1. confounder를 노이즈라는 개념으로 보시는건 약간의 무리가 있습니다. (물론 완전히 틀린건 아닙니다만… 정확한 용어는 error 입니다) 암튼, 이 confounder라는건 님이 만드신 hypothesis, study design이나 variable measurement으로써는 잡아내지 못한, unexplained (혹은 hidden) variability of the dependent variable 입니다. confounder의 존재는 결과해석을 방해한다기 보다는 님의 실험설계의 한계점을 보여주는겁니다. 이에 대처하기 위한 방편으로는 randomization이외에 stratification이나, post-hoc analysis 라는 무지 까탈스러운 방법을 쓰기도 합니다.
아 그리고 여기서 confounds는 명사입니다.
2. null hypothesis concept을 제대로 이해하시려면, statistical inference란 과목을 들으셔야합니다. 다만 간단하게 설명하자면, 어떤 이론이나 가정을 맞다고 증명하는건 무지 힘듭니다만, 어떤 이론이나 가정이 틀렸다는걸 입증하는건 상대적으로 쉽지요. 그 이론이나 가정이 적용않되는 몇가지 (뭐 자연과학쪽에서는 한가지 경우만 있으면 되지만, 질문하신 분 글을 보면 사회과학이나 인문과학쪽이신것 같아서)의 예만 보여주면 되니까요. 반대로 맞다고 주장하려면 모든 경우의 수를 전부 다 생각해서 증명해야 하겠죠? 그러니까, 일반화된, 어떤 상황에서도 주장하고 싶은 이론이나 가정의 반대가 되는 null hypothesis (variable들은 아무런 관계나 연관성이 없다) 라는 걸 앞에 세워놓고, 내 연구결과에 의하면 (좀더 정확히는 statistical analysis) 이 null hypothesis가 틀렸다, 그러니 내가 주장하고 싶은 이론이나 가정이 맞다라고 슬쩍 증명하는겁니다. (여기서 “슬쩍”이라고 쓴건, 간단하게는 type I, II error 때문입니다. 복잡하게는 distribution, applicability of central limit theorem등등 꽤 복잡해집니다.)
3. falsifiability 가 중요한 이유는, 이게 모든 과학 (자연, 인문, 사회등등을 망라해서)의 가장 근본적인 개념중에 하나이기 때문입니다. 즉 hypothesis (가정)을 세우고, empirical research (이 가정을 테스트하고)를 통해, accrue evidence (analysis를 통해 시작한 가정이 맞는지 틀리는지를 통해 confidence를 쌓는일)이 과학의 기본 절차이고, 이 절차를 가능하게 하는게 every theory is falsifiable 하다는, 즉 모든 가정은 틀릴수도 있다라는 전제입니다. (약간 extreme한 관점에서는 아직까지 어떠한 이론이나 가정도 prove된것은 없읍니다. 즉 이 falisifiability의 개념을 깬 어떠한 예도 없다는게 되겠죠?)
