📈 economics

Misrepresentation in District-Based Elections

이 논문은 지역 기반 선거에서 지역 다수와 주 전체 유권자 의사를 모두 고려한 '오대표성 최소화 규칙'을 제안하며, 이 규칙이 지리학적 편향 (게리맨더링) 을 완화하고 선거구 획정의 대표성을 평가하는 새로운 기준을 제공함을 보여줍니다.

원저자: Yunus C. Aybas, Oguzhan Celebi, Surabhi Dutt

게시일 2026-02-16

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Yunus C. Aybas, Oguzhan Celebi, Surabhi Dutt

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"선거에서 '지역의 목소리'와 '전국적인 균형' 사이에서 어떻게 균형을 잡을 것인가?"**라는 아주 중요한 질문을 던집니다.

미국이나 많은 국가에서 의회 의석은 '작은 선거구 (지역구)'를 나누어 뽑습니다. 하지만 여기서 큰 문제가 발생합니다.

지역의 뜻: 각 지역구에서 가장 많은 표를 받은 사람이 이겨야 하나요? (지역 주민의 뜻)
전국의 뜻: 전체 주 (State) 에서 당이 받은 총표 비율에 맞춰 의석을 나눠야 하나요? (전국적인 공정성)

이 두 가지 목표는 종종 충돌합니다. 예를 들어, 한 정당이 전국적으로는 40% 만 얻었지만, 특정 지역에 몰려 있어서 지역구에서는 60% 를 얻어 의석의 80% 를 차지할 수도 있습니다. 반대로 전국적으로 60% 를 얻었는데, 지지층이 고르게 퍼져 있어 지역구에서 50% 미만을 얻어 의석을 거의 못 얻는 경우도 있습니다.

저자 (Aybas, Celebi, Dutt) 는 이 딜레마를 해결하기 위해 **하나의 '비밀 공식'**을 제안합니다.

🍕 피자와 비유: "어떻게 나누어야 공정한가?"

이 논문의 핵심 아이디어를 피자 한 판을 나누는 상황에 비유해 보겠습니다.

1. 두 가지 방식의 충돌

현행 방식 (FPTP, 단순 다수결): "네가 이 지역 (조각) 에서 가장 많이 먹었으면, 그 조각은 네 것이다."
- 문제: 한 사람이 특정 조각 3 개를 다 먹어치웠지만, 다른 조각들은 다 남겼다면? 전체 피자 양의 50% 만 먹었는데, 조각 수는 80% 를 차지하게 됩니다. (전체적인 불균형)
비례대표 방식 (PR): "네가 전체 피자에서 40% 를 먹었으니, 조각도 40% 만큼만 가져가."
- 문제: 하지만 네가 가장 많이 먹은 특정 조각 (지역) 을 다른 사람이 가져가면, 그 지역 사람들은 "내 피자를 왜 남이 가져가?"라고 화를 냅니다. (지역 대표성 상실)

2. 저자들의 해결책: "가변적인 컷오프 (Cut-off)"

이 논문은 **"지역의 뜻"과 "전국의 균형" 사이에서 우리가 얼마나 타협할지 정하는 '가중치 (Weight)'**를 도입합니다.

가중치 0 (지역 우선): "전국적인 균형은 신경 안 써. 각 조각에서 가장 많이 먹은 사람이 가져가." = 현행 단순 다수결 (FPTP)
가중치 100 (전국 우선): "지역은 상관없어. 전체 비율대로만 나누자." = 비례대표 (PR)
가중치 50 (중간): "전국적인 균형도 중요하지만, 지역 뜻도 무시할 수 없어. 그래서 **승리 기준선 (Threshold)**을 살짝 조정하자."

핵심 메커니즘:
이 논문에 따르면, 우리가 '전국적인 균형'을 얼마나 중요하게 생각하느냐에 따라 **승리 기준선 (예: 50% 가 아니라 48% 나 52%)**이 자동으로 바뀝니다.

만약 한 정당이 전국적으로는 부족하지만 지역에서는 이기고 있다면, 기준선을 낮춰서 그 지역에서도 의석을 주게 됩니다. (지역의 소수파를 더 많이 대표하게 함)
반대로 전국적으로는 너무 많지만 지역에서는 약하다면, 기준선을 높여서 의석을 줄입니다.

이처럼 기준선을 조절하면, 지리적으로 지지층이 뭉쳐 있는 것 (Gerrymandering, 선거구 조작) 을 어렵게 만들 수 있습니다.

🕵️‍♂️ 선거구 조작 (Gerrymandering) 을 막는 새로운 무기

기존에는 선거구 조작을 막기 위해 "지도 (Map) 를 어떻게 그릴지"만 고민했습니다. 하지만 이 논문은 **"선거 규칙 (Rule) 을 어떻게 바꿀지"**를 새로운 해결책으로 제시합니다.

비유: 도둑이 금고 (의석) 를 털려고 열쇠 (지리적 집중) 를 가지고 왔습니다.
- 기존 방식: 금고 문이 너무 두꺼우니 (단순 다수결), 도둑이 열쇠를 끼워도 문이 열립니다.
- 이 논문의 제안: 금고 문 자체를 유연하게 만듭니다. 도둑이 열쇠를 끼우면, 문이 "너무 많이 가져가려니, 기준을 좀 더 까다롭게 할게"라고 반응해서 문이 열리지 않게 합니다.

즉, 지역구 제도를 완전히 없애지 않고도, '전국적인 균형'에 조금만 더 무게를 두는 규칙을 도입하면, 선거구를 어떻게 조작하든 의석 수를 마음대로 조작하기 매우 어려워진다는 것입니다.

📊 실제 데이터로 확인한 결과 (미국 하원 선거)

저자들은 1990 년부터 2024 년까지 미국 하원 선거 데이터를 분석했습니다.

주마다 다른 '비밀 번호': 각 주마다 현재 선거 결과가 '가장 공정한' 결과를 내기 위해서는, '전국적 균형'에 얼마나 많은 점수를 줘야 하는지 계산해냈습니다.
- 캘리포니아 같은 주: 아주 작은 점수만 줘도 현재 방식 (FPTP) 이 비공정해집니다. 즉, 현재 지도가 지역 대표성과 전국 대표성 사이에서 큰 괴리가 있다는 뜻입니다.
- 텍사스 같은 주: 점수를 꽤 많이 줘도 현재 방식이 여전히 '최적'으로 보입니다. 즉, 현재 지도가 두 목표를 잘 조화시키고 있다는 뜻입니다.
지도 변경의 영향: 2022 년 노스캐롤라이나 주처럼 법원이 선거구를 다시 그렸을 때, 데이터상 '공정성'이 높아지는 것을 확인했습니다. 이는 지도를 그리는 권한이 누구에게 있느냐에 따라 선거 결과가 얼마나 달라지는지 보여주는 증거입니다.

💡 결론: 우리가 배울 점

이 논문은 "지역의 뜻"과 "전국의 뜻"은 서로 배타적인 것이 아니라, 우리가 얼마나 타협할지 정할 수 있는 연속선 (Spectrum) 위에 있다고 말합니다.

**단순 다수결 (FPTP)**은 지역 주민의 뜻을 가장 잘 반영하지만, 전국적인 불공정함을 낳을 수 있습니다.
**비례대표 (PR)**는 전국적인 균형을 맞추지만, 지역 주민의 뜻을 무시할 수 있습니다.
이 논문의 제안: 이 두 극단 사이를 오가는 **'스마트한 기준선'**을 설정하면, 선거구 조작을 막으면서도 두 가지 목표를 모두 잡을 수 있습니다.

마치 소금과 설탕의 비율을 조절해서 맛있는 요리를 만들듯이, 선거 규칙에서도 '지역 대표성'과 '전국적 공정성'의 비율을 조절하면 더 민주적이고 공정한 의회를 만들 수 있다는 희망을 제시합니다.

1. 연구 문제 (Problem)

대부분의 주 의회나 미국 하원 선거는 단일 의원 선거구 (Single-Member District) 방식을 따릅니다. 이는 두 가지 상충되는 대표성 기준을 야기합니다.

지역 다수결 존중: 각 선거구의 다수당 후보가 당선되어야 함 (지역 대표성).
주 전체 비례성: 주 전체의 득표율과 의석 수가 비례해야 함 (주 전체 대표성).

현재 미국에서 널리 쓰이는 **최다득표제 (First-Past-The-Post, FPTP)**는 지역 다수결을 따르지만, 주 전체 의석 배분이 득표율과 크게 괴리될 수 있습니다. 반면 **비례대표제 (Proportional Representation, PR)**는 주 전체 비례성을 보장하지만, 일부 선거구에서 지역 다수당의 의사를 무시해야 할 수 있습니다. 기존 문헌은 이러한 상충 관계를 명시적으로 모델링하거나, 두 기준을 어떻게 균형 있게 조절해야 하는지에 대한 규범적 규칙을 제시하지 못했습니다.

2. 방법론 (Methodology)

2.1. 모델 설정

가정: 두 정당 (A, B) 간의 선거, $N$ 개의 단일 의원 선거구, 각 선거구 인구는 동일.
변수:
- $p_d$ : 선거구 $d$ 에서 정당 A 의 득표율.
- $\bar{p}$ : 주 전체 평균 득표율.
- $S$ : 정당 A 가 획득한 의석 수.
왜곡 (Misrepresentation) 측정:
1. **지역 내 왜곡 (Distortion within District, $Dist(x) $):** 자신이 지지하지 않는 당이 당선된 유권자의 총합. (선거구$ d $에서 A 가 이기면$ 1-p_d $, B 가 이기면$ p_d$만큼의 유권자가 대표되지 않음).
2. **주 전체 왜곡 (Statewide Misrepresentation, $Agg(x) $):** 주 전체 득표율 ($ \bar{p} $) 과 의석 비율 ($ S/N $) 의 차이.$ Agg(x) = N|\bar{p} - S/N| = |a - S| $(단,$ a = N\bar{p}$).
목적 함수: 두 왜곡의 가중 합을 최소화.
$\Phi(x; w_A) = Dist(x) + w_A \cdot Agg(x)$
- $w_A \ge 0$ : 주 전체 비례성에 부여하는 규범적 가중치. $w_A=0$ 이면 순수 지역 다수결, $w_A \to \infty$ 이면 완전한 비례대표.

2.2. 최적 할당 규칙 도출

2 단계 최적화:
1. 의석 수 결정: 주 전체 왜곡 항은 의석 수 $S$ 에만 의존하므로, 먼저 $S$ 를 고정하고 지역 내 왜곡을 최소화하는 할당을 찾음.
2. 최적 의석 수 선택: $S$ 를 변수로 하여 전체 목적 함수 $\Phi$ 를 최소화하는 $S^*$ 를 찾음.
결과: 주 전체 가중치 $w_A$ 가 주어졌을 때, 최적 할당은 균일한 득표율 컷오프 (Uniform Vote-Share Cutoff) 규칙으로 구현됨. 즉, 정당 A 가 득표율 $t(w_A)$ 를 초과하는 모든 선거구를 획득합니다.

3. 주요 기여 및 이론적 결과 (Key Contributions & Results)

3.1. 최적 규칙의 구조적 특성 (Structural Characterization)

컷오프 규칙 (Cutoff Rule): $w_A$ $w_{A}$ 가 증가함에 따라 최적의 승리 임계값 (cutoff) 이 50% (FPTP) 에서 비례대표를 달성하는 수준으로 연속적으로 이동합니다.
- 정당 A 가 과소대표될 때: 임계값을 50% 미만으로 낮춰 좁은 패배를 승리로 전환하여 의석을 늘림.
- 정당 A 가 과대대표될 때: 임계값을 50% 이상으로 높여 좁은 승리를 패배로 전환하여 의석을 줄임.
파레토 프론티어 (Pareto Frontier): $w_A$ 를 변화시키면 지역 왜곡과 주 전체 왜곡 사이의 가능한 모든 효율적 교환 (tradeoff) 을 추적할 수 있습니다.

3.2. 지지의 공간적 집중과 주요화 (Majorization)

주요화 (Majorization): 정당 A 의 지지율이 주 전체 평균은 유지하되, 더 강한 선거구에 집중되는 경우를 '주요화'라고 정의.
결과: 지지의 공간적 집중이 증가하면 (주요화 순서), 최적의 왜곡 최소화 규칙 하에서는 전체 왜곡이 감소합니다.
중요한 통찰: FPTP 와 같은 고정 임계값 규칙에서는 지지 집중이 의석 수를 급격히 변화시켜 오히려 왜곡을 증가시킬 수 있으나, 최적 규칙은 의석 수를 내생적으로 조정하여 집중의 이점을 유지합니다.

3.3. 선거 규칙의 공리적 특성 (Axiomatic Characterization)

강한 단조성 (Strong Monotonicity): 한 정당의 지지율이 모든 선거구에서 증가하면, 이전에 이겼던 선거구를 잃지 않아야 함.
- 결과: 이 속성은 $w_A=0$ 인 FPTP에서만 성립합니다. $w_A > 0$ 이면 주 전체 항이 선거구들을 연결하여, 한 선거구의 득표 증가가 다른 선거구의 패배를 초래할 수 있습니다.
** Gerrymandering-Proofness ( Gerrymandering 방어성):** 주 전체 득표율이 고정된 상태에서 지지 배분 (재배치) 을 변경해도 의석 수가 변하지 않아야 함.
- 결과: 이 속성은 $w_A \to \infty$ 인 **비례대표제 (PR)**에서만 성립합니다. 유한한 $w_A$ 에서는 지지 분포에 따라 최적 의석 수가 달라질 수 있습니다.

3.4. Gerrymandering 비용 (Gerrymandering Cost)

정의: 특정 정당에게 추가 의석을 얻기 위해 필요한 지지 배분의 최소 변화량.
결과: FPTP( $w_A=0$ ) 에서 과대대표된 정당의 경우, $w_A$ 를 증가시킬수록 (비례성 강조) 추가 의석을 얻기 위한 Gerrymandering 비용이 엄격하게 증가합니다.
의의: 선거구 경계 redraw(재구획) 만이 Gerrymandering 방지 수단이 아니라, 선거 규칙 자체를 FPTP 에서 비례성 쪽으로 조정하는 것만으로도 Gerrymandering 을 어렵게 만들 수 있음을 시사합니다.

4. 실증 분석 (Empirical Analysis)

데이터: 1990 년~2024 년 미국 하원 선거 데이터.
방법: 관측된 FPTP 결과를 바탕으로, 해당 결과가 '왜곡 최소화'가 되게 하는 **암시적 가중치 (Implied Weight, $w_A$ )**를 역추정 (Inversion) 합니다.
주요 발견:
- 주별 차이: 캘리포니아, 워싱턴 등 일부 주는 $w_A$ 가 매우 낮아도 FPTP 결과가 최적에서 벗어나는 반면, 텍사스, 조지아 등은 $w_A$ 가 높아도 FPTP 가 최적인 경우가 많습니다. 이는 캘리포니아의 경우 지역 다수결이 주 전체 대표성과 더 큰 괴리를 보인다는 것을 의미합니다.
- 시간적 변화: 선거구 재구획 (Redistricting) 이 이루어진 해 (예: 노스캐롤라이나 2022 년) 에는 주 전체 비례성과의 괴리가 줄어들어, FPTP 가 최적임을 정당화하는 가중치 범위가 변하는 것을 관찰했습니다.

5. 의의 및 결론 (Significance & Conclusion)

규범적 프레임워크 제공: 지역 대표성과 주 전체 비례성 사이의 상충 관계를 단일 매개변수 ( $w_A$ ) 로 정량화하여, 다양한 선거 규칙을 공통의 척도에서 비교할 수 있게 했습니다.
Gerrymandering 대응의 새로운 레버: Gerrymandering 방지를 위해 선거구 경계만 수정하는 것이 아니라, 선거 규칙을 FPTP 에서 비례대표 쪽으로 점진적으로 조정함으로써 Gerrymandering 비용을 높일 수 있음을 이론적으로 증명했습니다.
실증적 도구: 특정 주와 연도의 선거 결과가 얼마나 '대표성'을 중시하는지 (또는 무시하는지) 를 암시적 가중치로 측정하여, 선거구 재구획의 효과나 선거 개혁 안건의 영향을 평가하는 새로운 지표를 제시했습니다.

이 논문은 선거 규칙 설계가 단순히 '누가 이기느냐'를 결정하는 것을 넘어, 어떤 형태의 대표성 (지역 vs 전체) 을 사회가 선호하는지에 대한 규범적 선택을 명확히 하고, 이를 통해 Gerrymandering 을 완화할 수 있는 실용적인 경로를 제시했다는 점에서 중요한 기여를 합니다.