위키득계정 ↗
과학

표본 크기와 표본 편향

표본 크기와 표본 편향과학
크기의 질문
관측을 얼마나 모았는가
편향의 질문
누가 포함되거나 빠졌는가
구분 대상
표본 변동과 비표본 오류
필수 확인
대상 집단과 수집 절차
표본 크기는 관측 수를 뜻하고 표본 편향은 자료를 얻는 방식 때문에 특정 방향의 차이가 생기는 문제다. 같은 잘못된 선택을 더 많이 반복한다고 대표성이 자동으로 좋아지는 것은 아니다.

많이 모았다는 사실

자료가 많으면 여러 계산을 더 안정적으로 수행할 수 있지만 그것만으로 전체 집단을 대표한다고 말할 수는 없다. 특정 시간이나 경로에서만 응답을 받았다면 참여하지 못한 집단이 빠질 수 있다. 관측 수와 모집단의 관계를 따로 확인해야 한다. 표본 수가 큰 숫자라는 인상과 조사 설계가 적절하다는 판단은 다르다.

가상의 서비스 설문

주말에 접속한 사용자에게만 만족도를 물으면 평일에만 이용하는 사용자의 경험이 빠질 수 있다. 주말 응답을 더 많이 받아도 빠진 집단의 정보가 자동으로 생기지는 않는다. 무엇을 알고 싶은지 정한 뒤 대상 집단과 실제 응답 집단을 비교해야 한다. 편리하게 얻은 자료가 어떤 범위의 결론을 뒷받침하는지 구분하는 사례다.

변동과 다른 오류

같은 설계로 표본을 다시 뽑을 때 생기는 변동과 질문 해석, 응답 누락이나 처리 실수에서 오는 오류는 구분된다. 표본 수를 늘리면 일반적으로 표본 변동을 줄이는 데 도움이 될 수 있지만 다른 오류를 모두 해결하지는 않는다. 보고된 오차 범위가 어떤 종류의 불확실성을 반영하는지도 확인해야 한다.

누가 응답하지 않았는가

응답하지 않은 대상이 응답한 대상과 체계적으로 다르면 결과가 치우칠 수 있다. 단순히 응답률 한 숫자만 보지 말고 어떤 대상이 빠졌는지 가능한 범위에서 살핀다. 가중치나 보정이 사용되었다면 필요한 가정과 자료가 무엇인지 확인한다. 보정했다는 표현만으로 모든 차이가 사라졌다고 판단하지 않는다.

결과를 읽는 순서

모집단의 정의, 표본 선택 방식, 수집 시기와 응답 절차를 먼저 읽고 크기와 통계량을 본다. 분석에서 실제로 사용하는 유효 관측 수가 처음 접촉한 수와 다를 수도 있다. 자료의 수와 질을 함께 평가해야 근거에 맞는 결론을 낼 수 있다. 더 많은 관측이 필요한 문제인지 수집 방식을 바꿔야 하는 문제인지 나누는 것이 중요하다.

관련 문서

통계학 / 확률 / 표준편차와 표준오차 / 측정