Shift-Share Designs in Political Science

논문 제목: 정치학에서의 시프트-셰어 디자인 (Shift-Share Designs)
저자: Peter Kyungtae Park (스탠포드 대학교 정치학과)
작성일: 2025 년 9 월 17 일 (사후 출판)

이 논문은 정치학 분야에서 점차 인기를 얻고 있는 시프트 - 셰어 (Shift-Share) 디자인에 대한 포괄적인 방법론적 개요, 문헌 검토, 그리고 새로운 식별 전략을 제시합니다. 저자는 이 방법론이 경제학에서는 오랜 역사를 가지고 있지만, 정치학에서는 식별 가정 (identifying assumptions) 에 대한 이해가 부족하고 오용되는 경우가 많다고 지적합니다. 특히 '공유 (Share) 외생성' 프레임워크에 과도하게 의존하는 반면, '시프트 (Shift) 외생성' 프레임워크는 정치학에서 제대로 활용되지 못하고 있음을 강조합니다.

1. 연구 배경 및 문제제기 (Problem)

• 시프트 - 셰어 디자인의 복잡성: 시프트 - 셰어 변수는 단위 $i$가 $m$개의 공통적인 충격 (시프트, $D_j$) 에 대해 각기 다른 정도 (공유, $w_{ij}$) 로 노출되는 구조를 가집니다 ($X_i = \sum w_{ij}D_j$). 이 방법론은 무역 충격 (중국 쇼크), 이민, 기술 변화, 원조 등 다양한 분야에서 사용되지만, 통계적 분석의 복잡성으로 인해 식별 전략이 명확하지 않은 경우가 많습니다.
• 식별 문제 (Identification Problem): 시프트와 공유 중 하나라도 내생적 (endogenous) 이면 추정이 편향될 수 있습니다. 기존 정치학 논문들은 대부분 '공유 외생성 (Share Exogeneity)'을 가정하지만, 이는 공유가 결과 변수와 무관해야 한다는 강한 가정을 요구합니다.
• 추론 문제 (Inference Problem): 시프트 - 셰어 디자인에서는 단위 간 오차항의 상관관계가 복잡하게 발생할 수 있어, 기존 군집 표준오차 (cluster-robust standard errors) 가 실제 표준오차를 과소평가할 위험이 있습니다.
• 정치학의 현황: 정치학 논문 중 2021 년 이후 발표된 것의 약 3 분의 1 만 식별 가정을 명시적으로 언급하거나 검증했습니다. 또한, 무역 충격 연구에서도 경제학에서 주로 사용하는 '시프트 외생성' 대신 '공유 외생성'을 무분별하게 적용하는 경향이 있습니다.

2. 방법론 및 이론적 프레임워크 (Methodology)

저자는 시프트 - 셰어 디자인을 식별하는 두 가지 주요 프레임워크를 수학적으로 정리하고 비교합니다.

A. 공유 외생성 (Share Exogeneity)

• 가정: 공유 ($w_{ij}$) 가 오차항과 무관하며, 시프트 ($D_j$) 는 고정된 것으로 간주합니다.
• 논리: 단위 간 비교 가능성에 기반합니다. 각 단위가 공통 충격에 대해 공유에 의해 결정된 정도만 노출된다고 가정합니다. 이는 차이 - 차이 (Difference-in-Differences) 디자인의 확장으로 볼 수 있습니다.
• 검증: Rotemberg 가중치를 사용하여 어떤 공유가 추정치에 가장 큰 영향을 미치는지 확인하고, 해당 공유의 외생성을 방어해야 합니다.
• 한계: 공유가 결과 변수와 동시에 결정되는 경우 (예: Autor et al., 2013 의 노동 시장) 적용하기 어렵습니다. 또한 지리적 군집 오차를 처리하는 이론이 부족합니다.

B. 시프트 외생성 (Shift Exogeneity)

• 가정: 시프트 ($D_j$) 가 오차항과 공유에 대해 평균 독립적 (mean-independent) 이며, 많은 수의 독립적인 시프트가 존재한다고 가정합니다. 공유는 내생적일 수 있습니다.
• 논리: 시프트 간 비교 가능성에 기반합니다. 많은 수의 작은 충격들이 서로 상쇄되어 (대수의 법칙) 편향이 제거된다고 봅니다.
• 핵심 조건:
  1. 시프트는 평균이 0 이 되도록 중심화 (demeaning) 되어야 합니다.
  2. 어떤 하나의 공유도 전체를 지배하지 않아야 합니다 (asymptotically negligible shares).
  3. 시프트 간 상관관계가 없어야 합니다.
• 추론: 역회귀 (Inverted Regression) 방식을 사용하여 시프트를 '관측치'로 간주하고, 시프트 수준에서 군집 표준오차를 계산해야 합니다.
• 대안 (Borusyak & Hull, 2023): 시프트가 교환 가능 (exchangeable) 하고 동일한 분포를 따른다는 강한 가정 하에 무작위화 추론 (randomization inference) 을 사용할 수 있습니다.

C. 새로운 제안: 잔차화 (Residualization) 및 변환 (Transformation)

• 저자는 Colantone & Stanig (2018b) 의 유럽 중국 쇼크 연구를 재현하며, 기존 방법론의 한계를 지적합니다.
• 시프트 변환: 분모가 너무 작은 경우 (예: 특정 산업이 없는 국가) 발생하는 '0 으로 나누기' 문제를 해결하기 위해, 임계값 (예: 0.03) 미만의 공유를 가진 시프트를 0 으로 대체하거나 제거하는 방식을 제안합니다.
• 시프트 잔차화: 시프트가 국가 - 산업별 고정효과와 시간 고정효과에 의해 설명될 수 있는 부분을 제거하고, 순수한 무작위 충격 ($\eta_{cjt}$) 만을 사용하여 식별합니다. 이는 시프트의 평균이 동일하다는 가정을 충족시키고 내생성을 줄이는 데 필수적입니다.

3. 주요 연구 결과 (Results)

저자는 Colantone & Stanig (2018b) 의 연구를 재현하여 시프트 외생성 프레임워크를 적용했습니다.

• 데이터 재구성: 원저자의 집계된 변수 대신 개별 시프트와 공유 데이터를 재구성하여 분석했습니다.
• 가정 검증:
  • 시프트의 독립성과 평균 0 조건을 만족시키기 위해 시프트를 변환하고 잔차화했습니다.
  • 시프트 수준과 단위 수준의 위장 (placebo) 검증을 수행했습니다.
• 실증 결과:
  • 기존 결과의 붕괴: 원저자가 사용한 표준 2SLS 추정치와 군집 표준오차 (지역 - 연도 단위) 를 적용한 경우, 중국 수입이 극우 정당 지지를 증가시킨다는 결과가 유의미하게 나왔습니다.
  • 새로운 추정치: 시프트 외생성 프레임워크에 맞는 **역회귀 (BHJ 추정량)**와 적절한 시프트 잔차화를 적용한 결과, 통계적 유의성이 사라졌습니다.
  • 원인: 원저자의 결과는 시프트 간 상관관계 (특히 산업별 공통 충격) 와 공유의 내생성으로 인해 표준오차가 과소평가되었고, 시프트의 평균 차이를 보정하지 않아 편향이 발생했기 때문입니다.

4. 주요 기여 (Key Contributions)

1. 정치학을 위한 방법론적 종합: 경제학에서 발전된 시프트 - 셰어 방법론 (Goldsmith-Pinkham et al., 2020; Adão et al., 2019; Borusyak et al., 2022) 을 정치학 연구자에게 맞게 체계적으로 정리하고, 두 가지 식별 전략 (공유 vs 시프트 외생성) 의 차이를 명확히 했습니다.
2. 식별 전략의 선택 가이드: 연구 설계 시 '단위 간 유사성'을 강조하면 공유 외생성, '충격 간 유사성'을 강조하면 시프트 외생성을 선택해야 함을 제시했습니다.
3. 실질적 재현과 교훈: Colantone & Stanig (2018b) 연구를 재현하여, 식별 가정과 추론 방법 (특히 시프트 잔차화와 역회귀) 을 올바르게 적용하지 않으면 잘못된 결론에 도달할 수 있음을 실증적으로 보였습니다. 이는 "통계적 절차의 정확성이 실질적 결론의 타당성을 결정한다"는 중요한 교훈을 줍니다.
4. 미국 정치학의 잠재력 제언: 현재 시프트 - 셰어 디자인이 미국 정치학 (미국 내 선거, 로비 네트워크, 기부자 네트워크 등) 에서 거의 사용되지 않고 있음을 지적하며, 풍부한 데이터를 활용한 새로운 연구 가능성 (예: 네트워크 기반 시프트 - 셰어 디자인) 을 제시했습니다.

5. 의의 및 결론 (Significance)

이 논문은 정치학 연구자들이 시프트 - 셰어 디자인을 사용할 때 단순히 변수를 생성하는 것을 넘어, 어떤 식별 가정을 충족시키는지, 그리고 그에 맞는 추론 방법 (표준오차 계산 등) 을 적용해야 하는지에 대한 엄격한 기준을 제시합니다.

• 방법론적 엄격성: 많은 기존 연구가 식별 가정을 충분히 검증하지 않고 결과를 해석하고 있음을 지적하며, 향후 연구에서 시프트의 외생성, 공유의 무관성, 그리고 오차항의 상관관계를 철저히 검증할 것을 요구합니다.
• 새로운 기법의 도입: 시프트 변환 (Transformation) 과 잔차화 (Residualization) 같은 기법을 제안하여, 복잡한 데이터 구조 (예: 국가 간 크기 차이, 산업별 불균형) 에서도 신뢰할 수 있는 인과 추론을 가능하게 합니다.
• 미래 연구 방향: 특히 미국 정치학 분야에서 시프트 - 셰어 디자인의 활용도를 높이고, 네트워크 데이터 등을 활용한 새로운 디자인을 개발할 것을 권장합니다.

결론적으로, 이 논문은 시프트 - 셰어 디자인이 정치학에서 강력한 도구로 자리 잡기 위해서는 방법론적 이해의 심화와 엄격한 식별 전략의 적용이 필수적임을 강조하며, Peter Park 교수의 유산으로 남을 중요한 방법론적 지침을 제공합니다.