변수와 X·Y를 처음부터 이해하기

01. 오늘 해결할 문제

실험실에서 세포 배양 실험을 진행한 후 얻은 데이터 노트에 95.2, 81.4, 63.0, 41.8이라는 숫자만 나열되어 있다고 가정해 보겠습니다. 이 숫자들은 무엇을 의미할까요?

단순히 숫자만 적힌 목록은 아무런 통계적·과학적 정보도 전달하지 못합니다. 이 숫자가 화합물 A의 투여 농도( $\mu\text{M}$ )인지, 48시간 후 측정한 세포 생존율(Viability, %)인지, 아니면 배양기의 온도( ${}^\circ\text{C}$ )인지 알 수 없기 때문입니다.

바이오 통계와 품질 설계(QbD, Quality by Design)에서 데이터를 분석하기 위해 가장 먼저 해야 할 일은 각 관측값에 이름을 부여하고 그 관측값이 전체 시스템에서 맡은 역할(Role)을 지정하는 것입니다.

오늘 우리는 관측된 측정값을 **변수(Variable)**로 정의하고, 원인이 되는 입력(Factor / X), 반응이 일어나는 공정 체계(Process), 그 결과로 얻어지는 **반응(Response / Y)**의 구조를 정립합니다. 또한, 단순히 X와 Y를 그래프에 그렸다고 해서 인과관계가 자동으로 입증되지 않는 이유와, 우리를 속이는 **혼란변수(Confounder)**의 위험성을 명확히 구분해 봅니다.

02. 초보자의 첫 생각

통계나 데이터 분석을 처음 접하는 연구자들은 종종 다음과 같은 세 가지 고정관념이나 오해에 빠지곤 합니다.

"X와 Y의 그래프에 점을 찍었더니 예쁜 직선이 나왔으니, X가 Y의 확실한 인과적 원인이다." 그래프 상에서 두 변수가 함께 변하는 것처럼 보인다고 해서 X가 Y를 직접 변화시킨 원인이라고 단정할 수 없습니다. 시간의 경과나 배양기 내부의 미세한 온도 차이 같은 제3의 변수가 두 변수 모두에 영향을 주었을 가능성이 항상 존재합니다.
"배치 번호, 측정 날짜, 선반 위치 같은 배경 정보는 결과 수치에 직접 관여하지 않으므로 변수로 기록할 필요가 없다." 실험 결과에 영향을 주는 것은 내가 관심 있는 독성 물질뿐만이 아닙니다. 배양기 선반의 위치나 세포 접종량의 미세한 차이 같은 배경 요소들도 Y값을 흔드는 주요 원인이 됩니다. 이를 기록하지 않으면 나중에 원인을 찾을 수 없는 무작위 변동으로 남게 됩니다.
"숫자 데이터만 엑셀에 깔끔하게 적어두면 단위와 측정 시점은 나중에 머릿속으로 기억해낼 수 있다." 단위( $\mu\text{M}$ , %, hours)와 측정 시점(Timestamp)이 누락된 수치는 재현 불가능한 쓰레기 데이터(Garbage Data)가 됩니다. 같은 숫자라도 측정 시점에 따라 전혀 다른 생물학적 의미를 갖습니다.

03. 직관 만들기

세포 배양 6-well 플레이트 실험을 직관적인 모델로 만들어 보겠습니다.

우리는 배양용 웰(Well) 속에 세포를 넣고, 세포에 영향을 주는 실험 조건인 화합물 A의 농도를 0, 10, 50, 100 $\mu\text{M}$ 으로 다르게 투여합니다. 투여된 화합물은 세포 내부의 생화학적 반응 체계(Process)를 거치게 되며, 48시간이 지난 후 우리는 세포의 **생존율(Viability, %)**을 측정합니다.

이 구조에서 각 요소의 직관적 역할은 다음과 같습니다.

입력 (Input X): 우리가 능동적으로 조절하거나 관측하고자 부여한 조건 (예: 화합물 A의 농도).
공정/반응 체계 (Process): 입력 조건이 주어졌을 때 실제 생물학적·화학적 변화가 일어나는 대상 (예: 웰 내부 세포의 대사 과정).
결과/반응 (Output Y): 공정을 거쳐 최종적으로 관측·측정한 반응 결과 (예: 48시간 후 세포 생존율 %).

입력 X를 변화시켰을 때 결과 Y가 어떻게 바뀌는지 관측하는 것이 실험의 기본 틀입니다. 그러나 입력 X에서 결과 Y로 가는 길목에는 실험자가 제어하지 못한 다양한 환경 변수와 노이즈( $\epsilon$ )가 개입하게 됩니다.

04. 필요한 용어

바이오 통계와 품질 관리 체계에서 사용하는 핵심 용어들을 정립해 둡니다.

변수 (Variable) 관측 대상(예: 세포 배양 웰, 시험관)마다 서로 다른 값을 가질 수 있는 관측 가능한 속성이나 수치입니다. (예: 농도, 생존율, 온도, 측정 시각)
입력 변수 / 요인 (Factor / Input Variable / X) 실험자가 결과를 관측하기 위해 제어하거나 조건으로 설정한 변수입니다. 의약품 품질 고도화(QbD) 접근법에서는 제품 품질에 영향을 미칠 수 있는 공정 입력 변수를 **핵심 공정 변수(CPP, Critical Process Parameter)**라고 부릅니다.
반응 변수 / 결과 변수 (Response / Output Variable / Y) 입력 조건의 결과로 나타나는 측정값입니다. QbD 체계에서는 의약품의 안전성과 유효성을 나타내는 핵심 품질 측정 항목을 **핵심 품질 특성(CQA, Critical Quality Attribute)**이라고 부릅니다.
혼란변수 (Confounder / Confounding Variable) 입력 X와 반응 Y 모두에 직·간접적인 영향을 주어, 실제로는 X와 Y 사이에 아무런 인과관계가 없거나 다른 양상이 존재함에도 불구하고 마치 강한 관계가 있는 것처럼 착시를 일으키는 제3의 배경 변수입니다.
개입 (Intervention) 단순히 자연 상태를 관찰하는 것을 넘어, 연구자가 계획에 따라 무작위 배정(Randomization) 등을 통해 입력 X를 능동적으로 변경하고 외부 요인을 통제하는 실험적 행위입니다.
단위 (Unit) 및 메타데이터 (Metadata) 숫자 데이터의 물리적 의미를 지정하는 표준 단위( $\mu\text{M}$ , %, ${}^\circ\text{C}$ )와 측정 시점(Timestamp, hours), 웰의 위치 정보 등 데이터를 설명하는 데이터입니다.

05. 수학·통계 bridge

수학과 통계학에서는 입력 X와 결과 Y의 관계를 다음과 같은 함수적 구조로 표현합니다.

$Y = f(X) + \epsilon$

여기서 각 기호가 갖는 의미는 다음과 같습니다.

$Y$ : 관측된 반응 변수 (예: 세포 생존율 %)
$X$ : 입력 변수 (예: 화합물 A 농도 $\mu\text{M}$ )
$f(X)$ : 입력 X가 결과 Y에 영향을 미치는 체계적이고 결정론적인 관계 (Systematic Relationship)
$\epsilon$ (Epsilon): 미처 통제하지 못한 미세한 환경 변동, 측정 오차, 생물학적 무작위 변동(Random Error / Noise)

상관관계와 인과관계의 수학적 구분

두 변수 $X$ 와 $Y$ 사이의 선형 연관성을 나타내는 상관계수(Pearson Correlation Coefficient)를 $r(X, Y)$ 라고 할 때:

$r(X, Y) \neq 0 \implies X \text{와 } Y \text{ 사이에 선형적 상관관계가 존재함}$

그러나 이것이 곧 $X \to Y$ 의 인과관계(Causation)를 의미하지는 않습니다.

수학적으로 인과성을 주장하기 위해서는 단순한 상관계수 측정뿐만 아니라, 개입(Intervention) 상태에서 다른 모든 혼란변수 $Z$ 를 고정( $\text{Control}$ )했을 때도 $X$ 의 변화에 따라 $Y$ 의 조건부 확률 분포가 변함을 증명해야 합니다.

데이터 테이블에서의 표현

통계 데이터 테이블(Data Table)에서 행과 열은 다음과 같은 대수적 구조를 갖습니다.

BioPlayground