논문리뷰 (정책결정론 전망이론): Prospect Theory in Risk-Taking in International Politics (McDermott, 1998)

Summary

 본 저서의 2장은 전망이론을 이해하기 위해 합리모형과 비교하여 전망이론이 어떤 특성, 차별성을 갖는지를 보여준 후, 심리학·정치학 맥락에서 전망이론을 보여주고 국제정치에서 전망이론의 적용가능성을 살펴본다. 먼저 기대효용이론은 기댓값의 모순에 반론을 제기했던 Bernoulli에 의해 시작되었다. 베르누이는 상트페테르부르크의 역설을 발표하면서 기댓값의 한계를 지적했고, 개인이 특정 성과에 갖고 있는 가치가 확률에 영향을 줄 수 있다는 것으로 연구를 이어갔다. 그 결과로 베르누이는 오목(concave)인 효용함수를 제시하여 사람에겐 한계효용체감이 존재한다고 주장했다. 효용함수가 오목성이기 때문에 사람은 위험회피 성향을 갖는다. 이후 von Neumann & Morgenstern은 효용이 선호를 결정한다는 명제를 역전시켜 선호가 효용을 결정한다고 가정하였고, 이를 통해 개인의 효용함수를 만들 수 있는 논리적 기틀을 마련했다. 효용함수는 개인마다 다를 수 있지만 동일한 공리가 적용되며, 본 장에서 소개한 공리는 이행성, dominance(기수성), invariance(불변성)이다.

 전망이론은 규범적 이론이 하나의 선택모형으로 활용될 수 없음을 보여주기 위해 설계되었다. 합리모형에서 효용은 개인이 성과에 부여하고 있는 가치라고 할 수 있으며, 이를 통해 현시된 선호를 계산한다. 하지만 환경오염으로 인한 사망에 대해 사망과 동일한 값을 갖는 효용을 계산하는 것과 같이 효용의 계산은 매우 어려운 일이다. 전망이론은 엄격하고 정확한 분석은 어려울지 모르지만 이와 같은 상황에서의 예측을 가능하게 한다는 점에서 유용하다고 할 수 있다. 전망이론은 프레이밍(or editing)과 평가로 구분되며 각각을 설명하면 다음과 같다.

 내용은 동일하더라도 프레이밍이 어떻게 이루어지냐에 따라 선택이 바뀔 수 있다. 특정개념에 대한 경험, 맥락, 습관 등이 선택에 영향을 미치기 때문이다. 방역정책과 관련하여 선택지를 save로 표현하느냐, death로 표현하느냐에 따라 반사효과가 발생하는 것처럼 프레이밍은 선택에 큰 영향을 미친다. 프레이밍은 한 번 설정이 된 이후에는 재구성하지 않기 때문에(acceptance) 신중하게 설정될 필요가 있으며, 보이지 않지만 중요할 수 있는 요소를 배제시키는 효과(segeregation)를 갖는다. 프레이밍은 다음의 절차를 갖는다. 먼저 코딩을 통해 준거점을 설정하여 이득과 손실을 구분한다. 다음으로 결합, 상쇄를 통해 전망들을 단순화시킨다. 방역정책의 예시처럼 프레이밍은 내용의 큰 수정없이 순서와 표현의 변경만으로 선택에 영향을 미칠 수 있기 때문에 반규범적이며, 기대효용이론의 불변성공리를 위배한다. 프레이밍의 결과를 통해 첫째 선택에 있어서 프레이밍의 효과는 의도되었기보다는 인간의 인지적 한계로 인한 현상임을 알 수 있다. 둘째, 따라서 이러한 인지적 한계를 극복하기 위해서는 동시에 여러 프레임을 제시하여 반사효과의 모순을 깨닫고 선택을 할 필요가 있다.

 평가에서 활용되는 가치함수는 첫째 절대적 가치가 아닌 준거점을 기준으로 한 이득과 손실에 의해 설명된다. 둘째, S커브 형태로, 준거점을 기준으로 이득에서 오목, 손실에서 볼록한 형태를 띤다. 이에 따라 이득구간에서는 위험기피, 손실구간에서는 위험애호의 성향을 갖는다. 셋째, 손실에서 최초 도함수의 기울기가 더 크게 나타나며, 따라서 주관적 가치의 절대값이 동일한 규모의 이득이 있을 때보다 손실에서 더 크다. 가중치 함수의 경우 첫째 매우 확실한 또는 불확실한 상황에서 심리적 가중치가 커진다. 둘재, 확률이 낮은 경우 과대평가되고, 확률이 높아지는 경우 과소평가되는 경향을 갖는다. 따라서 일어날 가능성이 매우 낮은 일이 최초 의제로 선정될 현실적 확률이 떨어지는데도 불구하고 의제로 오를 수 있다. 또한, 동일 논리에 의해 확실한 것을 안되게 하거나 불가능한 것을 가능하게 만드는 것이 더 큰 임팩트를 갖기 때문에 정치적 시사점이 매우 크다고 할 수 있다. 셋재, 가중치함수는 허위확실성의 효과를 갖는데, 실제로는 불확실한 것이 확실한 것으로 인식되는 상황을 의미한다.

 저자는 앞서 설명한 전망이론을 기반으로 전망이론의 국제정치에서의 적용가능성을 설명하기 위해 전망이론의 개념을 국제정치상황과 매칭하면서 설명을 이어나간다. 확률이 정해지지 않는 정치영역에서 전망이론의 적용은 더욱 어려울 수 밖에 없다. 하지만 저자는 전망이론에 따른 기대, 즉 주요원칙(준거점, 위험성향)을 통한 체계적 예측이 가능하다고 주장한다. 먼저 저자는 분석범위를 국방으로 한정하고, 연구목표를 구간(domain; 이득 또는 손실)에 따라 위험성향의 체계적인 변화여부를 관찰하는 것으로 정의했다. 이때 구간을 결정짓는 주체는 대통령이며, 2차세계대전 이후의 미국이 분석대상이다. 독립변수는 구간(이득 또는 손실)이고 종속변수는 위험성향이다.

 구간 즉, 이득과 손실인 상황을 판단하는 것은 관점에 따라 다르기 때문에 매우 어렵다. 하지만 이러한 어려움은 기대효용이론이 효용을 계산하기 위해 방대한 양의 정보가 필요한 것과 크게 다르지 않다고 할 수 있으며, 오히려 전망이론은 준거점과 위험성향이라는 적은 정보로 분석이 가능하다고 주장한다. 구간의 특성상 구간은 사건, 인물에 따라 달리 분석을 해야한다. 이를 분석하기 위한 정보는 대통령의 연설, 대중설문조사, 국회 결정 등이 있으며, 회고적 편향이 있을 수 있지만, 편지, 일기장 등 개인물품 등을 활용할 수 있다.

 위험성향은 동어반복적 설명을 회피하기 위해 성과에 대한 개인의 선호의 분산을 활용한다. 이를 위해 먼저 정책의 성공과 실패에 선호 순서를 부여하고, 이러한 기수성을 바탕으로 정책 선호의 분산의 크고 작음을 판단한다. 위와 같은 방식을 활용할 경우 동어반복적인 위험성향 설명을 회피할 수 있고, 다른 정책과의 비교도 가능하게 된다. 이는 주관적 확률을 계산할 필요없이 위험을 논리적으로 설명한다는 장점이 있으며, 프레임에 따른 결정변화를 확인할 수 있다.

 준거점은 한 개인이 익숙해진 현상황(status quo)을 의미한다. 원 논문에서는 준거점의 시간적 흐름에 따른 준거점의 변동을 명시하지는 않지만 적응이라는 단어에 내포되어져 있다고 할 수 있다. 심리학적으로도 준거점은 개인이 적응한 지점으로 시간에 따라 이동하게 되며, 손실영역에서 적응되는 절대적 시간이 이득구간 보다 길다.

 마지막으로 저자는 위험기피에 대해 서술하고 있다. 양과 음의 동일한 규모의 성과 x와 -x가 주어졌을 때, v(x) < v(-x)이기 때문에 개인은 이득 구간보다 손실구간에서 가치하락을 더 크게 느끼며 따라서 손실구간에서 위험기피적 행동을 취한다고 설명한다. 이러한 경향은 정치적 손실과 연관되었을 때 더욱 크게 나타난다.

 

Comments

 본 장을 통해 원논문에서 많은 부분을 할애하지 못했던 프레이밍 부분을 깊게 이해할 수 있었다. 원논문에서는 확실성 효과, 반사 효과, 분리 효과를 설명한 이후 프레이밍에 대해 서술하고 있는데, 각 효과와 프레이밍 간의 연결고리를 찾지 못했었다. 저자는 방역정책과 의사의 치료법을 예시로 하여 프레이밍에 따른 극단적인 차이를 보여주고 있다. 이를 통해 프레이밍에 따라 기대효용이론 관점에서의 선호체계가 역전될 수 있음을 보여주면서 프레이밍의 효과를 명확하게 제시하고 있다. 또한, 결정가중치에 대한 설명을 보다 세분화하여 그 특징을 자세하게 설명하고 있는데, 현재의 코로나 상황과 매칭해서 보면 코로나 상황을 보다 객관적으로 판단 할 수 있다.

 코로나 발생 초기를 보면 코로나의 전파경로, 치명률, 신체적 여파가 알려져 있지 않았던 만큼 불확실성이 매우 심했다. 이로 인해 불확실한 상황에서의 심리적 가중치가 커졌는데, 그 일환으로 구글 이동성 데이터를 보면, 한국의 경우 지자체에서 사회적 거리두기를 시작한 3월 첫주에서 약 2주일 전인 2월 중순 경부터 전년도 대비 이동량이 급격하게 감소한 것을 확인할 수 있다. 또한, 코로나의 여파를 과장한 폐 사진 등이 유포되면서 코로나의 실제 여파 및 그 여파의 확률과는 상관없이 코로나의 치명률이 매우 높은 것처럼 인식되는 허위확실성 효과가 발생했다. 한국의 코로나 누적 사망자가 2,798명인 것을 고려하면 1년 9개월 동안 하루 당 2명 미만의 사망자를 낸 것과 다를 바 없으며, 최근의 신규 사망자 추세도 15명을 넘지 않는다. 일일 교통사고 사망자가 약 10명인 것을 고려할 때 코로나 치명률에 대한 공포감과 시민의 행동은 기대효용이론으로 설명하기 어렵다.

 저자는 전망이론과 기대효용이론을 비교하는 과정에서 효용을 계산하기 위해서는 방대한 양의 정보가 필요하며, 따라서 매우 어렵다는 비판을 여러 차례 이어나간다. 효용 계산이 어려운 것은 맞지만 이러한 효용을 계산하기 위해 노력하는 것 또한 현실이다. 피해보상과 같이 사람들은 사망이든 상해이든 피해에 대한 효용을 금전적으로 환산하기 위해 노력한다. 따라서 단순히 기대효용과 기댓값을 원론적으로 비판하는 것은 문제가 있다. 전망이론은 특히 성과가 이득과 손실로 구분될 때 선택에 있어서의 예측가능성에서 그 유용성이 매우 높다고 할 수 있지만, 저자가 인정하듯 주관적 확률과 주관적 가치라는 특수성 때문에 실제 금액을 엄격하고 정확하게 계산하는 측면에서의 유용성은 매우 낮다고 할 수 있다. 실제 정책분석에서도 비용과 편익을 측정하기 위해 개인의 효용을 측정하고자 하는 노력이 지속되고 있다. 이에 따라 CVM(contingent valuation method, 조건부 시장 가치평가법)과 같은 기법들이 등장하고 있으며, 이를 기반으로 비용편익분석을 통한 정책결정들이 이루어지고 있다. 전망이론이 불확실한 상황에서의 예측이 유용한 만큼, 다른 측면에서의 기대효용이론의 유용성을 인정할 필요가 있다.