재미있는 통계

윌 로저스 현상(Will Rogers Phenomenon): 데이터를 한 그룹에서 다른 그룹으로 옮겼을 때 양쪽 모두 평균이 상승하는 현상

한 데이터가 이동했을 뿐인데 두 그룹의 평균이 모두 오를 수 있을까요? 윌 로저스 현상의 계산 조건과 암 병기 이동 사례를 정확하게 설명합니다.

모두의 계산기2026년 9월 21일8분 읽기

한 반에서 다른 반으로 학생 한 명을 옮겼는데 두 반의 평균 점수가 모두 올랐다고 해보겠습니다. 누구의 점수도 바뀌지 않았고 새로운 학생이 들어온 것도 아닙니다. 얼핏 보면 평균 점수가 새로 생긴 것처럼 느껴집니다. 하지만 산술평균의 계산법을 적용하면 충분히 가능한 일입니다.

이처럼 하나 이상의 관측값을 한 그룹에서 다른 그룹으로 옮겼을 때 두 그룹의 평균이 같은 방향으로 움직이는 현상을 윌 로저스 현상(Will Rogers Phenomenon)이라고 합니다. 보통은 두 그룹의 평균이 모두 상승하는 사례로 설명합니다. 핵심은 이동하는 값이 두 그룹의 기존 평균 사이에 놓여 있다는 점입니다.

윌 로저스 현상은 단순한 숫자 퍼즐에 그치지 않습니다. 검사 기술이 발달해 암 환자의 병기가 달라지는 병기 이동(stage migration), 평가 기준 변경, 등급 재분류, 시대별 통계 비교에서 실제 성과가 좋아진 것처럼 보이게 할 수 있습니다. 개인의 결과는 그대로여도 분류 기준이 바뀌면 각 하위 그룹의 평균은 달라질 수 있습니다.

윌 로저스 현상이란 무엇인가요?

평균이 낮은 그룹 A와 평균이 높은 그룹 B가 있다고 하겠습니다. B에서 비교적 낮은 값 하나를 꺼내 A로 옮깁니다. 이 값이 A의 평균보다는 높고 B의 평균보다는 낮다면 두 변화가 동시에 일어납니다.

A는 자기 평균보다 높은 값을 받으므로 평균이 올라갑니다.
B는 자기 평균보다 낮은 값을 내보내므로 평균이 올라갑니다.

데이터 전체의 값과 개수는 전혀 바뀌지 않습니다. 달라진 것은 어느 값이 어느 그룹에 속하는지뿐입니다. 따라서 전체 데이터를 한꺼번에 계산한 평균은 그대로지만, 두 하위 그룹의 평균은 모두 높아질 수 있습니다.

이 현상에는 논리적 모순이 없습니다. 그룹 평균은 그 그룹에 포함된 값과 구성원 수에 따라 달라지기 때문입니다. 두 평균이 올랐다는 사실을 전체 성과가 좋아졌다는 뜻으로 해석할 때 통계적 착시가 생깁니다.

가장 간단한 숫자 예시

다음과 같은 두 그룹을 생각해 보겠습니다.

A = {1, 2, 3, 4}, 평균 = 2.5

B = {5, 6, 7, 8, 9}, 평균 = 7

B에서 가장 작은 값 5를 A로 옮기면 그룹은 다음처럼 바뀝니다.

A = {1, 2, 3, 4, 5}, 평균 = 3

B = {6, 7, 8, 9}, 평균 = 7.5

A의 평균은 2.5에서 3으로 올랐고 B의 평균은 7에서 7.5로 올랐습니다. 5는 A의 기존 평균 2.5보다 높으므로 A의 평균을 끌어올립니다. 동시에 B의 기존 평균 7보다 낮으므로 B에서 빠져나갈 때 B의 평균도 올라갑니다.

전체 평균을 확인하면 값이 새로 생긴 것이 아니라는 사실이 분명해집니다. 이동 전과 이동 후 모두 전체 자료는 `{1, 2, 3, 4, 5, 6, 7, 8, 9}`입니다.

전체 평균 = (1+2+3+4+5+6+7+8+9) / 9 = 5

전체 평균은 계속 5입니다. 하위 그룹 두 곳의 평균이 모두 올랐어도 전체 집단의 평균은 변하지 않았습니다.

양쪽 평균이 상승하는 정확한 조건

그룹 A의 평균을 μA, 그룹 B의 평균을 μB라고 하고 `μA < μB`라고 가정하겠습니다. B에서 값 x 하나를 A로 옮길 때 두 그룹의 평균이 모두 상승하려면 다음 조건이 필요합니다.

μA < x < μB

x가 A의 기존 평균보다 크면 A에 더했을 때 A의 평균이 올라갑니다. x가 B의 기존 평균보다 작으면 B에서 제거했을 때 B의 평균이 올라갑니다. 결국 이동하는 값이 두 평균 사이에 있어야 합니다.

A의 원래 구성원 수를 nA, 합계를 SA라고 하면 이동 후 평균은 `(SA+x)/(nA+1)`입니다. 이 값이 기존 평균 `SA/nA`보다 커지는 조건을 정리하면 다음과 같습니다.

(SA+x)/(nA+1) > SA/nA ⇔ x > SA/nA = μA

B의 원래 구성원 수를 nB, 합계를 SB라고 하면 이동 후 평균은 `(SB-x)/(nB-1)`입니다. 이 값이 기존 평균 `SB/nB`보다 커지는 조건은 다음과 같습니다.

(SB-x)/(nB-1) > SB/nB ⇔ x < SB/nB = μB

두 부등식을 동시에 만족시키면 `μA < x < μB`가 됩니다. x가 어느 한쪽 평균과 정확히 같으면 그쪽 평균은 오르지 않고 그대로입니다. x가 두 평균 사이에 있지 않으면 두 평균이 모두 상승하는 결과는 나오지 않습니다.

여러 개의 데이터를 옮길 때는 어떻게 계산하나요?

값을 하나가 아니라 여러 개 옮겨도 원리는 같습니다. B에서 A로 옮기는 자료 묶음의 개수를 r, 그 합을 T, 평균을 μM이라고 하겠습니다. `μM=T/r`입니다.

이동 자료의 평균이 A의 기존 평균보다 높으면 A의 평균이 상승합니다. 같은 이동 자료의 평균이 B의 기존 평균보다 낮으면 B의 평균도 상승합니다.

μA < μM < μB

개별 값이 모두 두 평균 사이에 있을 필요는 없습니다. 여러 값의 묶음을 한꺼번에 옮긴다면 그 묶음의 평균이 두 그룹 평균 사이에 있으면 됩니다. 다만 값을 순서대로 하나씩 옮기는 과정을 분석할 때는 이동할 때마다 그룹 평균이 바뀌므로 각 단계의 조건을 다시 계산해야 합니다.

그룹 평균의 평균이 전체 평균과 다른 이유

두 그룹의 평균이 모두 상승했는데 전체 평균이 그대로라는 사실이 낯설게 느껴지는 이유 중 하나는 ‘평균들의 평균’과 ‘전체 평균’을 혼동하기 때문입니다.

A의 평균이 2.5이고 B의 평균이 7이라고 해서 전체 평균이 `(2.5+7)/2=4.75`인 것은 아닙니다. 두 그룹의 크기가 다르면 각 평균에 구성원 수를 반영해야 합니다. 앞의 예에서는 A가 4명이고 B가 5명이므로 전체 평균은 다음과 같은 가중평균입니다.

전체 평균 = (2.5×4 + 7×5) / 9 = 5

이동 후에는 A가 5명, B가 4명이 됩니다.

전체 평균 = (3×5 + 7.5×4) / 9 = 5

그룹의 크기가 바뀌었기 때문에 두 그룹 평균을 단순히 더해 2로 나눈 값은 전체 평균을 나타내지 않습니다. 전체 평균을 비교할 때는 각 그룹의 표본 수를 가중치로 사용해야 합니다.

왜 윌 로저스라는 이름이 붙었나요?

이 현상의 이름은 미국의 배우이자 유머 작가였던 윌 로저스(Will Rogers)에게 흔히 귀속되는 농담에서 유래했습니다. 오클라호마 출신 이주민이 캘리포니아로 이동하자 두 주의 평균 지능이 모두 높아졌다는 내용입니다. 이 농담의 구조에서는 이주민의 평균이 오클라호마 평균보다 낮고 캘리포니아 평균보다 높다고 전제합니다.

다만 이 문구가 윌 로저스의 실제 발언이었다는 동시대의 확정적인 기록은 확인되지 않았습니다. 인용문의 기원을 추적한 자료에서는 비슷한 구조의 농담이 여러 지역과 인물을 대상으로 전해졌으며, 윌 로저스에게 귀속된 시점도 그의 사후였다고 설명합니다. 따라서 문구를 역사적 사실로 단정하기보다는 ‘윌 로저스에게 흔히 귀속되는 농담’이라고 표현하는 편이 정확합니다.

의학자 앨번 파인스타인(Alvan R. Feinstein)과 동료들은 암 진단 기술 변화에 따른 생존 통계의 착시를 설명하면서 이 이름을 사용했습니다. 1984년 학술지 논문에 이어 1985년 《New England Journal of Medicine》에 발표한 연구가 윌 로저스 현상을 널리 알렸습니다.

암 병기 이동에서 나타나는 윌 로저스 현상

암 환자는 종양의 범위, 림프절 침범, 전이 여부 등에 따라 병기로 분류됩니다. 일반적으로 초기 병기 집단은 진행 병기 집단보다 예후가 좋습니다. 그런데 영상 검사나 병리 검사가 정밀해지면 과거에는 발견하지 못했던 작은 전이나 림프절 침범을 찾을 수 있습니다.

예전 기준으로 초기 병기에 들어갔을 환자가 더 정밀한 검사에서는 진행 병기로 재분류될 수 있습니다. 이를 병기 이동 또는 병기 상향(stage migration, upstaging)이라고 합니다.

재분류되는 환자는 초기 병기 환자 가운데서는 예후가 상대적으로 나쁜 편입니다. 이들이 초기 병기에서 빠져나가면 남은 초기 병기 집단의 평균 생존 결과가 좋아집니다. 동시에 이 환자들은 과거부터 명백한 진행 병기로 분류됐던 환자보다는 예후가 좋은 편일 수 있습니다. 이들이 진행 병기 집단에 들어가면 그 집단의 평균 생존 결과도 좋아집니다.

즉, 환자의 실제 생존 기간이나 치료 효과가 바뀌지 않아도 초기 병기와 진행 병기의 생존 통계가 모두 개선될 수 있습니다. 숫자 예시로 나타내면 다음과 같습니다.

초기 병기 생존 기간 = {38, 42, 48, 52, 60}, 평균 48개월

진행 병기 생존 기간 = {6, 10, 14, 18}, 평균 12개월

정밀 검사로 생존 기간이 38개월인 환자를 진행 병기로 재분류하면 다음과 같습니다.

초기 병기 = {42, 48, 52, 60}, 평균 50.5개월

진행 병기 = {6, 10, 14, 18, 38}, 평균 17.2개월

두 병기의 평균 생존 기간이 모두 늘었지만 어느 환자의 생존 기간도 바뀌지 않았습니다. 전체 9명의 평균은 이동 전과 이동 후 모두 32개월입니다. 이 숫자는 원리를 보여 주기 위해 만든 계산 예시이며 특정 암의 실제 생존 자료가 아닙니다.

1985년 폐암 연구에서 무엇을 확인했나요?

파인스타인, 대니얼 소신, 캐럴린 웰스는 1985년 논문에서 같은 의료기관에서 치료받은 폐암 환자 집단을 비교했습니다. 한 집단은 1953년부터 1964년 사이에 처음 치료받았고, 다른 집단은 1977년에 처음 치료받았습니다. 1977년 집단에는 과거보다 다양한 영상 진단 절차가 사용됐습니다.

새로운 검사로 이전에는 드러나지 않았던 전이가 발견되면서 일부 환자가 예후가 좋은 병기에서 나쁜 병기로 이동했습니다. 논문은 이동한 환자의 예후가 원래 좋은 병기 구성원보다는 나쁘고, 기존의 나쁜 병기 구성원보다는 좋았기 때문에 개인의 결과가 바뀌지 않아도 각 병기의 생존율이 상승할 수 있다고 설명했습니다.

연구진은 두 시대의 전체 집단과 주요 TNM 병기별 6개월 생존율에서 최근 집단이 더 높게 나타났다고 보고했습니다. 그러나 논문은 병기 이동 외에 진단 시점이 달라지는 ‘제로 타임 이동’도 함께 분석했습니다. 진단 기술 변화의 영향을 덜 받는 증상 병기로 분류했을 때 두 집단의 생존율은 비슷했습니다. 따라서 원 연구를 “병기 이동 하나만으로 전체 생존율까지 상승했다”라고 요약하면 정확하지 않습니다.

전체 생존율도 같이 오르나요?

동일한 사람과 동일한 결과를 그대로 두고 소속 그룹만 바꾼 순수한 윌 로저스 현상에서는 전체 평균이 변하지 않습니다. 하위 그룹 평균만 달라집니다.

실제 의료 자료에서 시대별 전체 생존율까지 달라졌다면 병기 이동 외의 원인을 함께 살펴야 합니다. 치료법 변화, 환자 구성 차이, 검진 대상 변화, 진단 시점 변화, 추적 기간, 사망 원인 분류 등이 전체 결과에 영향을 줄 수 있습니다. 병기별 생존율이 모두 올랐다는 사실만으로 치료 효과가 개선됐다고 결론 내릴 수 없지만, 반대로 모든 개선을 병기 이동 탓으로 단정할 수도 없습니다.

미국 국립암연구소의 SEER 자료 설명도 더 정밀한 검사가 과거에 초기 또는 국소 병기로 분류됐을 환자를 진행 병기로 이동시킬 수 있다고 설명합니다. 이때 병기별 생존율은 좋아질 수 있지만, 재분류만으로 전체 생존율이 바뀌지는 않습니다.

리드타임 편향과는 무엇이 다른가요?

리드타임 편향(lead-time bias)은 질병을 더 일찍 발견해 진단일부터 사망일까지의 측정 시간이 늘어나는 현상입니다. 사망 시점이 같아도 진단 시점이 앞당겨지면 진단 후 생존 기간이 길어 보입니다.

윌 로저스 현상의 병기 이동은 환자의 분류가 달라져 각 병기 집단의 구성이 바뀌는 현상입니다. 둘 다 검사 기술 발전 이후 생존 통계를 좋아 보이게 할 수 있지만 작동 원리는 다릅니다.

리드타임 편향: 생존 기간을 재는 출발점이 앞당겨집니다.
윌 로저스 현상: 환자가 속하는 하위 그룹이 달라집니다.
실제 치료 효과: 치료 때문에 사망이나 재발 같은 결과가 실제로 달라집니다.

한 자료에서 이 요인들이 동시에 나타날 수 있으므로 연구 설계와 분석에서는 각각을 구분해야 합니다.

심슨의 역설과는 어떻게 다른가요?

심슨의 역설은 여러 하위 그룹에서 나타난 관계가 데이터를 합쳤을 때 약해지거나 반대로 뒤집히는 현상입니다. 그룹별 표본 비율과 교란 변수가 중요한 역할을 합니다.

윌 로저스 현상은 관측값을 한 그룹에서 다른 그룹으로 재분류했을 때 두 그룹의 평균이 동시에 같은 방향으로 움직이는 현상입니다. 전체 자료의 값이 그대로라면 전체 평균도 그대로입니다.

두 현상 모두 분류와 가중치가 통계 해석에 미치는 영향을 보여 주지만 형태가 다릅니다. 심슨의 역설은 결합 전후 관계의 역전에 초점을 맞추고, 윌 로저스 현상은 그룹 사이의 이동과 양쪽 평균의 동시 변화를 다룹니다.

일상적인 데이터 분석에서도 나타날 수 있나요?

수학적 구조는 암 병기 자료에만 한정되지 않습니다. 다음과 같이 분류 기준이나 소속이 바뀌는 자료에서 같은 현상이 발생할 수 있습니다.

성적 구간이나 반 편성 기준을 변경하는 경우
고객 등급 기준이 바뀌어 일부 고객이 다른 등급으로 이동하는 경우
위험군 판정 기준을 세분화하거나 강화하는 경우
제품의 품질 등급 경계를 조정하는 경우
지역이나 산업 분류 체계를 개편하는 경우
과거 자료를 새로운 진단·평가 기준으로 다시 분류하는 경우

어느 사례든 양쪽 평균이 실제로 오르려면 이동한 자료의 평균이 두 그룹의 기존 평균 사이에 있어야 합니다. 분류가 바뀌었다는 이유만으로 윌 로저스 현상이 자동으로 발생하지는 않습니다.

통계 비교에서 확인해야 할 사항

첫째, 비교 시점 사이에 분류 기준이 달라졌는지 확인해야 합니다. 같은 병기명이나 등급명을 사용하더라도 정의가 바뀌었다면 동일한 집단이 아닐 수 있습니다.

둘째, 각 그룹에서 빠져나가거나 새로 들어온 관측값의 특성을 확인해야 합니다. 이동 자료가 두 그룹 평균 사이에 있는지 계산하면 윌 로저스 현상의 방향을 판단할 수 있습니다.

셋째, 그룹 평균과 함께 전체 평균을 확인해야 합니다. 모든 하위 그룹의 성과가 좋아졌는데 전체 성과가 그대로라면 구성 변화 가능성을 점검할 근거가 됩니다.

넷째, 표본 수와 가중치를 함께 제시해야 합니다. 그룹 평균만 나열하면 규모 변화가 가려집니다. 그룹별 합계, 관측 수, 분포와 전체 결과를 같이 보면 해석이 명확해집니다.

다섯째, 가능하면 같은 분류 기준으로 과거와 현재 자료를 다시 분류해야 합니다. 진단 도구나 등급 체계가 다른 집단을 직접 비교하면 분류 변화와 실제 결과 변화를 분리하기 어렵습니다.

여섯째, 평균 이외의 분포도 확인해야 합니다. 중앙값, 사분위수, 생존곡선과 위험비 등은 자료의 다른 측면을 보여 줍니다. 다만 다른 통계량을 추가한다고 분류 변경 문제가 자동으로 해결되는 것은 아닙니다.

자주 묻는 질문

두 그룹의 평균이 항상 모두 오르나요?

아닙니다. 평균이 낮은 A와 평균이 높은 B가 있을 때 B에서 A로 옮기는 값 또는 자료 묶음의 평균이 두 기존 평균 사이에 있어야 합니다. 즉 `μA < x < μB` 조건이 필요합니다.

양쪽 평균이 올랐다면 전체 평균도 오르나요?

같은 자료를 재분류하기만 했다면 전체 합계와 전체 개수가 변하지 않으므로 전체 평균은 그대로입니다. 그룹 평균을 구성원 수로 가중하지 않고 단순 평균하면 다른 값이 나올 수 있습니다.

데이터가 하나가 아니라 여러 개 이동해도 가능한가요?

가능합니다. 이동하는 자료 묶음의 평균이 도착 그룹의 기존 평균보다 높고 출발 그룹의 기존 평균보다 낮으면 양쪽 평균이 모두 상승합니다.

병기별 생존율이 모두 좋아지면 치료가 발전한 것 아닌가요?

병기별 생존율 상승만으로는 판단할 수 없습니다. 검사 기술이나 병기 기준 변화로 환자가 재분류되면 실제 치료 효과가 없어도 각 병기의 생존율이 상승할 수 있습니다. 동일한 병기 정의, 전체 생존 결과, 치료 내용과 환자 구성을 함께 비교해야 합니다.

윌 로저스 현상은 평균의 오류인가요?

산술평균 계산 자체의 오류는 아닙니다. 각 그룹의 구성 변화에 따라 평균이 정확하게 달라진 결과입니다. 오류는 구성과 분류가 달라졌다는 사실을 무시하고 평균 상승을 실제 성과 향상으로 해석할 때 발생합니다.

윌 로저스의 실제 발언에서 이름이 나온 것이 확실한가요?

해당 농담은 윌 로저스에게 널리 귀속되지만, 그가 생전에 직접 했다는 확정적인 동시대 자료는 확인되지 않았습니다. 통계·의학 분야에서는 1980년대 파인스타인과 동료들이 이 이름을 사용하면서 용어가 정착했습니다.

결론: 평균이 올랐다는 사실만으로 성과가 좋아진 것은 아닙니다

윌 로저스 현상은 평균이 낮은 그룹과 높은 그룹 사이에서 중간값을 가진 자료를 옮길 때 두 그룹의 평균이 모두 상승할 수 있음을 보여 줍니다. 낮은 평균의 그룹은 자기 평균보다 높은 값을 받고, 높은 평균의 그룹은 자기 평균보다 낮은 값을 내보내기 때문입니다.

수학적 조건은 `μA < x < μB`로 간단합니다. 여러 자료를 옮길 때는 이동 자료 묶음의 평균이 두 그룹 평균 사이에 있어야 합니다. 자료 전체가 그대로라면 전체 평균은 변하지 않습니다.

의료 통계에서는 정밀한 검사로 예후가 중간인 환자가 초기 병기에서 진행 병기로 이동할 때 같은 구조가 나타납니다. 양쪽 병기의 생존 결과가 모두 좋아 보여도 개별 환자의 결과나 전체 생존이 개선됐다고 단정할 수 없습니다. 시대별 통계를 비교할 때는 분류 기준, 진단 기술, 그룹 크기, 전체 결과와 실제 치료 변화를 함께 확인해야 합니다.