자막
[제929회] 실험경제학의 이해와 응용
(2023. 7.21(금), 경제연구원 금융통화연구실 이경태 과장)
(이경태 과장)
안녕하세요. 경제연구원의 이경태 과장이라고 합니다. 사실 제가 감히 이 주제로 강좌를 해도 되는지에 대해서 확신은 없습니다. 왜냐하면 제가 이 분야를 전공을 하긴 했지만 이 분야에서 오래된 연구를 한 것도 아니고, 제가 대가도 아니기 때문에 국내에서 이 분야에 대해서는 훨씬 더 오랫동안 연구하시고 연구 성과를 내신 교수님들이 많이 계십니다. 예를 들면 서울대학교의 최승주 교수님이나, 연세대학교 김철영 교수님이 계신데 제가 한국은행에 재직을 하다보니까 금요강좌에서 이 분야에 대해서 강좌를 진행하게 되었습니다. 강좌를 진행하기에 앞서서 지금 이 내용은 한국은행의 공식 견해와는 무관함을 먼저 말씀을 드리겠습니다.
[오늘 강의 순서](p.2)
오늘 강의의 순서는 다음과 같습니다. 먼저 실험경제학이 어떤 것인지에 대해서 간략하게 설명을 드리고요. 그리고 다양한 실험연구 사례를 개괄적으로 소개를 드리고자 합니다. 사실 다섯 개인데 두 개는 하나로 묶었습니다. 무위험수익률 수준에 따른 투자행태에 대한 실험이 있고, 그리고 중앙은행의 통화정책 커뮤니케이션, 개인의 정책에 대한 이해도나 기대에 미치는 영향을 분석하기 위한 논문이 두 개가 있는데 그걸 설명할 거고. 세 번째로는 리처드 세일러 교수님께서 넛지라는 책을 통해서 국내에 많이 소개되셨는데 그런 넛지를 활용한 에너지 절약 사례, 현장실험을 통해서 테스트한 것이 있는데 그 연구 논문에 대해 설명드리고. 마지막은 제가 박사생활을 진행하면서 공저자와 진행했던 구성의 오류, 죄수의 딜레마 상황에서 어떻게 보수의 변화가 그 사람의 선택에 영향을 미치는지. 강의를 설명드리기 전에 제 백그라운드에 대해서 말씀을 드리면 저는 2015년도 8월에 영국에 있는 노팅엄대학에 공부를 하러 갔고요, 2020년도까지 박사 학위를 진행했습니다. 제 지도교수가 Simon Gachter, Martin Sefton으로 게임이론과 협력 유인에 대해서 실험연구를 진행하신 분들이었는데 그 두 분들의 지도를 받아서 제가 박사 학위를 마쳤고요. 지금 현재 한국은행에서는 통화정책의 커뮤니케이션, 그리고 개인의 자산과 관련된 선택에 대해서 제가 연구를 진행하고 있습니다.
[실험경제학이란?](p.3)
먼저 실험경제학에 대해서 간단하게 설명을 드리면 실험경제학이란 기본적으로 경제이론 및 모형 예측을 통제된 실험을 활용해서 검증하는 것을 말합니다. 보통 저희가 관측하는 경제현상에는 여러 가지 요인들이 혼재되어 있는데, 예를 들어서 갑자기 GDP가 갑자기 빠르게 상승했을 경우에는 그게 소비에서 발생한 것일 수도 있고, 생산에서 발생한 것일 수도 있고 여러 가지 혼재된 요인들이 존재하는데 보통 이러한 것들을 단일 요소 하나만 변경시켜서 그 요인이 어떻게 영향을 미치는지, 그리고 그것의 인과관계를 밝히는데 주로 이런 실험경제학이 활용이 됩니다. 위의 그림을 보시면 위에는 해가 있고, 그 다음에 새싹이 있는데 이렇게 키웠더니 나무가 되었고. 예를 들어서 어떤 하나의 treatment, 예를 들어 어떤 약을 주입했다거나 위의 상황, 조건은 똑같은데 조건을 하나 변경시켰을 때 전혀 다른 결과물이 나오면 그것은 밑에서 추가했던 하나의 조건 변화에 의해서 발생하는 인과관계라고 해석을 할 수 있거든요. 이러한 방법론을 통해서, 보통 거시경제학이나 미시경제학의 모델을 활용해서 예측을 하는데 그것이 정말 유효한 것인지에 대해서 검증하는 학문이라고 보시면 되겠습니다. 간혹 오해하시는 경우가 있는데 실험경제학을 통해서 내쉬균형이 잘 맞지 않는다, 역진귀납법 같이 게임이론에서 제시되고 있는 로직이 있는데 그것을 단지 비판하기 위해서만 사용하는 것이 아니라 거기서 잘 설명하지 못하면 어떤 대체 가설들이 잘 설명할 수 있는지 그거에 대해서도 이 분야에서 많이 연구를 진행하고 있습니다.
[실험의 유형](p.4)
실험의 유형에 대해서 설명을 드리면 크게 세 가지가 있는데 첫 번째로는 가장 좌측에 있는 것처럼 실험실에서 하는 실험입니다. 코로나 전에 학교를 다니셨더라면 아마 랩실험에 참여하셨을 기회가 종종 있었을 겁니다. 주로 심리학이나 경제학 쪽에서 이런 랩실험들을 하는데 안타깝게 코로나19 이후에는 상당수의 랩들이 운영되지 못했고, 이런 연구실을 랩이라고 부릅니다, lab experiment라고 부르는데, 지금은 제가 알기로는 미국이나 유럽권 국가에서는 이런 랩들을 다시 개방을 해서 실험을 진행하는 것으로 알고 있습니다. 가운데 보면 실험을 통제하는 사람이고요, 파티션 안에 앉아계시는 분들은 실험에 참가하시는 분들이고 가운데 서있는 사람은 실험을 주관하는 사람인데 이 실험이 진행되고 있는지 절차를 읽어주는 장면이거든요. 보통 이런 실험을 하게 되면 학교마다 홈페이지에서 사람을 모집한 다음에 사람들이 오면 실험을 진행을 하고, 실험이 종료가 되면 그에 상응하는 보수를 지급을 드립니다. 그 보수는 예를 들어서 고정된 금액이 될 수도 있고, 저 같은 경우에는 그 사람의 선택에 연동되도록 보수를 설정해서 지급하고 있고요. 통상적으로는 최저임금을 상회하도록 설정을 하고 있습니다. 가운데 같은 경우에는 현장실험이라고 해서 field experiment라고 부르는데 가장 대표적으로 활용됐던 것이 개발도상국 같은 국가에서 가장 좋은 예가 아이들을 학교에 보내게 하기 위한 인센티브가 어떤 것이 가장 유효할 것인가에 대한 연구 진행, 보통 그럴 때 저런 형태의 현장실험이 활용됩니다. 또 하나 제가 기억나는 것은 제 동료 박사가 진행했던 연구인데 그 분은 가계 구성원, 부부죠, 남편과 아내가 금융과 관련된 의사결정을 할 때 그 사람들의 결혼 형태가 어떤 영향을 미치는지에 대해서 연구를 했었거든요. 결혼 형태라고 하면 우리나라 같은 경우에 중매라는 개념이 많지 않은데 동남아시아 쪽은 중매결혼이 꽤 있거든요. 그 분이 연구하셨던 것은 중매로 맺어진 커플과 연애로 이어진 커플이 저런 공공재 게임 같은 현장실험을 했을 때 결혼 형태가 어떻게 영향을 미치는지에 대해서 연구한 바가 있었습니다. 그래서 이건 논문 진행중인 걸로 알고 있고요. 마지막으로는 맨 오른쪽을 보시면 2010년대부터 많이 쓰였던 온라인 실험입니다. 온라인 실험을 하는 이유는 보통 랩실험 같은 경우에는 저희가 실험을 하는 대상이 학생들로 한정이 됩니다. 물론 경제학에서 모델링을 할 때 가계의 효용함수를 모델링을 할 때 그 사람이 학생인지 일반인인지 그런 걸 셋업하지 않았지만, 일부에서 보시기에는 학생분들 같은 경우 아직 경제적인 활동을 한 경험이 많지 않고 그런 것들 때문에 연구실에서 나온 결과를 갖다가 그대로 일반적으로 적용할 수 있는가에 대한 의문을 제기하셨고. 현장실험 같은 경우 실험을 하는데 있어서 가격이 비쌉니다. 많은 비용이 소요가 되기 때문에 온라인 실험 같은 경우에는 저희가 다양한 인구로부터 데이터를 빠르게 확보할 수 있다는 장점이 있기 때문에 온라인 실험을 많이 활용하기 시작했습니다. 저러한 온라인 실험을 할 때는 한국에서 설문조사 업체 검색하시면 몇 개가 나오잖아요, 그런 업체들을 통해서 하는 경우가 있고. 제가 했던 것들은 유럽이나 미국 같은 경우 저런 온라인 실험을 전문적으로 하는 플랫폼들이 있습니다. 그런 플랫폼을 통해서 하는 방법이 있고, 아니면 중앙은행이나 통계청에서 보유한, 가계금융복지조사 그런 것도 하잖아요, 그런 표본 설문조사를 하는데 그 사람들의 일부를 대상으로 실험을 하는 경우가 있습니다.
[온라인실험 플랫폼](p.5)
그래서 왼쪽에 있는 게 Amazon Mechanical Turk라고 하는 온라인 플랫폼입니다. 실험만 하는 건 아니고요 여러 가지 서베이도 하고. 흔히 온라인 아르바이트로 데이터 레이블링 하는 작업들 있잖아요, 그런 것들을 위한 하나의 노동을 고용하기 위한 플랫폼인데 최근까지도 저 플랫폼을 활용해서 많이 연구가 진행이 되었습니다. 다만 저 플팻폼들을 활용하게 되면 한 가지 단점이 있는게 저렴한 비용으로 연구를 진행할 수 있지만 저기 참석하신 분들이 과연 미국의 성인 인구 모집단을 대표하는 것인가에 대해서는 아직까지 학자들 간의 이견이 있는 편입니다. 그래서 그런 것들을 극복하고자 하는 경우에는 아까 말씀드렸던 표본 조사를 활용해서, 층화 추출된 표본들을 활용해서 연구를 진행하는 경우가 있습니다. 오른쪽 같은 경우 Prolific이라고 해서 주로 영국이나 유럽에서 활용되는 플랫폼입니다. 저기도 참여를 하실 수 있고 관심 있으시면 저기에 접속을 해서 ID를 부여받은 다음에 실험에 참여하시면 실험 참여한지 1주 이내에 소정의 사례비가 핀테크 업체의 계좌를 통해서 여러분의 계좌에 입금이 되게 됩니다. 아마존은 아마존 계정으로 들어가면 되고요. 그런 게 있다는 말씀을 드리겠습니다.
[실험연구 사례1](p.6)
지금부터는 제가 했던 연구들을 포함해서 저보다 훨씬 경험이 많고 훌륭하신 실험경제학을 전공하신 분들이 했던 연구 사례들을 소개해드리도록 하겠습니다. 첫 번째 연구 같은 경우에는 두 가지 자산을 주고 어떤 것을 선택할 것인가에 대해서 물어본 것인데 이게 당연히 현실 세계와는 다릅니다. 현실 세계는 만약 여러분이 주식을 투자하시면 주식이 천 가지, 만 가지가 넘잖아요. 그렇게 현실을 다 반영하기에는 너무 복잡하고, 우리가 실험에서 얻고자 하는 것은 시사점이기 때문에 최대한 간단한 형태로 실험을 진행하고요. 그래서 이 경우에는 두 가지 초이스를 주는 겁니다. 자산A 같은 경우에는 1년 후 확정수익률이 1%고, 자산B 같은 경우에는 1년 후 기대수익률이 평균적으로 6%인데 저런 분포를 가지고 있다고 설명하는 겁니다. 저 표를 보시면 이건 영어로 작성된 논문인데 제가 이해를 돕기 위해서 한글로 번역을 한 겁니다. 예를 들어서 밑에 첫 번째 라인은 100만원을 투자했을 때 경우인데 100만원을 투자하면 20%의 확률로 1년 뒤에 106만원을 받는다는 뜻이고, 두 번째 라인을 보면 1,000만원을 투자했으면 20%의 확률로 1,060만원을 받는다는 뜻이겠죠. 물론 최악의 경우에는 2%의 확률로 100만원을 투자했지만 66만원밖에 못받는 경우도 있고, 가장 오른쪽을 보시면 가장 운이 좋은 케이스라서 100만원 투자했을 때 146만원을 받는다. 그래서 평균적으로는 기대수익률이 6% 정도 된다고 안내를 한 경우입니다.
[실험연구 사례1](p.7)
다음 장을 보게 되면 이건 아까랑 수준밖에 차이가 나지 않습니다. 그래서 자산A는 1년 후 확정수익률이 5%이고, 자산B는 기대수익률이 10%인 경우입니다. 그래서 왼쪽의 경우에는 무위험자산인데, 무위험자산은 어떤 일이 발생해도 무조건 5%의 수익률을 받는 것이니까요. 여기서 자산 A는 무위험자산이고 자산B는 위험자산입니다. 앞장에서와 같이 두 자산의 차이는 5%p밖에 차이가 나지 않습니다. 다음 장에서는 실제로 사람들이 어떻게 행동하는지에 대해서 실험을 했습니다.
[무위험자산 수익률과 위험추구 행태에 관한 실험](p.8)
이 실험은 무위험자산 수익률과 위험추구 행태에 관한 실험을 했던 것입니다. 글로벌 금융위기가 2008년 리먼브라더스 파산 이후에 각국의 중앙은행들이 대공황으로 번지는 것을 방지하기 위해서 금리를 상당 기간 낮게 유지를 했는데 2017년도 이 연구자들이 우리가 알기로는 금융회사들은 당연히 수익률을 추구하는 경향이 있는 것으로 알고 있는데 과연 일반인들도 동일한 패턴을 보일까 라는 연구 질문을 받고 프로젝트를 진행했습니다. 사실 이 실험은 단일 실험으로 구성된 게 아니라 이 실험의 강건성, robustness라고 하죠, 이 실험이 정말 단지 내가 운으로 결과가 잘 나온 것이 아니라 지속적인 현상인지에 대해서 알아보기 위해서 세 차례 이상 실험을 진행했습니다. 이건 두 번째 실험의 그래프를 갖고 온 것이고요. 그래서 이 페이퍼의 제목은 "Low interest Rates and Risk-Taking : Evidence from Individual Investment Decisions"라는 Review of Financial Studies의 페이퍼를 갖고 왔습니다. 보시면 수평선은 무위험자산 수익률입니다. 무위험자산 수익률이 5%인 경우도 있고 가장 오른쪽은 15%죠. 수직선을 보시면 수직선이 의미하는 바는 그 사람이 평균적으로 위험자산에 몇 % 비중의 자산을 투자한지에 대해서 물어본 겁니다. 예를 들어서 5% 조건에서는 평균적으로 사람들이 56.8%의 자산을 위험자산에 배분했고 나머지는 무위험자산에 배분했다는 뜻이거든요. 그래서 여기에 약간 비선형성이 발생하게 되는데 무위험자산 수익률이 10%, 15%로 높아졌다고 하더라도 차이가 통계적으로 유의하진 않거든요. 왜냐하면 49.9%, 50.6%인데 지금 밴드는 거의 같은 수준에 있으니까요. 무위험자산 수익률이 3% 이하 기점에서는 행동이 유의하게 바뀝니다. 예를 들어서 지금 무위험자산 수익률이 3%일 때는 평균적으로 사람들이 약 58.3% 자산을 갖다가 위험자산에 배분을 했는데 그것이 1%로 내려가게 되면 위험에 대한 추구 성향이 더 강해져서 64.6%를 배분하게 되고, 이게 0가 되면 거의 70%, 마이너스가 되면 78% 정도의 자산을 갖다가 위험자산에 투자하는 결과를 발견하였습니다. 그래서 이건 한 사람한테 5%일 때 어떻게 하실 거에요?, 10%일 때 어떻게 하실 거에요? 그렇게 물어본 게 아니라 Amazon Mechanical Turk에서 여러 명의 사람들을 모집을 해서 한 번만 물어봅니다. 예를 들어 제가 만약 이 실험에 참여하는데 저는 무작위로 배정이 돼서 5% 그룹이 됐으면 예를 들어서 다른 사람은 무작위로 배정이 돼서 10%로 된 거죠. 그래서 각각의 조건마다 200명의 사람들이 참여한 실험의 결과입니다.
[무위험자산 수익률과 위험추구 행태에 관한 실험](p.9)
다른 실험을 또 하나 부수적으로 진행을 했는데 그러면 혹시 과거의 역사적 경험과 연관되어있지 않을까? 라고 생각을 해서 조건을 다르게 한 겁니다. 그래서 그룹1 같은 경우에는 실선이거든요. 그룹1 같은 경우에는 높은 무위험자산 수익률을 한 번 경험하고 그 다음에 낮은 무위험자산 수익률을 경험하게 하고요. 그룹2 같은 경우에는 낮은 무위험자산 수익률을 한 번 경험하게 한 다음에 높은 무위험자산 수익률을 경험하게 하는 거거든요. 왼쪽의 Hypothetical이라는 말의 뜻은 이게 진짜로 여러분의 선택과 연동이 되어서 실험보수가 지급되는 것이 아니라 이런 상황이 되었을 때를 가정하겠습니다, 그러면 여러분들은 어떻게 선택하시겠습니까? 라고 일종의 가정법으로 물어본 겁니다. 그리고 보수는 고정된 보수만 받는 거죠. 오른쪽 같은 경우에는 실제 그 사람의 보수를 그 사람의 선택과 연동시킨 겁니다. 예를 들어서 제가 A라는 선택을 했는데 A라는 결과물을 10달러로 받게 돼있으면 10달러를 받는 거고, 만약에 운이 안 좋아서 0으로 나오면 저는 한푼도 못받게되는 그런 식으로 실험을 설계한 건데 사실상 패턴은 똑같습니다. 그래서 역사적으로 봤을 때 자기가 과거에 높은 무위험자산 수익률을 한 번 경험했으면 수익률이 변동이 되었을 때 만약 낮게 변동이 되면 훨씬 많은 자산을 갖다가 유의한 수준으로 위험자산에 투자한 반면에, 낮은 무위험자산 수익률을 먼저 경험한 사람들은 수익률이 높게 올라가더라도 그렇게 행태에 아주 큰 변화를 보이진 않았습니다.
[무위험자산 수익률과 위험추구 행태에 관한 실험](p.10)
그래서 보통 이 실험 결과를 설명하는 이론이 크게 두 가지가 있는데 하나는 트버스키라고 하는 경제학자이자 심리학자가 사람이 자신의 준거점이 있다고 합니다. 예를 들어서 제가 만약에 월소득 500만원이면 제 준거점, 기준점은 500만원이 되는 것이죠. 제가 만약 200만원을 벌면 준거점은 200만원이 되는 것이고. 그래서 그 기준점을 바탕으로 손실과 이득을 판단한다고 하는 것입니다. 그래서 아까 무위험자산 수익률 변화에 따라서 사람들이 많이 변동을 했잖아요. 사실 저희가 전통적인 포트폴리오 배분 이론에 따르면 무위험자산 수익률이 변화하더라도 위험자산 간 수익률 격차가 똑같으면 포트폴리오 배분 결과는 똑같아야 합니다. 근데 실험을 해봤더니 유의하게 달라진다는 것을 발견했고, 똑같은 갭을 유지하더라도 무위험자산 수익률이 낮아지면 사람들이 위험을 추구하는 방향으로 투자한다는 것이 발견이 되었고 그것을 설명하는 이론 중 하나가 사람들이 만약에 준거점, 자기의 투자 기준점을 갖다가 연수익률 3%, 5% 정도로 설정을 했는데 만약에 그 이하로 내려가게 되면 보다 공격적으로 투자한다는 것이죠. 왜냐하면 그 이하는 손실로 해석을 하기 때문에. 이런 이론이 있고. 이걸 또 설명할 수 있는 다른 대체 가설 중 하나는 1%와 6%는 똑같은 5%p 차이라고 하더라도 체감상 변화가 크지 않은데, 왜냐하면 여러분이 100만원을 넣었을 때 1%라고 하면 여러분이 1년 후 받는 금액은 1만원이잖아요. 근데 예를 들어서 5%와 11%면 받는 금액의 레벨이 달라지기 때문에 그게 훨씬 더 심리학적으로 영향을 미쳐서 사람들이 낮은 무위험자산 수익률일 때보다 공격적으로 투자에 나선다고 설명하는 대체 가설이 있습니다. 그 대체 가설 중에 어느 것이 맞는 것인가에 대해서는 이 실험 안에서는 설명할 수 없습니다. 먄약에 둘 중에 맞는 것을 찾고 싶으면 다른 실험을 설계를 해서 실험을 해야 하는데 제가 봤을 때 이 실험은 통화정책에 있어서 금융회사들이 수익률을 추구하는 현상이 있다는 것을 알고 있었는데 그것들이 비단 금융회사뿐만 아니라 개인의 투자 행태에서도 유의미한 영향을 미치기 때문에 통화정책을 운용함에 있어서 그런 것들을 고려할 필요가 있겠다는 시사점을 주는 연구라고 할 수 있겠습니다.
[실험연구 사례 2. 통화정책 커뮤니케이션 실험](p.11)
다음은 두 번째 케이스인데요. 저희와도 연관이 돼있는데 통화정책의 커뮤니케이션 실험입니다. 보통 여러분들이 해외나 우리나라 중앙은행의 통화정책 결정문을 보시면 꽤 양이 있습니다. 그래서 처음에는 왜 우리가 기준금리를 이 정도로 설정했고, 그 밑에 그러한 결정 배경에 대한 설명들이 쭉 나와있습니다. 보통 이러한 형태의 의사결정문을 많이 내보내고 현재까지 많이 고수를 하고 있습니다. 그런데 중앙은행에서 봤을 때는 과거에는 일반인들에 대한 이해도를 높이는 것에 그렇게 많은 관심을 갖고 있지 않았었는데 근래 들어서는 중앙은행이 비단 금융시장 참가자뿐만 아니라 일반 가계한테도 중앙은행이 갖고 있는 정보를 전달함으로써 미리 대비할 수 있도록 유도하는 정책적 노력들이 계속 되고 있거든요. 영란은행에서 behavioural insights team이라고 하는 조직과 같이 협업을 해서 진행한 연구 결과물 중 하나입니다.
[실험연구 사례 2. 통화정책 커뮤니케이션 실험](p.12)
일차적으로 영란은행에서 했던 실험 중 하나가 이렇게 하니까 왠지 사람들이 잘 이해하지 못하는 것 같고, 그래서 통화정책 의사 결정문을 쉽게 바꿔보자는 측면에서 여러 가지 그림과 들어가는 문장의 길이를 줄였습니다. 가급적이면 쉽게 이해할 수 있도록. 보통 여러분이 어떤 글을 쓰실 때 쉽게 쓰는 것이 굉장히 중요하잖아요. 물론 여러분이 만약에 논문을 쓰신다면 논문을 읽는 사람들은 대상이 학자들로 정해져 있기 때문에 쉽게 쓸 필요는 없는데, 예를 들어서 정책 결정문은 학자들만 보는 것도 아니고 금융시장, 기업, 일반 가계들이 다 보는 것이기 때문에 가독성을 측정하는 지수가 있습니다. 가독성을 측정하는 지수 기준으로 쉽게 바꾼 거거든요. 글자의 양도 여기서는 대략 1100자 정도인데 여기서는 870자 정도로 줄여놨습니다. 그렇게 해서 실험을 했더니, 실험을 어떻게 하냐면 무작위로 사람들을 선정을 해서 A라는 그룹은 이 의사결정을 보여준 다음에 다섯 개 정도의 질문을 던져서 어느 정도 이해했는지를 체크를 하는 겁니다. 많이 맞췄으면 잘 이해한 것이고, 조금 맞췄으면 잘 이해하지 못한 것이겠죠. 그리고 무작위로 선정된 다른 사람들한테는 이 통화정책 의사결정문을 보여주고 똑같은 질문을 던져서 얼마나 많이 맞추는지 보는 것입니다. 결과표에는 계량 분석이 있는데 제가 오늘 강의할 내용은 최대한 그런 계량 분석, 테크니컬한 부분을 피하기 위해서 그림 위주로 했고요. 궁금하신 분들은 이 페이퍼가 구글에 바로 나와있습니다. 구글에서 "Enhancing central bank communications using simple and relatable information"이라는 Journal of Monetary Economics의 페이퍼를 보시면 거기에 모든 결과가 나와있습니다. 실험했더니 실제로도 그래프가 있고 요약이 잘 되어 있는 정보를 본 사람들이 보다 이해도가 높았습니다. 기준금리가 5%고 왜 이런 결정을 하게 됐는지에 대한 이해도가 높았는데 여기에 멈추지 않고 영란은행이 한 가지 더 실험을 했습니다. 왜냐하면 지금 변화된 것이 글자의 양도 줄어들었고 그래프도 추가가 되었잖아요. 그러면 사람들이 잘 이해한 것이 그래프를 넣어서 이해를 잘하게 된 것인지, 아니면 글자의 양이 줄어서, 아니면 이해하기 쉽게 써서 이해를 하게된 것인지에 대해 명확하지 않습니다. 그래서 2차 실험을 진행해서 여러 가지 조건을 줬는데,
[실험연구 사례 2. 통화정책 커뮤니케이션 실험](p.13,14,15,16)
이건 컨트롤 그룹인데 똑같이 글자만 있는 통화정책 의사결정문을 보여주고 두 번째 그룹은 내용은 거의 바꾸지 않고 그래프만 넣었습니다. 여기는 그래프만 들어가고 글에는 변화가 거의 없는 거에요. 그리고 세 번째에는 글도 쉽게 쓰고 그래프도 넣었습니다. 마지막으로는 그래프를 다 빼버렸습니다. 이렇게 하면 명확해지겠죠, 어떻게 되는지. 실험을 했더니 일단 기본적으로 가장 중요한 요인은 그림보다는 내용이었습니다. 내용을 쉽게 쓰는 게 제일 중요했던 거고, 물론 그래프도 부분적으로 기여를 하긴 했지만 내용을 쉽게 쓰는 것보다는 그 기여효과가 작았습니다.
[실험연구 사례 2. 통화정책 커뮤니케이션 실험](p.17,18)
그리고 추가적으로 세 번째 실험을 진행했는데 조금 더 통화정책 의사결정문을 쉽게 써볼 순 없을까 해서 아까와 비슷하죠. 그래프도 있고 요약도 있는데 오른쪽 같은 경우에는 왼쪽보다 조금 더 쉽게 쓴 것입니다. 예를 들어서 왼쪽 같은 경우에는 interest rates kept at 0.5%라고 써있는데, 보통 중앙은행이 저런 걸 쓸 때 한국은행은, 영란은행은 기준금리를 몇 %로 유지하였습니다 이런 식으로 쓰는데 오른쪽 같은 경우는 주어를 명확하게 해서 we have kept interest rates at 0.5% 이런 식으로 쓰고 여러 가지 표현들을 갖다가 문어체적인 표현으로 많이 바꿨습니다. 그래서 이 두 개 간의 효과가 어느 정도 차이가 나는지 분석해보니까 왼쪽보다는 오른쪽이 더 사람들이 보다 잘 이해할 수 있었다는 결과가 나왔습니다.
[교훈: 통화정책 커뮤니케이션 실험](p.19)
이건 앞에 나온 결과를 전부 다 요약을 한 건데 여기서 컨트롤은 아까 처음에 보여드렸던 글만 있었던 경우에는 5개 중에 4개 이상을 맞춘 사람의 비중이 12%밖에 안 됐거든요. 근데 그래프도 같이 있고, 내용도 간단하게 이해하기 쉽게 쓴 경우에는 컨트롤 그룹에 대비해서 4개 혹은 5개를 맞춘 사람들의 비중이 26%로 증가를 했습니다. 유의하게 차이가 났고. 그리고 맨 마지막에 있었던 Relatable summary라고 통화정책 결정문을 쉽게 써보자 해서 바꿨던 버전에서는 34%의 사람들이 4개 이상 맞췄고, 2개, 3개 맞춘 사람들도 비중이 꽤 크거든요. 그래서 전반적으로 이해도가 크게 개선이 됐다고 평가할 수 있겠습니다.
[교훈: 통화정책 커뮤니케이션 실험](p.20)
결국 이 실험의 시사점은 중앙은행에서, 아니면 비단 중앙은행뿐만 아니라 정책당국에서 이해하기 쉬운 용어를 사용했을 때 정책에 대한 이해도를 높이고, 제가 여기서 소개하진 않았지만 이해도뿐만 아니라 그 사람이 기관에 대해서 갖는 신뢰도에 대해서도 스스로 평가하게 했거든요. 그거에 대해서도 훨씬 더 긍정적인 영향을 미치는 것으로 나타났습니다. 그리고 그래프도 중요하긴 하지만 그래프보다 무엇보다 쉽게 쓰는 것이 중요하다, 쉽게 쓰는 것을 최우선으로 해야 한다는 것이 되겠고.
[통화정책 결정문의 가독성을 높이기 위한 노력은 지속](p.21)
그래서 각국에서도 저 실험 이후에 오른쪽은 스웨덴의 릭스뱅크고 왼쪽은 영란은행의 홈페이지인데, 예전에 2015년도 이전에 보시면 여러분들 통화정책 의사결정문은 저 두 기관에서 다 텍스트밖에 없었을 거에요. 근데 지금 가시면 여러 가지 그래프적인 요소도 넣고, 요약을 꼭 넣습니다. 왜냐하면 요즘 같은 경우 특히 도서관에서 책을 오래 읽는 세대가 아니잖아요. 저도 스마트폰이 발명되기 전에는 연구 자료를 찾아야 한다면 도서관 가서 책을 뒤져봤는데 요즘은 컴퓨터로 해결하잖아요. 그리고 영상도 찾아보고. 이런 노력들이 계속 진행이 되고 있습니다. 한국은행에서 제가 알기로도 트위터 같은 걸 활용해서 어떤 연구 결과가 나오면 간단하게 요약을 해서 제공을 하고 있는 것으로 알고 있습니다.
[연구 사례 3. Forward Guidance가 기대에 미치는 영향](p.22)
여기까지 커뮤니케이션에 대한 첫 번째 설명을 드렸고, 두 번째 커뮤니케이션에 대한 설명을 드리겠습니다. 저 사진에 보이는 분은 잘 아실 것 같은데 벤 버냉키 전 연준 의장이면서 노벨 경제학상을 수상하신 분인데 저분은 글로벌 금융위기가 닥친 이후에 여러 가지 좋은 제도들을 고안을 해서 경제가 위기에 빠지지 않도록 많은 기여를 하셨고. 그리고 밑에 있는 텍스트는 제가 글로벌 금융위기 당시 대략 2012년 쯤의 미 연준의 통화정책 결정문을 그대로 가져왔습니다. 저 내용의 골자가 뭐냐하면 어떤 특정 조건을 만족하기 전까지는 기준금리를 낮게 유지를 하겠다는 내용이거든요. 저게 포워드 가이던스(Forward Guidance)라고 하는데, 포워드 가이던스가 단지 금리를 낮게 유지하는 내용만 뜻하는 게 아니고 중앙은행이 향후 금리를 어떻게 변경할 것인가에 대해서 미리 예고를 하고 사람들의 기대를 조정해나가는 그런 프로세스를 의미합니다.
[연구 사례 3. Forward Guidance가 기대에 미치는 영향](p.23)
예시를 보시면, 이건 ECB에서 가져왔습니다, 왜 이런 포워드 가이던스를 하느냐. 포워드 가이던스 자체는 명시적으로 말씀드릴 게 약속은 아닙니다. 저희가 여러분께 금리를 어느 정도로 차후에 조정할 수 있습니다 라고 조건부로 말씀을 드리는 것이고 구속력 있는 공약은 절대 아닙니다. 왜냐하면 그때그때 따라서 예상치 못하게 불확실성이나 큰 충격으로 인해서 경제 상황이 바뀔 수 있기 때문에 통상 이런 포워드 가이던스를 할 때는 약속을 하지 않는데 글로벌 금융위기가 닥쳤을 때에는 중앙은행에서 명목금리 하한이 0이기 때문에 사람들이 이 금리가 상당 기간 오래 유지될 것이라고 하는 기대를 형성시키기 위해서 어떤 조건을 벗어나지 않는 한 이런 식으로 기준금리를 낮게 유지하겠다고 말씀을 드렸고. 그러면 저희가 생각했던 것은 이렇게 함으로써 금융기관들이 저금리의 기업대출이라든지 가계대출을 공급할 것이고, 그걸 공급받던 경제주체들은 기업 같은 경우에는 투자를 늘릴 것이고 가계 같은 경우에는 소비를 늘릴 것이기 때문에 장기적으로는 이게 성장을 견인하고 물가안정에 도움이 될 것이다 라고 생각한 것이 이 포워드 가이던스의 맥락입니다.
[연구 사례 3. Forward Guidance가 기대에 미치는 영향](p.24)
포워드 가이던스가 시행됐던 시기에 이것이 실제로 사람들의, 특히 가계의 기대에 대해서 어떤 영향을 미치는지에 대해서 연구를 한 논문이 있습니다. Olivier Coibion이라고 하는 굉장히 유명한 경제학자신데 제목은 "Forward Guidance and Household Expectations"라고 해서 워킹페이퍼는 이미 2020년도에 있었고요. 최근에 Journal of European Economic Association에서 좋은 저널이 기재가 되었습니다. 그 실험 내용이 굉장히 길고 내용이 풍부하기 때문에 제가 생각했을 때 중요하다고 생각한 포인트만 하나 집어서 설명을 드리겠습니다. 실험을 했을 때는 미국 성인 인구를 대표하는 표본을 서베이 회사를 통해서 구축을 한 거거든요. 대략 25,000명 정도가 이 실험에 참여했습니다. 25,000명 중에서 대략 1천명 내외의 사람에게 각기 다른 조건의 정보를 준 겁니다. 예를 들어서 연방준비은행이 앞으로 기준금리를 어떻게 유지할 것이다 그런 정보를 주고, 다른 그룹은 아무런 정보도 안 주고요. 또 다른 그룹은 정말 이것이 효과가 있는 것인지 플라시보 효과를 테스트 하기 위해서 통화정책과 상관 없는 정보만 준 경우가 있고. 또 다른 경우에는 앞으로의 금리 변화에 대한 제시 대신에 현 상황에 대한 설명을 충실하게 한 정보만 여러 가지 형태로 제공을 했습니다. 트리트먼트 그룹이 24개 정도 되거든요. 그 뜻은 하나의 기준 그룹이 있고, 나머지 24개의 그룹은 각각 다른 형태의 정보를 제공받았다는 뜻입니다. 상당히 장기간에 걸쳐서 실험을 했습니다. 몇 개월 단위로 1차, 2차, 3차 이런 식으로 실험을 했거든요. 보시면 수평선이 정보를 제공받기 전에 그 사람이 생각한 기대인플레이션입니다, prior라고 부르고. 수직선은 posterior인데 posterior는 이 사람이 정보를 받은 다음의 처치효과를 보여준 겁니다. posterior Eπ(expected inflation)인데 보시면 컨트롤이 검은색입니다. 제가 해석만 도와드리면 기울기가 가파를수록 효과가 작은 겁니다, 이 그래프에서는. 그래서 기울기가 완만할수록 정보 효과가 큰 것이거든요. 보시면 컨트롤 그룹에서 가장 효과가 없고. 예를 들어 지금 현재 인플레이션이 3%지만 기대인플레이션을 10%로 형성하고 있었다, 근데 그 사람이 아무런 정보도 갖지 않았으면 그 사람은 그대로 10%로 형성이 된 겁니다. 근데 점선 같은 경우에는, Treatment (FG)는 앞으로 금리가 어떻게 될 것인지에 대한 정보를 제공받은 것이었고 그 사람 같은 경우에는 실제로 prior가 이 경우에 10% 정도 형성되어 있는데, 그 뜻은 내 기대인플레이션은 과거 아무런 정보를 받기 전에는 10%였는데 수정을 해서 2%로 수정을 한 것이거든요, 예를 들어서. 그리고 다른 조건으로 현재 인플레이션이 이 정도입니다 라고 설명한 그룹도 꽤 효과가 있었고, 그리고 현재와 과거의 금리가 어떻게 변화했는지에 대한 설명도 그 사람의 기대인플레이션을 변화시키는데 굉장히 큰 효과를 나타냈습니다. 이 실험이 내린 결론은 포워드 가이던스 자체가 다른 형태의 정보를 제공했을 때보다 굉장히 큰 효과를 발휘한 건 아니지만 기본적으로 아무 정보도 없을 경우에 비해서는 꽤 효과가 있었다고 결론을 내리고 있습니다.
[연구 사례 3. Forward Guidance가 기대에 미치는 영향](p.25)
두 번째 같은 경우에는 이러한 정보를 제공할 때 어느 정도 길이의 정보를 제공해야 하느냐도 관건이거든요. 예를 들어 앞으로 향후 1년을 제시해야 하느냐, 향후 2년을 제시해야 하느냐, 향후 3년, 4년, 5년을 제시해야 하느냐인데 지금 결과만 정리해서 말씀드리면 2년 이내의 시계에서 정보를 제공했을 때는 효과적이었는데 그 이상을 초과하는 경우에는 그렇게까지 효과가 존재하진 않았다는 연구 결과가 있습니다. 그래서 지금 여러분들 미국 연준의 홈페이지에 접속하시면 dot plot이라고 점도표가 있는데 2~3년 정도의 시계가 제공되고 있는 것을 보실 수가 있는데 그러한 것들이 그냥 단순히 아무런 연구 결과 없이 설계한 게 아니고 여러 가지 연구 결과들을 보고 나서 정책을 설계했다고 보시는 것이 좋을 것 같습니다.
[연구 사례 4. Field experiment using smart meter](p.26,27)
다음에는 넛지에 대해서 간단하게 설명을 드리겠습니다. 리처드 세일러 교수님께서 쓰신 넛지를 한 번쯤은 이름을 들어보셨을 거라고 생각을 합니다. 재밌는 실험이 싱가포르에서 있었는데 Goette Lorenz라고 하는 굉장히 유명하신 실험경제학자로 지금 싱가포르대학에 계시고 그 분이 하셨던 프로젝트 중 하나인데 현재 워킹페이퍼로 진행이 되고 있습니다. 제가 항상 농담으로 제 아이들한테 얘기하는 게 있는데 샤워를 오래하면 북극곰이 위기에 처한다고 농담을 하거든요. 저 경우에는 스마트 미터라는 걸 갖다가 샤워기에 설치를 해서 그 사람이 물 사용량을 얼마나 쓰는 것인지 알 수 있게 고안한 장치입니다. 여러 가지 형태의 스마트 미터가 있는데 가장 왼쪽의 경우에는 온도밖에 안 보이는 것이고(38도), 왼쪽에서 두 번째 보시면 사용량만 나와있습니다, 지금까지 5.2L 사용했다. 그리고 오른쪽에서 두 번째는 여태까지 10.2L를 썼고, 여태까지 물의 사용량은 목표에 비해서 좋은 수준이다(GOOD), 덜 썼다는 얘기죠. 그리고 맨 오른쪽은 40L, 굉장히 많이 썼다고 피드백을 주는 경우입니다. 싱가포르에 있는 여러 가구들을 대상으로 무작위 실험을 한 것입니다. 무작위로 선정을 해서 그룹을 세 개로 선정을 한 거죠. 그룹1은 온도만 나오는 샤워기를 받게 되고, 그룹2는 현재 사용량만 있는 샤워기를 받게 되는 거고, 그룹3은 피드백이 같이 주어지는 샤워기를 받게 되고, 그 사람의 물 사용량에 미치는 영향이 얼마나 되는지를 측정해봤습니다.
[연구 사례 4. Field experiment using smart meter](p.28)
이건 제가 그래프를 원래 Goette 교수님이 다 쓰셨는데 조정을 했습니다, 하나씩 보여드리기 위해서. 수평선이 총 4개월 동안 진행이 된 실험이거든요. 100%가 의미하는 것은 4개월 끝에 임박했다는 것이고 0은 실험 전이겠죠. 수직선 같은 경우에는 물 사용량을 나타낸 것입니다. 컨트롤 그룹이 의미하는 것은 온도만 나오는 샤워기를 받은 경우거든요. 그 경우에는 물 사용량이 보통 20L에서 시작해서 줄곧 20~24L 내외 정도로 형성되는 것을 볼 수가 있습니다.
[연구 사례 4. Field experiment using smart meter](p.29)
두 번째 같은 경우에는 real-time feedback이라고 해서 현재까지 물 사용량만 나오는 샤워기였거든요. 처음 초기 조건은 다 비슷합니다. 초기 조건은 20L 미만 초기 조건에서 시작하는데 실험이 끝날 때까지 계속 그 효과가 어느 정도 지속되고 있다는 것을 보실 수가 있거든요. 지금 온도만 나오는 샤워기를 받은 그룹에 비해서 물 사용량이 더 적다는 걸 보실 수 있겠고.
[연구 사례 4. Field experiment using smart meter](p.30)
마지막은 당신이 목표를 초과했냐 초과하지 않았냐를 제시해주는 샤워기고 그 조건에 있는 사람들이 물을 많이 절약하는 것으로 나타났습니다. 그래서 이게 만약 실험이 단기간에 끝났으면 장기 효과에 대해서 알 수가 없었는데 이 실험은 굉장히 상당 기간 오래 지속됐거든요. 물론 그 효과가 점점 약해지긴 하지만, 왜냐하면 보시면 study completion 20 정도였을 때 가장 효과가 강하거든요. 사람들이 가장 물을 아끼고. 그 효과가 조금 약화되긴 하는데 어쨌거나 이런 넛지 효과가 단기에 그치는 것이 아니라 상당 기간 지속되고 있고, 샤워기를 지급하는 것이 비용이 많이 들진 않거든요. 적은 개입 비용으로 에너지를 절약하는데 있어서 상당히 큰 효과를 낼 수 있다는 것을 보고한 것이 이 논문입니다.
[연구 사례 5. 구성의 오류, 협력, backfire effect](p.31)
지금까지 넛지 말씀드렸고요, 시간이 지체된 것 같아 속도를 조금 올리겠습니다. 이건 구성의 오류라는 실험인데 왜 구성의 오류가 중요하다고 생각하냐면 보통 많은 상황들이 이러한 구성의 오류 상황과 연관이 됩니다. 가장 흔하게는 제가 경험했던 건데 학부에서 팀플 과제할 때 사실 제일 좋은 것은 저는 최소한으로 하고 다른 분이 다 해주는 거거든요. 프리라이딩하는게 제일 좋은 조건이고. 그리고 흔히 경제에서는 자기가 주어진 조건에서 전체적인 사회 효율성을 생각하지 않고 나의 이익을 극대화하기 위한 행동들이 때로는 전체적으로나 사회적으로 안 좋은 균형으로 몰고 갈 수 있는 위험의 여지가 있거든요. 그래서 그런 것들을 어떻게 하면 개선할 수 있을 것인가에 대한 실험을 진행한 적이 있었는데 제가 이 실험에서 본 것은 죄수의 딜레마 상황을 놓고 보수를 변화시켰을 때 그 사람의 행동이 어떻게 변하는지를 본 겁니다. 둘 다 협력적인 행동을 하면 5만원을 갖고, 둘 다 서로 배신하면 2만원을 갖는 거고, 제가 만약 상대방이 협력한 사이에 배신하게 되면 저는 8만원을 받는, 상대방은 1만원을 받는 구조입니다.
[보수의 변화가 미치는 영향?](p.32)
제가 주목했던 것은 그러면 배신할 때 상대방의 보수를 올려주면 어떻게 될까? 그 사람이 협력적인 행동을 할 유인이 강화될까? 라고 해서 굵은 글씨 표시된 게 그 변화를 준 거고요, 1만원에서 1.9만원으로 바꿨죠. 저건 예시입니다.
[보수의 변화가 미치는 영향?](p.33)
두 번째는 다른 조건이 다 똑같은 상황에서 배신하면 8만원을 받는 구조였는데 그걸 6만원으로, 쉽게 생각하면 tax처럼 6만원으로 낮춰버리자, 그럼 어떻게 될 것인가?
[보수의 변화가 미치는 영향?](p.34)
그리고 마지막으로는 둘 다 협력하는 것은 똑같이 놓고 두 명이 다 배신을 했을 때 보수를 변화시킨 겁니다. 아까 2만원에서 4만원이 됐으니까 이 경우에는 서로 공통적으로 협력을 함으로써 받는 보수의 효율성이 줄었다고 할 수 있겠죠. 왜냐하면 둘 다 배신하게 되면 총합이 8만원인데 협력했을 때의 10만원과 2만원밖에 차이가 안 나니까 전반적인 상호협력에 따른 효율성 개선은 적은 상태라고 볼 수 있겠습니다. 이걸 갖다가 설계를 해서 대략 8개의 게임을 만든 다음에 학생들 대상으로 실험한 적이 있습니다. 그러면 저 보수의 높낮이는 어떻게 정할 것인가에 대한 논란이 있었는데 그건 제가 여태까지 있었던 논문들의 보수 지표에서 하위 25%를 갖다가 낮은 기준으로 설정을 했고, 상위 20%를 갖다가 높은 수준의 지표를 설정했습니다. 그렇게 하게 되면 어느 정도 자의적으로 보수를 설계함으로써 원하는 실험 결과를 얻어냈다는 논란을 피할 수 있을 것 같아서 그렇게 했고요.
[Temptation and Efficiency matters, but not risk](p.35)
그렇게 해서 결과를 보고하고 있고, 이건 현재 워킹페이퍼 스테이지고 지금 저널 중 하나에 투고를 해서 지금 현재 수정 후 재심사 중입니다. 리스크라고 하는 것은 제가 배신당했을 때의 안 좋은 보수, 최악의 보수를 하나는 낮게 설정했고, 하나는 높게 설정한 것이거든요. 설령 제가 배신당했을 때의 보수를 갖다가 어느 정도 올려서, 일종의 보험의 성격으로 올려준다고 하더라도 사람들의 협력 확률에 미치는 영향은 굉장히 적습니다. 거의 똑같거든요. 아무 효과가 없습니다. 예를 들어서 제가 만약 배신했을 때의 보수를 확 낮춰주면 (b)와 (e)인데, (b)의 UoN은 뜻이 학교에서 실험한 것이고요, 밑에 AMT는 Amazon Mechanical Turk, 아마존에서 실험한 것입니다. 두 군데에서 같이 실험을 했는데 패턴은 거의 비슷합니다. 어쨌든 배신에 따른 보수를 낮춰버리면 사람들이 보다 협력적인 선택을 하게 되거든요. 그리고 마지막으로는 효율성, 협력의 효율성을 올려줬을 때는 아까 설명드렸던 temptation을 조정했을 때보다 효과는 작지만 효율성을 올려줬을 때 사람들이 보다 많이 협력적인 행태를 하는 것으로 나타났습니다. 근데 이 실험 같은 경우에는 동시선택게임이었습니다. 무슨 뜻이냐면 저와 어느 한 분이 동시에 선택하는 경우였거든요. 저의 선택이 보수에 따라서 바로 영향을 받는 것인지, 아니면 제가 어떤 보수의 변화로 인해서 제가 선택을 바꿨을 때 상대방이 저런 행동을 할 거라고 기대를 하고 그거에 의해서 바꾼 것인지를 분명하게 알기 어렵습니다. 예를 들어서 핑계를 댈만한 것이 이게 배신을 했을 때의 보수가 올라갔으니까 나는 상대방이 협력을 하지 않을 거라고 생각을 하고 그것 때문에 저는 선택을 했습니다 라고 얘기할 수 있는 거거든요. 그래서 후속으로 제가 진행했던 실험이 그러면 게임을 동시게임 구조가 아니라 순차게임 구조로 바꿔보자 해서 순차게임으로 바꿨습니다.
[Supporting evidence from another experiment](p.36)
이 경우에는 1차로 움직인 사람이 있고 그 뒤에 움직이는 second mover는 항상 저 사람이 무슨 선택을 했는지 알 수가 있어요. 알 수가 있는 상황에서 선택하는 거죠. 예를 들어서 상대방이 협력을 선택했으면 저 사람 협력을 선택했구나, 그럼 저는 협력을 선택할 수 있는 거고 그런 식으로 저는 정보를 갖고 있는 상황으로 마치 포커 게임에서 상대방의 패를 다 알고 있는 상황에서 선택을 하는 겁니다. 그게 어떻게 영향을 미치느냐를 본 건데,
[Supporting evidence from another experiment](p.37)
보시면 그래프로 설명을 드린 건데 보통 사람이 배신에 따른 보수가 올라가게 되면 이기적으로 선택을 하게 됩니다. 상대방이 설령 협력을 하더라도 내가 배신했을 때 내 보수가 올라가게 되면 기본적으로 사람들이 협력보다는 배신을 많이 선택하게 돼있습니다. 그리고 LOSS 같은 경우 이 그래프에선 명확하진 않은데 제가 이건 뒤의 테이블에서 설명드리겠습니다. LOSS 같은 경우에는 명확하지 않았는데 예를 들어서 상대방이 협력을 하고 내가 배신을 했을 때 많이 잃더라도 그것의 변화가 그 사람의 선택에 미치는 영향은 불분명했거든요.
[Supporting evidence from another experiment](p.38)
이 그래프로 보기에는 한계가 있어서 제가 표를 갖고 왔습니다. 뜻이 뭐냐면 예를 들어서 배신당했을 때 보수를 올리는 것은 일종의 보험의 성격이 있다고 얘기했잖아요. 그걸 올려주게 되면 사람들이 오히려 더 이기적으로 행동을 합니다. 예를 들어서 그 사람이 최악의 보수를 받았을 때 그 보수 수준이 올라가게 되면 그럼 나는 배신해도 괜찮지 않을까? 라고 생각을 해서 배신을 해버리는 거죠.
[Supporting evidence from another experiment](p.39)
순차게임을 해보니까 AMT와 UoN 두 결과에서 유의성에 차이는 있는데 계수의 패턴은 거의 똑같았고, 저 실험은 제가 한 번 더 했습니다. 제가 작년에 한 번 더 진행했었는데 샘플 수를 늘리고 참여하는 사람도 많이 늘렸습니다. 패턴 거의 똑같고 기본적으로 배신당했을 때의 보수를 올려주는 것이 오히려 그 상대방의 배신 행위를 유발한다. 제일 효과적인 것은 이런 죄수의 딜레마 상황에서 기본적으로 조세라든지 이런 걸 통해서 배신의 유인을 줄여주는 겁니다. 그리고 두 번째로는 효율성을 올려주는 것. 그리고 보험의 성격으로, 영어로 sucker's pay라고 하는데 sucker's payoff를 조정하는 것은 사실 그렇게 굉장한 효과를 내진 않습니다. 제가 슬라이드에서 설명 안 드린 내용도 있었는데 이 실험이 제가 아직 논문 작성 중이긴 한데 제가 하나 더 한 게 있었는데 그 사람이 이러한 행동을 하는 게 그 사람의 효율성이나 형평성에 대한 가치에서 비롯된 것인가 아니면 단지 공평성이나 상대방에 대한 고려에서 비롯한 것인가에 대해서 제가 실험을 진행한 게 있었는데 그건 현재 논문을 쓰고 있고 그거에 따르면 그 사람이 효율을 추구하는 성향인지, 아니면 형평을 추구하는 성향인지 사실 그건 별로 중요하지 않고, 상대방과 나의 정의, fairness에 대한 고려에 기인한다는 것이 페이퍼의 내용입니다. 그 페이퍼에서도 여기에 나왔던 내용을 다시 실험했는데 패턴은 거의 다 똑같았습니다.
[마무리](p.40)
보통 실험경제학 하시는 분들이 제일 중요하게 생각하는 게 강건성입니다. 한 번만 해서 나오는 것들이 아니라 반복해서 여러 번 실험하고 그것이 정말 검증이 될 수 있는지 테스트를 많이 하거든요. 국가 간에도 많이 하고요. 예를 들면 서베이를 진행할 때 한국뿐만 아니라 전 세계를 대상으로 진행한 적이 있었는데 그 프로젝트명이 global preference survey라는 논문이 있거든요. 검색하시면 바로 나옵니다. 원하시면 거기서 데이터도 다 받을 수 있거든요. 저자가 Quarterly Journal of Economics에 게재를 한 다음에 그 데이터를 다 공유해놨습니다. 궁금하신 분은 그 데이터를 찾아보시면 되겠습니다. 요약해서 말씀드리면 실험경제학이라는 분야가 어떤 통제된 환경에서 실험데이터를 수집하고 기존에 있었던 경제이론이나 예측의 타당성을 평가한 다음에 그것이 부합하지 않으면 대체 가설이나 대체 모형을 개발하는데 주력하고 있다고 설명을 드리고자 합니다. 두 번째로는 이런 실험 설계를 통해서 행태의 변화를 초래하는 요인을 인과관계 분석을 할 수 있고, 예를 들어서 어떤 복지 제도나 여러 가지 교육 제도 같은 것을 변경하려고 했을 때 이런 것들을 작은 규모로 실험을 한 다음에 그것이 정말 유효한지에 대해서 검증해보고 확대하는 것도 고려를 할 수 있겠습니다. 아직 한국에서는 주로 학교에서 하는 랩실험이나 서베이 회사를 통한 설문이 주를 이뤘는데 앞으로는 유인을 부여한 실험 연구가 활성화될 것으로 기대를 하고 있고 저희들도 연구를 진행 중에 있는데 연구 결과가 나오게 되면 조만간 보고를 할 예정입니다. 지금까지 실험경제학의 이해와 응용에 대해서 설명을 드렸고 궁금하신 점 있으면 말씀주시면 감사드리겠습니다.