한 줄로

다중공선성은 회귀분석에 넣은 여러 독립변수(예: 채널별 광고비)가 서로 늘 같이 늘고 같이 줄어서, 모델이 "그래서 이 효과가 누구 덕분인지"를 구분하지 못하는 상태예요.

왜 중요한가

마케팅 데이터에서 흔한 함정이에요. 예를 들어 SNS 광고와 검색 리타겟팅 광고를 항상 같은 시기에 같이 늘렸다 줄였다 했다면, 매출이 올랐을 때 그게 SNS 덕인지 검색 덕인지 통계적으로 가르기 어려워져요. 계수(coefficient)가 불안정해지고, 때로는 상식과 반대되는 부호(마이너스)가 나오기도 해요.

마케팅 믹스 모델링(MMM)처럼 채널별 기여도를 회귀로 추정하는 분석에서 특히 자주 마주치는 문제예요.

어떻게 알아채나

개별 채널의 상관관계를 미리 확인해요(늘 같이 움직이는 채널쌍이 있는지).
계수의 부호가 상식과 반대이거나, 표준오차가 비정상적으로 크면 의심해봐야 해요.
근본적인 해결은 통계 기법보다 데이터 설계예요 — 채널을 따로 움직여본 기간(한쪽만 켜거나 끈 시기)이 있어야 모델이 구분할 수 있어요.

더 깊게 보려면

MMM에서 다중공선성이 실제로 어떻게 결과를 왜곡하는지는 MMM이란 글의 "어디까지 믿어야 하나" 섹션에서 다룹니다.