평균으로의 회귀란? 극단적인 결과 뒤 변화가 진짜 효과인지 확인하는 법

최초 작성일: 2026년 8월 22일
사실 확인 및 최종 수정일: 2026년 9월 12일

한 학생이 평소 시험에서 70점 정도를 받는다고 생각해보자.

그런데 어느 날 98점을 받았다.

부모가 크게 칭찬한다.

다음 시험에서는 82점을 받는다.

이런 생각이 들 수 있다.

“너무 칭찬했더니 긴장이 풀렸나?”

반대 상황도 가능하다.

평소 70점 정도를 받던 학생이 어느 날 45점을 받았다.

부모가 강하게 꾸짖는다.

다음 시험에서는 68점을 받는다.

이번에는 이렇게 생각할 수 있다.

“역시 한번 혼내니까 정신을 차렸네.”

하지만 두 변화 모두 칭찬이나 꾸중 때문이 아닐 수 있다.

98점과 45점이라는 첫 결과 자체가 평소보다 매우 극단적이었기 때문이다.

시험 난이도,

컨디션,

운,

집중력,

측정오차처럼 일시적인 요인이 함께 작용했다면 다음 결과가 평소 수준에 가까워질 가능성이 있다.

이처럼 극단적인 측정값 뒤에 이어지는 측정값이 평균에 더 가까워지는 통계적 현상을 평균으로의 회귀(Regression to the Mean)라고 한다.

먼저 답부터 말하면,

극단적으로 나빴던 결과 뒤에 좋아졌다고 해서 내가 한 조치가 효과가 있었다고 바로 결론 내리면 안 된다.

반대로 아주 좋았던 결과 뒤에 조금 나빠졌다고 해서 기존 방법이 실패했다고 단정해서도 안 된다.

먼저 확인해야 하는 것은 이것이다.

“아무것도 바꾸지 않았어도 이 정도 변화가 나타날 수 있었을까?”

평균으로의 회귀는 ‘모든 결과가 평균으로 돌아간다’는 뜻이 아니다

평균으로의 회귀라는 표현은 오해하기 쉽다.

모든 높은 값은 반드시 내려가고,

모든 낮은 값은 반드시 올라간다는 법칙이 아니다.

한 학생이 98점을 받은 다음 다시 100점을 받을 수도 있다.

매출이 최고치를 기록한 다음 달에 더 높은 기록을 세울 수도 있다.

핵심은 개별 결과를 정확히 예언하는 것이 아니다.

극단적인 값을 기준으로 사람이나 시점을 골라 다시 측정하면 집단 전체의 다음 측정값이 첫 번째보다 평균에 가까워지는 경향이 나타날 수 있다는 것이다.

특히 두 번의 측정이 완벽하게 일치하지 않을수록 이 현상을 더 주의해야 한다.

왜 극단적인 결과가 나왔을까?

한 번의 성과를 아주 단순하게 나눠보자.

관찰된 결과 = 비교적 안정적인 수준 + 일시적인 요인

이라고 생각할 수 있다.

학생의 시험점수라면 안정적인 실력 외에

그날의 컨디션,

문제와의 궁합,

찍은 문제의 성공,

시험 난이도 같은 요소가 섞인다.

영업사원의 월매출이라면

평소 영업능력 외에

큰 고객 한 명,

계절효과,

우연한 대형계약,

경쟁사의 공급문제 등이 섞일 수 있다.

혈압이라면

평소 혈압 수준 외에

긴장,

수면,

카페인,

측정환경,

측정오차가 영향을 줄 수 있다.

따라서 아주 높은 값이나 아주 낮은 값은 안정적인 수준뿐 아니라 일시적인 요인이 같은 방향으로 크게 작용했을 가능성도 있다.

다음 측정에서 그 일시적인 요인이 반복되지 않으면 결과는 평소에 더 가까워질 수 있다.

칭찬은 해롭고 처벌은 효과적이라는 착각

Daniel Kahneman은 비행교관들을 교육하던 경험을 회고하면서 평균으로의 회귀를 직관적으로 보여주는 사례를 소개했다.

교관들은 훈련생이 아주 잘했을 때 칭찬하면 다음 시도에서 성과가 나빠지는 경우가 많고, 아주 못했을 때 크게 질책하면 다음 시도에서 좋아지는 경우가 많다고 말했다.

그래서

“칭찬은 성과를 떨어뜨리고 처벌은 성과를 높인다.”

는 인상을 받을 수 있었다.

하지만 아주 좋은 수행에는 평소 실력뿐 아니라 그날의 좋은 일시요인이 섞였을 수 있다.

다음 시도에서는 그 특별히 좋은 조건이 반복되지 않아 평소 수준으로 내려올 수 있다.

아주 나쁜 수행도 마찬가지다.

나쁜 일시요인이 사라지면 아무런 처벌 효과가 없어도 다음 결과가 좋아질 수 있다.

즉

칭찬 다음 악화

와

질책 다음 개선

이라는 순서만으로 인과관계를 확정할 수 없다.

가장 나쁜 시점에 개입하기 때문에 효과처럼 보일 수 있다

평균으로의 회귀가 실생활에서 특히 헷갈리는 이유가 있다.

우리는 보통 상황이 평범할 때는 아무것도 하지 않는다.

상황이 아주 나빠졌을 때 행동한다.

매출이 최악으로 떨어지면 광고전략을 바꾼다.

시험점수가 최저점을 찍으면 과외를 시작한다.

통증이 가장 심한 날 병원에 간다.

직원의 실적이 최저일 때 면담한다.

사이트 방문자가 급락하면 디자인이나 콘텐츠 전략을 바꾼다.

문제는 개입을 시작한 시점 자체가 이미 극단적인 값일 수 있다는 것이다.

그다음 수치가 조금 좋아지면 자연스럽게 생각한다.

“내가 바꾼 방법이 효과가 있었다.”

실제로 효과가 있었을 수도 있다.

하지만 평균으로의 회귀만으로도 일부 개선은 나타날 수 있다.

그래서 전후 숫자 하나만으로 효과를 판단하면 안 된다.

치료 전후 비교에서 특히 중요한 이유

어떤 치료 프로그램이 있다고 하자.

혈압이 매우 높은 사람만 참가할 수 있다.

첫 측정에서 혈압이 높았던 사람들을 골라 치료를 시작한다.

몇 주 뒤 다시 측정했더니 평균 혈압이 낮아졌다.

그러면 치료가 효과가 있었다고 생각하기 쉽다.

하지만 참가자들이 처음부터 극단적으로 높은 측정값 때문에 선택됐다는 점을 고려해야 한다.

일부 사람은 첫 측정 당시 긴장했거나,

일시적으로 컨디션이 나빴거나,

측정오차가 있었을 수 있다.

두 번째 측정에서는 이런 일시적 요소가 줄어들면서 치료와 무관한 개선이 나타날 수도 있다.

이 때문에 의료·건강 연구에서는 단순한

치료 전 → 치료 후

비교만으로 효과를 판단하지 않고 비교집단, 반복측정, 무작위배정 같은 연구설계를 사용한다.

최악의 달 뒤 전략을 바꿨더니 매출이 올랐다면?

사업에서도 흔하다.

평소 월매출이 5,000만 원 정도인 매장이 있다고 하자.

어느 달 갑자기 2,500만 원으로 떨어졌다.

대표는 즉시 새로운 광고대행사를 고용한다.

다음 달 매출은 4,200만 원으로 회복된다.

광고대행사가 말한다.

“한 달 만에 매출을 68% 올렸습니다.”

계산 자체는 맞을 수 있다.

하지만 인과관계는 아직 확인되지 않았다.

2,500만 원이라는 최저 매출에

휴일 배치,

날씨,

재고 부족,

일시적인 경쟁행사,

우연한 고객 변동이 섞여 있었다면

다음 달에는 광고를 바꾸지 않아도 어느 정도 회복됐을 수 있다.

따라서 물어야 한다.

비슷한 조건의 매장은 어떻게 변했는가?

지난 몇 년 동안 낮은 달 다음에는 보통 어떻게 움직였는가?

전략 변경 전 여러 달의 평균과 비교하면 어느 정도인가?

그래야 자연적인 반등과 실제 광고효과를 조금 더 분리할 수 있다.

최고 성과 뒤 하락도 실패라고 단정할 수 없다

평균으로의 회귀는 나쁜 결과 뒤 개선에서만 나타나는 문제가 아니다.

아주 좋은 결과 뒤 하락에서도 나타난다.

한 영업사원이 평소 월매출 4,000만 원 정도를 올리다가 어느 달 1억 원을 기록했다고 하자.

회사는 성과를 분석해 그 직원의 영업방식을 전사에 적용한다.

그런데 다음 달 그 직원의 매출은 5,000만 원으로 떨어졌다.

그러면

“새 방식이 실패했다.”

고 생각할 수 있다.

하지만 1억 원이라는 첫 결과 자체가 평소보다 매우 극단적이었다.

대형고객 계약 하나,

우연한 시점,

계절효과가 포함됐을 수도 있다.

따라서 최고점을 새로운 정상 수준으로 놓고 다음 결과를 평가하면 과도한 실망이 생길 수 있다.

투자에서도 주의해야 하지만 ‘주가 평균회귀’와는 다른 이야기다

투자자가 최근 한 달 동안 매우 높은 수익률을 기록했다고 해보자.

그 사람을

“최고 수익률 투자자”

라는 기준으로 골라 다음 달 성과를 본다면 전월보다 평범한 결과가 나타날 수 있다.

그렇다고

“주식가격은 언제나 평균으로 돌아간다.”

는 뜻은 아니다.

금융시장에서 말하는 가격의 mean reversion이나 특정 자산의 장기 수익률 특성은 별도의 경제·금융 가설이며 실제 데이터와 기간에 따라 검증해야 한다.

여기에서 다루는 평균으로의 회귀는 극단적인 관측값을 기준으로 대상을 선택한 뒤 다시 측정할 때 생길 수 있는 통계적 현상이다.

둘을 같은 개념으로 섞지 않는 것이 중요하다.

대표성 휴리스틱과 무엇이 다른가?

최근 세 번 연속 투자에 성공한 사람이 있다고 하자.

우리는 그 모습을 보고

“실력 있는 투자자의 전형적인 모습과 닮았다.”

고 판단할 수 있다.

이것은 대표성 휴리스틱의 문제다.

참조집단,

기초율,

표본크기를 확인해야 한다.

반면 평균으로의 회귀는 다른 질문을 한다.

그 사람을 최근 성과가 매우 높았기 때문에 골랐을 때, 다음 기간의 성과가 이전 극단값보다 평범해진 것을

“실력이 사라졌다.”

거나

“새로운 전략이 실패했다.”

고 잘못 해석하고 있지는 않은가를 본다.

대표성은 확률을 어떻게 판단하는가의 문제이고,

평균으로의 회귀는 반복된 측정의 변화를 어떻게 해석하는가의 문제다.

전후 비교만으로 효과를 판단하기 어려운 이유

다음 구조를 보면 이해하기 쉽다.

문제 심각 → 개입 실시 → 상태 개선

이 순서는 매우 설득력 있다.

하지만 가능한 설명은 하나가 아니다.

개입이 실제로 효과가 있었을 수도 있다.

자연스럽게 상태가 회복됐을 수도 있다.

계절이나 외부환경이 바뀌었을 수도 있다.

첫 측정이 우연히 나빴을 수도 있다.

다른 조치가 동시에 영향을 줬을 수도 있다.

따라서

앞에 일어난 일이 뒤의 변화를 만들었다

는 결론을 내리기 전에 다른 설명을 확인해야 한다.

평균으로의 회귀는 그중 반드시 확인해야 할 한 가지다.

평균회귀 점검 4가지 질문

아래 네 질문은 공식 통계검정이나 연구설계를 대신하는 도구가 아니다.

머니레시피에서 평균으로의 회귀를 실생활 판단에 적용하기 위해 정리한 전후효과 점검법이다.

1. 첫 번째 값은 평소보다 얼마나 극단적이었나?

평소 70점인데 68점이었다면 극단적이라고 보기 어렵다.

평소 70점인데 35점이었다면 이야기가 다르다.

기존 평균,

최근 여러 번의 측정,

일반적인 범위를 확인한다.

첫 값이 극단적일수록 평균으로의 회귀 가능성을 먼저 떠올릴 이유가 커진다.

2. 첫 결과에 일시적인 요인이 섞였을까?

컨디션,

날씨,

운,

일회성 대형고객,

측정오차,

특별 할인,

특정 사건 같은 요소를 찾는다.

첫 번째 값에 평소와 다른 조건이 많이 섞일수록 그 조건이 사라지는 것만으로 다음 값이 변할 수 있다.

3. 아무것도 하지 않았어도 어떻게 됐을까?

가장 중요한 질문이다.

직접 확인하기 어렵지만 비교할 방법은 있다.

비슷한 과거 사례,

개입하지 않은 비교집단,

같은 시기의 다른 지역·점포·직원,

여러 번의 반복측정을 본다.

“개입하지 않은 세계”를 가능한 범위에서 추정하는 것이다.

4. 한 번 더 측정해도 같은 변화가 유지되는가?

한 번 개선됐다는 이유만으로 효과를 확정하지 않는다.

여러 번 반복해도 새로운 수준이 유지되는지 본다.

실제 효과라면 일회성 반등보다 반복되는 패턴에서 더 설득력이 커진다.

30초 전후효과 점검표

확인할 것	질문
첫 수치	평소보다 얼마나 극단적이었나?
일시요인	운·환경·측정오차가 섞였나?
기존 평균	평소 수준은 어느 정도였나?
무개입 비교	아무 조치를 안 했어도 변했을까?
비교집단	비슷하지만 개입하지 않은 대상은 어땠나?
반복측정	변화가 여러 번 계속되는가?

이 표에서 첫 수치가 매우 극단적인데 비교집단과 반복측정이 없다면, 아직 개입효과를 강하게 주장하기는 어렵다.

실제로 적용해보자

온라인 쇼핑몰의 전환율이 평소 3%라고 하자.

그런데 어느 주에 갑자기 1.4%까지 떨어졌다.

운영자는 급히 결제화면을 수정한다.

다음 주 전환율이 2.7%로 회복됐다.

바로

“결제화면 수정으로 전환율이 거의 두 배가 됐다.”

고 결론 내리기 전에 점검한다.

첫째, 1.4%가 평소 범위에서 얼마나 이례적인 값인지 본다.

둘째, 그 주에 광고유입이나 트래픽 구성이 달랐는지 확인한다.

셋째, 결제화면을 바꾸지 않은 다른 페이지나 비슷한 기간과 비교한다.

넷째, 다음 몇 주에도 개선된 수준이 유지되는지 본다.

이 과정을 거치면

“수정 직후 좋아졌다.”

와

“수정 때문에 좋아졌다.”

를 구분할 수 있다.

결과편향과 무엇이 다른가?

평균으로의 회귀는 수치의 변화 자체를 원인과 결과로 잘못 해석하는 문제다.

결과편향은 다른 문제다.

어떤 결정을 내린 뒤 결과가 좋게 나왔다는 이유로

“그 결정과정도 훌륭했다.”

고 평가하거나,

나쁜 결과가 나왔다는 이유로

“처음부터 나쁜 결정이었다.”

고 평가하는 오류를 다룬다.

평균으로의 회귀에서는

“왜 수치가 변했나?”

를 묻는다.

결과편향에서는

“결과를 알게 된 뒤 당시 결정의 질을 공정하게 평가하고 있나?”

를 묻는다.

이 연구가 우리의 선택에 말해주는 것

평균으로의 회귀를 알았다고 해서 모든 개선을

“그냥 우연이다.”

라고 치부해서는 안 된다.

실제 치료,

광고,

교육,

정책,

경영개선은 분명 효과를 낼 수 있다.

평균으로의 회귀가 알려주는 것은 효과가 없다는 결론이 아니다.

효과를 주장하기 전에 자연적인 변화와 분리해보라는 것이다.

특히

가장 아픈 사람,

가장 성적이 낮은 학생,

매출이 가장 많이 떨어진 매장,

최근 가장 잘한 투자자처럼

극단적인 결과를 기준으로 대상을 골랐다면 더 조심해야 한다.

그래서 극단적인 결과 뒤 변화가 나타났을 때 가장 먼저 묻는다.

“첫 수치가 원래 예외적으로 극단적이었던 것은 아닌가?”

그다음 묻는다.

“아무것도 하지 않았어도 어느 정도 돌아왔을까?”

마지막으로 비교한다.

“비교집단과 반복측정에서도 같은 효과가 나타나는가?”

이 세 단계를 거치면 단순한 전후변화를 실제 원인으로 착각할 가능성을 크게 줄일 수 있다.

다음 질문

결과가 좋았다는 이유만으로 당시의 결정까지 좋은 결정이었다고 평가하는 이유는 무엇일까?

결과를 알고 난 뒤 결정과정의 질을 결과와 분리해서 평가하는 방법은 결과편향에서 살펴본다.

결과를 알고 나면 왜 처음부터 그렇게 될 줄 알았던 것처럼 느껴질까?

실제 당시의 예측가능성과 결과를 알고 난 뒤의 기억을 구분하는 방법은 사후확신 편향에서 살펴본다.

참고한 주요 연구

Kahneman, D., & Tversky, A. (1973). On the Psychology of Prediction. Psychological Review, 80(4), 237–251.
극단적인 예측과 평균으로의 회귀를 포함해 직관적 예측에서 발생할 수 있는 통계적 오류를 분석한 대표 연구다.
DOI: 10.1037/h0034747

Barnett, A. G., van der Pols, J. C., & Dobson, A. J. (2005). Regression to the Mean: What It Is and How to Deal with It. International Journal of Epidemiology, 34(1), 215–220.
반복측정 자료에서 평균으로의 회귀가 실제 변화처럼 보이는 이유와 연구설계·분석에서 다루는 방법을 정리했다.
DOI: 10.1093/ije/dyh299

Morton, V., & Torgerson, D. J. (2005). Regression to the Mean: Treatment Effect without the Intervention. Journal of Evaluation in Clinical Practice, 11(1), 59–65.
극단적인 기초 측정값으로 대상을 선택하면 치료가 없어도 후속 평균이 개선되어 치료효과처럼 보일 수 있음을 설명했다.
DOI: 10.1111/j.1365-2753.2004.00505.x

Kahneman, D. (2002/2003). Biographical. The Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2002. NobelPrize.org.
비행교관의 칭찬·질책 경험을 통해 평균으로의 회귀가 인과관계를 잘못 해석하게 만들 수 있음을 회고했다.

자주 묻는 질문

평균으로의 회귀란 무엇인가요?

평균으로의 회귀는 매우 높거나 낮은 극단적인 측정값 뒤에 다시 측정했을 때 다음 값이 전체 평균이나 평소 수준에 더 가까워지는 경향을 말합니다. 특히 극단적인 첫 값에 일시적 요인이나 측정오차가 섞여 있을 때 중요합니다.

나쁜 결과 뒤 좋아지면 개선방법이 효과가 있었다는 뜻 아닌가요?

그럴 수도 있지만 그것만으로는 확정할 수 없습니다. 처음 수치가 매우 극단적이었다면 아무런 조치가 없어도 다음 측정이 평소 수준에 가까워질 수 있습니다. 비교집단과 반복측정을 함께 확인하는 것이 좋습니다.

평균으로의 회귀는 모든 높은 값이 내려간다는 뜻인가요?

아닙니다. 개별 결과가 반드시 평균 방향으로 움직인다는 법칙이 아닙니다. 극단적인 값을 기준으로 대상을 선택해 반복측정할 때 집단 수준에서 나타날 수 있는 통계적 경향입니다.

평균으로의 회귀와 주가의 평균회귀는 같은 개념인가요?

같다고 단정하면 안 됩니다. 여기서 말하는 평균으로의 회귀는 반복측정과 극단값 선택에서 나타나는 통계적 현상입니다. 금융시장의 가격 mean reversion은 특정 자산과 기간에서 별도로 검증해야 하는 시장 특성에 대한 가설입니다.

평균으로의 회귀를 확인하는 가장 쉬운 방법은 무엇인가요?

첫 수치가 평소보다 얼마나 극단적이었는지 확인하고, 개입 전 여러 번의 측정값과 비교집단을 살펴보는 것이 좋습니다. 가능하다면 한 번의 전후 비교가 아니라 여러 차례 반복측정을 확인해야 합니다.