베이스 추론에서 기저율 무시

Abstract

기저율 오류(base rate fallacy)는 확률 추론에서 발견되는 대표적인 편향이다. 기저율 오류란 베이스 추론에서 범주자료인 기저율을 무시하고 사례자료인 조건 확률만 의지해 확률을 판단하는 현상을 말하며, 이를 기저율 무시(base rate neglect)라고도 한다(Kahneman & Tversky, 1973). 관련성 가설(relevance hypothesis)에 따르면 기저율 오류는 추단의 결과이며 인과관계는 베이스 추론에서 추단으로 작용한다(Bar-Hillel, 1980). 이 가설은 범주자료와 사례자료의 지각된 관련성에 의해 베이스 추론이 결정된다고 설명한다. 문제 해결에 관련이 높은 것으로 여겨지는 정보는 다른 정보를 압도해 판단을 지배하나 관련이 낮은 정보는 무시된다. 관련성 가설에서 인과관계는 정보의 관련성을 증진시키는 요인 중 하나이다. 인과모델 관점(causal model view)은 인과관계를 추단으로 간주하는 견해를 부정한다. 이 가설에 따르면 시나리오에 인과관계가 분명하지 않아서 인과모델이 모호한 경우 사람들은 그릇된 인과모델에 따라 정답과는 다른 판단을 하게 된다(Krynski & Tenenbaum, 2003, 2007). 따라서 기저율 오류는 추단에 의한 단순한 편향이 아니며 명확하지 못한 인과모델에 기인한다. 본 논문은 베이스 추론에서 인과관계에 대한 상반된 입장인 관련성 가설과 인과모델 관점을 비교하고 기저율 오류의 원인을 살펴보고자 하였다. 실험 1에서는 택시 시나리오를 사용해 범주자료와 사례자료의 지각된 관련성과 시나리오의 인과모델을 달리하였다. 실험 결과, 범주자료와 사례자료 간에 상호작용 효과가 있었다. 사람들은 인과모델과 관계없이 범주자료와 사례자료의 지각된 관련성이 동등한 조건에서는 베이스 추론을 잘하였으나 한 정보가 더 관련된 것으로 여겨지는 조건에서는 수행이 저조했다. 실험 2는 자살 시나리오를 사용해 시나리오의 인과모델과 사례자료의 지각된 관련성을 달리했다. 실험 1은 사례자료에 이 정보의 관련성과 인과모델의 조작이 혼재해 있어 이 둘의 영향을 독립적으로 살펴볼 수 없었다. 실험 2에서는 인과모델과 사례자료의 지각된 관련성을 독립적으로 조작하였다. 실험 결과, 인과모델은 베이스 추론에 영향을 미치지 않았으나, 사례자료의 관련성은 판단에 유의미한 영향을 미쳤다. 본 논문의 실험들은 기저율 오류가 시나리오의 모호한 인과모델에 기인하지 않음을 확인하였다. 실험 결과들은 인과모델과 무관하게 범주자료와 사례자료가 과제에 동등하게 관련이 있는 것으로 보이는 경우 올바른 베이스 추론이 가능함을 시사한다. 이 결과들은 인과관계는 정보의 지각된 관련성에 영향을 미치는 추단이며 기저율 오류는 사례자료가 범주자료를 압도하여 판단을 지배함으로써 발생한다는 관련성 가설을 지지한다.;The base rate fallacy, also called base rate neglect, is a tendency to ignore the base rate, which is class data and only relies on case data in Bayesian inference (Kahneman & Tversky, 1973). In the heuristics and biases view, causality is a decisive factor in base rate fallacy (Tversky & Kahneman, 1980). According to the relevance hypothesis of this view, Bayesian inference is determined by perceived degree of relevance of class and case data, and causality is one of the factors that increases perceived relevance (Bar-Hillel, 1980). However, the causal model view argues against the heuristic view (Krynski & Tenenbaum, 2003, 2007). This model maintains that base rate neglect is attributed to unclear causal structure. According to this viewpoint, if the causal model of a task scenario is ambiguous because there is absent clear causality, it leads people to make a biased probability judgment such as base rate fallacy. This study investigated the role of causality in Bayesian inference and searched for the cause of base rate neglect. This was done through two experiments. The first experiment was designed so that causal model and perceived relevance could be altered by manipulating class and case data of a cab problem. We found an interaction effect between class and case data that supports the relevance hypothesis. People could integrate two kinds of data when its perceived degree of relevance was equal whether the causal model of the cab scenario was clear or not. In the second experiment, we manipulated causal structure and perceived relevance of case data in a suicide scenario. The first experiment had difficulties manipulating the causal model because of the influence on the perceived relevance of the case data. Therefore, the second experiment was planned to investigate the effects of causal model and perceived relevance independently. The result of this examination also corresponded with the relevance hypothesis. People neglected a base rate of class data when the relevance of class and case data was not perceived to be the same. In conclusion, this study identified that the base rate fallacy was not due to an obscure causal model of the task scenarios. The results of these examinations suggest that people consider base rate in their judgment only if class and case data was perceived as equally relevant to problem solving. Therefore, this research supports the relevance hypothesis that regards causality as a heuristic.