 데이터에서 패턴을 찾으려고 할 때 발생하는 통계적 오류입니다.

텍사스 명사수의 오류의 특징:

1. 데이터 조작: 분석자가 이미 있는 데이터를 살펴보고 패턴을 찾으려고 시도할 때, 그들은 종종 무작위로 데이터를 선택하고 패턴을 발견합니다.
2. 임의의 관련성 부여: 패턴이 발견되면 분석자는 해당 패턴에 의미를 부여하려고 시도하고, 이로 인해 무작위로 선택된 데이터가 어떤 의미 있는 패턴으로 간주됩니다.
3. 무작위성 무시: 이러한 패턴이 무작위로 발생한 것임에도 불구하고, 분석자는 이를 진정한 패턴이나 관련성으로 오인합니다.

텍사스 명사수의 오류의 예시:

1. 효과적인 광고 캠페인: 광고 회사가 이미 있는 데이터를 조사하여 특정 그룹의 소비자에게 효과적인 광고 캠페인을 설계할 때, 무작위로 선택된 데이터에서 발견된 패턴이 실제로 존재하는 특별한 패턴인 것으로 오인할 수 있습니다.
2. 주식 시장 분석: 주식 시장 분석가가 이미 있는 주식 시장 데이터를 살펴보고 특정 주식이 다른 주식보다 더 나은 성과를 보인다는 패턴을 발견한 경우, 이 패턴이 실제로 무작위로 발생한 것인지 아니면 실제로 의미 있는 패턴인지를 구별하는 것이 중요합니다.
3. 연구 결과 해석: 과학 연구에서도 이러한 오류가 발생할 수 있습니다. 연구자가 이미 있는 데이터를 조사하고 특정 변수가 다른 변수와 관련이 있다고 결론을 내린 경우, 이 결론이 텍사스 명사수의 오류로 인한 것인지 아니면 실제로 의미 있는 발견인지를 신중하게 고려해야 합니다.

텍사스 명사수의 오류를 피하기 위해서는 데이터를 분석할 때 항상 무작위성을 고려하고, 발견된 패턴이 실제로 의미 있는지를 확인하기 위해 추가적인 검증을 수행해야 합니다.