🎬 프롤로그: 대학원생 한 명이 연 판도라의 상자

2013년 봄, 미국 매사추세츠대학교 애머스트(UMass Amherst)의 대학원생 토머스 헌든(Thomas Herndon)은 계량경제학 수업 과제를 하고 있었습니다.
과제 내용은 단순했습니다. 유명 경제학 논문 하나를 골라 데이터를 직접 구해 결과를 재현(replication)해 보라는 것.

헌든이 고른 논문은 당시 세계에서 가장 많이 인용되던 거시경제 논문 중 하나였습니다.
하버드대 카먼 라인하트(Carmen Reinhart)와 케네스 로고프(Kenneth Rogoff)가 2010년 발표한 "Growth in a Time of Debt".

그런데 아무리 계산해도 논문의 숫자가 나오지 않았습니다.
데이터를 바꿔봐도, 기간을 바꿔봐도, 평균 방식을 바꿔봐도 — 결정적인 그 숫자, -0.1%가 재현되지 않았습니다.

결국 헌든은 지도교수 마이클 애시(Michael Ash), 로버트 폴린(Robert Pollin)의 도움으로 원저자에게 직접 원본 스프레드시트를 요청합니다.
그리고 라인하트 교수는 흔쾌히 자신의 엑셀 파일을 이메일로 보내줍니다.

그 .xls 파일 하나가 세계 경제학계를 뒤흔들게 될 줄은, 그때는 아무도 몰랐습니다.

📜 1장. 문제의 논문 — "부채 90%의 저주"

🔍 논문이 말한 것

라인하트와 로고프는 2010년 1월, American Economic Review의 Papers & Proceedings(학회 발표 요약본 성격, 일반 논문보다 심사 강도가 약한 섹션)에 짧은 논문을 실었습니다.

핵심 주장은 직관적이고 강력했습니다.

이 "90%"라는 숫자가 무서운 이유는, 그것이 연속적인 상관관계가 아니라 '절벽(cliff)'처럼 묘사되었기 때문입니다.
89%는 괜찮은데 91%는 재앙이라는 식의 프레임은, 정치인에게 더할 나위 없이 좋은 무기였습니다.

🌍 타이밍이 만든 폭발력

2010년이 어떤 해였는지 떠올려 봅시다.

2008년 글로벌 금융위기 이후 각국은 막대한 재정을 쏟아부었고, 부채비율은 치솟았습니다.
그리스가 흔들리고, 남유럽(PIIGS) 국가들의 국채 금리가 폭등했습니다.
"이제 돈을 더 쓸 것인가, 허리띠를 졸라맬 것인가" — 재정확대 vs 긴축의 세기의 논쟁이 한창이었죠.

바로 그때, 하버드 교수 두 명이 800년치 데이터를 분석했더니 부채 90%가 마의 선이라고 발표한 것입니다.
긴축파에게 이것은 하늘이 내린 과학적 근거였습니다.

논문 한 편이 이렇게까지 정책 언어로 번역된 사례는 드뭅니다.
그리고 바로 그 점 때문에, 3년 뒤의 폭로는 그만큼 충격적이었습니다.

🧨 2장. 엑셀 파일을 열어보니

2013년 4월 15일, 헌든·애시·폴린은 "Does High Public Debt Consistently Stifle Economic Growth? A Critique of Reinhart and Rogoff"라는 워킹페이퍼를 공개합니다.
줄여서 HAP 논문.

그들이 찾아낸 문제는 크게 세 가지였습니다.

❶ 엑셀 코딩 오류 — 범위 5칸의 실종

가장 유명하고, 가장 상징적인 오류입니다.

원본 스프레드시트에서 부채비율 구간별 평균 성장률을 계산하는 수식이 이렇게 되어 있었습니다.

=AVERAGE(L30:L44)   ← 실제 입력된 수식
=AVERAGE(L30:L49)   ← 들어갔어야 할 수식

행 번호로 보면 45행부터 49행까지 5개국이 평균 계산에서 통째로 빠진 것입니다.
빠진 나라는 알파벳 순서상 뒤쪽에 있던 국가들 — 오스트레일리아, 오스트리아, 벨기에, 캐나다, 덴마크.

여기서 결정적인 건 벨기에였습니다.
벨기에는 고부채 상태(90% 초과)에서 26개 관측연도 동안 연평균 2.6%의 양호한 성장을 기록한 나라입니다.
고부채=저성장 명제를 정면으로 반박하는 반례가, 수식 범위 밖에 조용히 앉아 있었던 셈이죠.

❷ 데이터 누락 — 존재하는데 빠진 관측치

엑셀 오류와 별개로, 실제 분석 데이터셋에서 일부 국가의 고부채 시기 데이터가 빠져 있었습니다.

이 누락은 우연이라기엔 방향성이 일관했습니다.
빠진 데이터는 대부분 "부채는 높은데 성장은 좋았던" 관측치였고, 이는 결론을 한쪽으로 밀어붙이는 효과를 냈습니다.

특히 뉴질랜드가 중요합니다. 원 논문의 데이터에서 뉴질랜드의 90% 초과 구간은 1951년 단 한 해만 남았는데, 그 해 성장률이 -7.6%였습니다.
HAP가 복원한 데이터로 보면 뉴질랜드의 고부채 시기 평균은 +2.58%였습니다.
한 해만 남기느냐, 네 해를 다 보느냐에 따라 -7.6%와 +2.58%라는 극단적 차이가 생긴 것이죠.

❸ 가중치 방식 — "국가 1표" vs "연도 1표"

세 번째는 엑셀 실수가 아니라 방법론 선택의 문제입니다. 그리고 실은 이게 가장 파급력이 컸습니다.

라인하트·로고프는 각 국가의 고부채 시기 평균을 먼저 구한 뒤, 국가별 평균에 동일한 가중치를 주어 전체 평균을 냈습니다.

물론 "국가 단위 평균"이 언제나 틀린 건 아닙니다.
관측 수가 많은 나라가 결과를 지배하지 않게 하려는 정당한 이유도 있습니다.
문제는 그 선택을 논문에서 명시적으로 밝히지 않았고, 그 선택이 결론을 뒤집을 만큼 민감했다는 점입니다.

🔢 3장. -0.1%에서 +2.2%로 — 숫자가 뒤집힌 과정

세 가지 문제를 각각 수정했을 때의 효과를 분해해 보면, 사건의 구조가 선명해집니다.

📐 결론의 성격이 달라지다

수정 후 결과는 "부채가 많아도 상관없다"가 아닙니다.
여전히 고부채 국가군의 평균 성장률(2.2%)은 중저부채 국가군(3%대)보다 낮았습니다.
즉 음의 상관관계 자체는 남아 있었습니다.

달라진 건 모양입니다.

· 원 논문: 90%를 넘으면 마이너스 성장이라는 절벽형 임계값
· 수정 후: 부채가 높아질수록 성장률이 완만하게 낮아지는 연속적 경향

정책적으로 이 차이는 결정적입니다.
"절벽"이 존재한다면 무슨 수를 써서라도 90% 아래로 내려가야 합니다 — 즉 즉각적이고 강도 높은 긴축이 정당화됩니다.
그러나 완만한 경사라면, 긴축의 속도·시점·방식을 경기 상황에 맞춰 조절하는 재량이 생깁니다.

🔁 그리고 남은 근본 질문: 인과의 방향

HAP 논문과 이후 후속 연구들이 공통으로 제기한 더 깊은 문제는 역인과(reverse causality)입니다.

부채비율은 부채 ÷ GDP입니다.
분모인 GDP가 줄면 분자를 건드리지 않아도 비율은 저절로 올라갑니다.
게다가 불황에는 세수가 줄고 복지지출이 늘어 분자도 커집니다.

실제로 이후 연구들(예: Ash·Basu·Dube 등)은 성장 둔화가 부채 증가에 선행하는 패턴이 더 강하게 관찰된다고 보고했습니다.
즉 원 논문이 보여준 상관관계는, 인과의 화살표를 반대로 읽었을 가능성이 큽니다.

🗣️ 4장. 저자들의 반박과 학계의 정리

라인하트와 로고프는 즉각 대응했습니다. 그들의 입장은 대략 이렇습니다.

이 반박에는 타당한 부분이 있습니다.
실제로 논문 원문에는 "인과관계"라는 단어가 단정적으로 등장하지 않으며, 중앙값 수치도 별도로 보고되어 있었습니다.

그러나 비판도 명확했습니다.

첫째, 저자들이 3년간 데이터와 코드를 공개하지 않았다는 점.
헌든이 개인적으로 요청하기 전까지, 세계에서 가장 영향력 있는 경제 논문의 계산 과정을 누구도 검증할 수 없었습니다.

둘째, 저자들이 언론 기고와 공개 발언에서 "90%"라는 숫자를 반복적으로 강조했다는 점.
논문에 단정적 표현이 없었다 해도, 공론장에서의 커뮤니케이션은 다른 이야기였습니다.

셋째, 학술적 결론이 정책으로 번역될 때의 책임 문제.
"정치권이 오독했다"는 해명은, 이미 긴축이 집행된 나라의 국민에게는 위로가 되지 않았습니다.

🏛️ 5장. 그래서 정책은 정말 바뀌었나?

여기서 냉정해질 필요가 있습니다.
"엑셀 실수가 긴축을 낳았다"는 서사는 매력적이지만 과장입니다.

2010년 유럽의 긴축 전환에는 그리스 재정위기, 국채시장 압력, 유로존의 통화-재정 분리 구조, 독일의 재정 보수주의 등 수많은 요인이 얽혀 있었습니다.
논문이 없었어도 긴축은 상당 부분 진행됐을 것입니다.

그렇다면 이 논문의 진짜 역할은 무엇이었을까요?

"우리는 이념적으로 긴축을 원한다"는 말보다
"하버드 연구에 따르면 부채 90%를 넘으면 성장이 멈춥니다"가 훨씬 설득력 있습니다.

그리고 2013년 4월 이후, 그 문장을 쓸 수 없게 되었습니다.
IMF가 재정승수(fiscal multiplier)를 과소평가했다고 자체 인정한 시점과 맞물리면서, 국제 담론의 무게중심이 이동했습니다.
이후 "긴축의 속도 조절", "성장 친화적 재정건전화" 같은 표현이 정책 문서에 등장하기 시작합니다.

📊 6장. 엑셀 실무자를 위한 진짜 교훈

여기서부터가 우리 대부분에게 실질적으로 중요한 부분입니다.
우리는 하버드 교수도, 정책 입안자도 아니지만 — 거의 매일 엑셀을 씁니다.

그리고 우리가 만드는 스프레드시트도 누군가의 예산, 누군가의 인사평가, 누군가의 사업 승인을 결정합니다.
규모만 다를 뿐, 구조는 똑같습니다.

🔴 유형 1. 범위 참조 오류 (Range Error)

라인하트-로고프 사건의 직접적 원인이자, 스프레드시트 오류 중 가장 흔한 유형입니다.

발생 시나리오는 늘 비슷합니다.

해결책 1 — 표(Table) 기능 사용

Ctrl + T 로 범위를 '표'로 변환
→ 이후 =SUM(매출표[금액]) 형태의 구조적 참조 사용
→ 행 추가 시 참조 범위 자동 확장

해결책 2 — 동적 배열 / 전체 열 참조

=SUM(B:B)                      ' 열 전체 (헤더 주의)
=AVERAGE(FILTER(C2:C1000, C2:C1000<>""))
=SUM(OFFSET($B$2,0,0,COUNTA($B:$B)-1,1))   ' 동적 범위

해결책 3 — 검산 셀 만들기

' 합계 옆에 반드시 개수 검증
=COUNT(B2:B21)   ← 실제 데이터 개수와 일치하는가?
=COUNTA(A:A)-1   ← 기대 행 수와 비교

평균을 구할 때는 반드시 "몇 개를 평균 냈는지"를 같이 표시하세요.
라인하트-로고프 파일에 COUNT 셀 하나만 있었다면, 20이 아닌 15가 찍혀 있었을 것이고 즉시 발견됐을 것입니다.

🟠 유형 2. 데이터 누락 (Silent Missing)

엑셀은 빈 셀을 0으로 취급하지 않고 그냥 건너뜁니다. AVERAGE에서는 특히 위험합니다.

데이터: 10, 20, (빈칸), 40
=AVERAGE(A1:A4) → 23.3   (3개 기준)
=SUM(A1:A4)/4   → 17.5   (4개 기준)

둘 다 "맞는" 계산이지만 의미가 완전히 다릅니다.
결측치를 어떻게 처리할지 문서 안에 명시하는 것이 데이터 작업의 기본입니다.

' 결측 진단 세트
=COUNTBLANK(A2:A100)              ' 빈 셀 수
=SUMPRODUCT(--(A2:A100=""))       ' 공백 문자열 포함 감지
=COUNTIF(A2:A100,"N/A")           ' 텍스트 결측 표기 탐지

🟡 유형 3. 가중치·집계 단위의 함정

이건 엑셀 기능 문제가 아니라 사고의 문제입니다. 그리고 실무에서 가장 자주, 가장 조용히 일어납니다.

' 가중평균 표준 공식
=SUMPRODUCT(값범위, 가중치범위) / SUM(가중치범위)

' 예: 지점별 만족도를 고객 수로 가중
=SUMPRODUCT(C2:C20, D2:D20) / SUM(D2:D20)

🟢 유형 4. 하드코딩과 수식 덮어쓰기

수식 셀 위에 숫자를 직접 타이핑해 넣는 순간, 그 파일은 재현 불가능한 문서가 됩니다.

' 하드코딩 셀 색출법
Ctrl + G → 옵션(Alt+S) → '상수' 선택 → 확인
→ 계산 영역 안의 상수 셀이 전부 선택됨

수식 감사 도구도 적극 쓰세요.

Ctrl + `           ' 모든 수식 표시 토글 (강력 추천)
수식 탭 → 참조되는 셀 추적 / 참조하는 셀 추적
수식 탭 → 수식 계산 (단계별 디버깅)
수식 탭 → 오류 검사

🧪 7장. 실전 체크리스트 — 중요한 스프레드시트 넘기기 전에

⏱️ 5분 점검 (모든 파일 공통)

🔬 30분 점검 (의사결정용 문서)

🌐 8장. 스프레드시트 오류는 예외가 아니라 상수다

이 사건이 특별히 부끄러운 일일까요? 통계는 그렇지 않다고 말합니다.

스프레드시트 오류를 연구해 온 학자들(대표적으로 레이먼드 파나코 교수)의 감사(audit) 연구들은 놀라운 수치를 반복적으로 보고합니다.

셀 오류율 1%가 별것 아닌 것 같나요?
1,000개의 계산 셀이 있는 파일이라면 평균 10개의 오류가 들어 있다는 뜻입니다.

📚 다른 유명 사례들

공통점이 보이시나요?
엑셀이 나쁜 도구라서가 아닙니다.
엑셀은 너무 유연하고, 너무 쉽고, 너무 조용하기 때문입니다.

🔓 9장. 사건이 남긴 제도적 변화 — '재현 가능성'의 부상

라인하트-로고프 사건의 가장 긍정적인 유산은 데이터·코드 공개 문화의 확산입니다.

이 사건 이후 경제학계에서는 다음과 같은 변화가 가속화되었습니다.

🧩 그럼 엑셀은 버려야 하나?

전혀 그렇지 않습니다. 실제 업무의 압도적 다수는 엑셀로 충분하고, 엑셀이 더 낫습니다.
중요한 건 엑셀을 '재현 가능하게' 쓰는 습관입니다.

특히 Power Query는 이 사건의 교훈에 대한 엑셀의 답변에 가깝습니다.
데이터 가져오기 → 정제 → 변환의 모든 단계가 순서대로 기록되고, 원본이 바뀌면 그대로 재실행됩니다.
수동 복사-붙여넣기로 인한 누락이 원천적으로 줄어듭니다.

' 무결성 점검 대시보드 예시 (시트 최상단 배치)
총 행 수         =COUNTA(Raw!A:A)-1
결측 셀 수       =COUNTBLANK(Raw!B2:F10000)
중복 키 수       =COUNTA(Raw!A2:A10000)-SUMPRODUCT(1/COUNTIF(Raw!A2:A10000,Raw!A2:A10000))
음수 이상치      =COUNTIF(Raw!D:D,"<0")
합계 대조        =ROUND(SUM(가공!E:E)-SUM(Raw!D:D),2)   ' 0이어야 정상
최종 판정        =IF(AND(B3=0,B6=0),"✅ 정상","⚠️ 확인 필요")

🧠 10장. 숫자를 다루는 사람의 윤리

이 사건을 단순히 "엑셀 조심하세요"로 끝내면 절반만 배운 것입니다.
더 깊은 층위의 교훈이 세 가지 있습니다.

① 권위는 검증을 면제해 주지 않는다

헌든은 자신의 계산이 틀렸다고 수십 번 생각했습니다. 상대가 하버드였기 때문입니다.
그 망설임의 시간이 바로, 우리 모두가 데이터 앞에서 겪는 심리적 장벽입니다.

숫자는 직함을 보지 않습니다. 재현되지 않으면 재현되지 않는 것입니다.

② 단순한 숫자일수록 위험하다

"90%"라는 숫자가 가진 힘은 그 단순함에 있었습니다.
복잡한 조건부 관계는 정책 브리핑에 들어가지 않지만, 하나의 임계값은 슬라이드 한 장에 들어갑니다.

데이터를 다루는 사람은 자신의 결과가 단순화되어 유통될 때의 모습까지 상상해야 합니다.
"평균적으로 약간 낮은 경향"이 "90% 넘으면 망한다"로 번역되는 거리는 생각보다 짧습니다.

③ 투명성이 최고의 오류 방지책이다

라인하트 교수가 스프레드시트를 공개하지 않았다면, 오류는 영원히 묻혔을 것입니다.
역설적이게도 그녀의 개방적인 태도가 자신의 오류를 드러냈고, 동시에 학문의 신뢰를 지켰습니다.

이건 개인의 도덕 문제가 아니라 시스템 설계의 문제입니다.
누구나 실수합니다. 중요한 건 실수가 발견될 수 있는 구조를 만들어 두었는가입니다.

실무 데이터 분석, 엑셀 자동화, 보고서 검증 같은 역량은 결국 반복 훈련과 좋은 사례 공유에서 나옵니다.
재능넷의 '지식인의 숲'처럼 실제 사례 중심의 지식 콘텐츠를 꾸준히 접하고, 필요하다면 실무 전문가에게 직접 파일 리뷰를 받아보는 것도 매우 효과적인 방법입니다.
남의 눈이 한 번 스치는 것만으로 걸러지는 오류가 생각보다 많습니다.

📝 에필로그: 한 칸의 무게

토머스 헌든은 이후 박사학위를 받고 경제학자가 되었습니다.
라인하트와 로고프는 여전히 저명한 학자로 활동하며, 라인하트는 이후 세계은행 수석 이코노미스트를 역임했습니다.
두 사람의 광범위한 금융위기 연구 업적 자체가 부정된 것도 아닙니다.

그러나 경제학계는 이 사건 이전으로 돌아가지 않았습니다.
"데이터를 보여주세요"라는 요구가 무례한 것이 아니라 기본이 되었기 때문입니다.

내일 아침 여러분이 열 엑셀 파일이 나라 경제를 흔들 일은 아마 없을 것입니다.
하지만 그 파일은 누군가의 예산이 되고, 누군가의 평가가 되고, 어떤 결정의 근거가 됩니다.

수식을 클릭하고, 파란 테두리가 감싼 범위를 한 번만 더 확인해 보세요.
그 3초가, 데이터를 다루는 사람이 할 수 있는 가장 품위 있는 일입니다. 🧮✨