표본조사론의 이해

표본조사론(Survey Sampling)은 모집단 전체를 조사하지 않고 일부를 선정해 조사한 뒤, 그 결과를 이용해 모집단의 특성을 추정하는 방법을 다루는 분야입니다. 예를 들어 전국 성인의 제품 선호도를 알고 싶다고 가정해 보겠습니다. 모든 성인에게 직접 물어보는 대신 일부를 선정해 조사하고, 그 결과를 바탕으로 전국 성인의 선호도를 추정할 수 있습니다. 이때 중요한 것은 단순히 몇 명을 조사했느냐가 아닙니다. 누구를 조사 대상으로 선정했는지, 어떤 방식으로 표본을 뽑았는지, 조사 결과를 전체에 적용할 수 있는지가 핵심입니다. 표본조사론은 이러한 질문에 답하기 위한 원리와 방법을 제공합니다. 이 장에서는 표본조사의 기본 개념과 좋은 표본의 조건, 표본조사에서 생기는 오차를 알아봅니다.

조사 대상이 많을수록 모든 사람에게 직접 자료를 수집하는 데 상당한 시간과 비용이 필요합니다. 표본조사는 이러한 부담을 줄이면서도 필요한 정보를 얻기 위해 활용됩니다.

그림 1처럼 전국 성인 4,000만 명 가운데 1,000명, 즉 0.0025%만 조사하고 그 응답으로 전체의 특성을 추정합니다. 전수조사는 모집단 전체를 조사하는 방법이고, 표본조사는 모집단의 일부를 조사하는 방법입니다.

전수조사라고 해서 반드시 더 정확한 것은 아닙니다. 조사 대상이 너무 많으면 응답 누락이나 자료 처리 오류가 커질 수 있습니다. 반대로 표본을 적절하게 선정하고 조사 과정을 잘 관리하면 표본조사로도 유용한 추정 결과를 얻을 수 있습니다.

표본조사를 이해하려면 모집단, 표본, 모수, 통계량이라는 네 가지 개념을 구분해야 합니다. 각 개념의 자세한 설명은 통계 기초의 「모집단과 표본」에서 다뤘습니다.

예를 들어 전국 성인의 실제 제품 선호 비율이 40%라고 가정하겠습니다. 하지만 실제 비율은 전국 성인을 모두 조사하지 않는 이상 직접 알기 어렵습니다. 대신 표본 1,000명을 조사한 결과, 그중 420명이 해당 제품을 선호했다고 합시다.

표본에서 계산한 선호 비율은 42%입니다. 전국 성인의 실제 선호 비율이 모수, 표본에서 관찰한 42%가 통계량이며, 42%를 이용해 모집단의 실제 비율을 추론하는 과정이 추정입니다.

표본에서 계산한 비율이 42%라고 해서 모집단의 실제 비율도 반드시 42%인 것은 아닙니다. 그림 2는 실제 비율이 40%인 모집단에서 같은 방식으로 1,000명을 2,000번 뽑았을 때 나오는 표본 비율입니다. 95%가 37% ~ 43% 사이에 나오므로, 우리 표본의 42%는 실제 비율이 40%여도 충분히 나올 수 있는 값입니다. 이 범위를 어떻게 계산하는지는 08장 「표본크기와 표본배분」에서 다룹니다. 다만 이것은 표본을 제대로 뽑았을 때의 이야기이고, 표본을 어떻게 선정했는지에 따라 결과의 신뢰성은 크게 달라질 수 있습니다.

좋은 표본은 단순히 크기가 큰 표본이 아니라, 조사 목적에 맞는 대상을 적절한 방법으로 선정한 표본입니다. 예를 들어 전국 대학생의 온라인 강의 만족도를 조사한다고 가정해 보겠습니다.

• 조사 A: 연구자가 접근하기 쉬운 한 대학의 학생 1,000명에게 조사
• 조사 B: 여러 대학의 학생을 대상으로 적절한 표본추출 절차를 적용해 500명에게 조사

그림 3은 같은 방식으로 조사를 여러 번 반복했을 때 나오는 평균 만족도입니다. 한 대학의 만족도가 전국보다 0.5점 높다고 가정하면, 조사 A는 표본이 커서 결과가 좁게 모이지만 실제 전국 평균(3.4)이 아닌 3.9 근처에 모입니다. 조사 B는 표본이 더 작아 조금 더 퍼지지만 실제 평균 주변에 놓입니다. 표본이 크다고 치우침이 사라지지는 않는다는 뜻입니다. 다만 여러 대학을 포함했다는 사실만으로 대표성이 보장되는 것은 아닙니다. 대학과 학생을 어떤 방식으로 선정했는지도 중요합니다. 좋은 표본을 설계할 때는 다음을 고려해야 합니다.

표본조사에서는 조사 결과와 모집단의 실제 특성 사이에 차이가 발생할 수 있습니다. 이 차이를 이해하려면 표본오차와 비표본오차를 구분해야 합니다.

표본오차(Sampling Error)

모집단 전체가 아니라 일부 표본을 조사하기 때문에 발생하는 차이입니다. 같은 모집단에서 같은 방식으로 표본을 여러 번 추출하더라도, 매번 선정되는 사람이 다르므로 결과가 달라질 수 있습니다.

그림 4처럼 한 표본에서는 제품 선호 비율이 42%, 다른 표본에서는 39%로 나타날 수 있습니다. 이러한 표본 간 변동은 표본조사의 자연스러운 특성입니다.

비표본오차(Non-sampling Error)

표본추출 외의 조사 과정에서 발생하는 오류입니다.

표본 크기를 늘리면 일반적으로 표본오차를 줄이는 데 도움이 되지만, 비표본오차까지 자동으로 줄어드는 것은 아닙니다. 그림 5에서 파란 선(표본오차)은 표본이 100명에서 10,000명으로 늘수록 약 10%p에서 1%p로 줄어듭니다. 하지만 비응답자가 응답자와 달라 생긴 편향 4%p는 표본을 아무리 늘려도 그대로 남고, 전체 오차(빨간 선)는 그 아래로 내려가지 않습니다. 따라서 표본조사의 품질을 평가할 때는 표본 크기뿐 아니라 표본 선정 방식, 응답률, 질문 설계와 자료 처리 과정도 함께 살펴봐야 합니다.

표본조사는 사회과학 연구부터 기업의 의사결정까지 다양한 분야에서 활용됩니다.

세 분야 모두 표본조사를 활용하지만, 조사 목적과 모집단의 특성에 따라 적합한 표본추출 방법은 달라질 수 있습니다.

표본조사와 통계분석은 연결되어 있지만 같은 개념은 아닙니다. 표본조사는 누구를 어떻게 조사할 것인지에 관한 설계이고, 통계분석은 수집한 자료에서 어떤 관계와 차이를 확인할 것인지에 관한 분석입니다.

고객 만족도 조사라면 그림 6처럼 진행됩니다. 표본조사 단계에서 어떤 고객을 몇 명, 어떤 방식으로 조사할지 정하고, 자료 수집 단계에서 응답을 확보합니다. 통계분석 단계에서 만족도 평균, 고객 집단별 차이, 만족도와 재구매 의향의 관계 등을 분석하고, 추론 단계에서 조사 설계와 자료의 특성을 고려해 결과를 모집단에 적용할 수 있는 범위를 판단합니다.

• 표본조사론은 모집단의 일부를 조사해 모집단의 특성을 추정하는 방법을 다룹니다.
• 전수조사와 표본조사는 조사 대상의 범위가 다르며, 전수조사에서도 여러 종류의 오류가 발생할 수 있습니다.
• 모집단은 조사 대상 전체이고, 표본은 실제로 조사하는 일부 대상입니다.
• 모수는 모집단의 특성을 나타내며, 통계량은 표본 자료로 계산한 값입니다.
• 표본의 크기뿐 아니라 선정 방식과 응답 과정이 결과의 신뢰성에 영향을 줍니다.
• 표본조사 설계와 통계분석은 서로 연결되어 있으며, 조사 설계는 결과를 해석하고 일반화할 수 있는 범위에 영향을 미칩니다.

다음은 02 표본추출틀과 조사설계입니다. 조사하고 싶은 모집단과 실제 표본을 선정할 때 사용하는 표본추출틀이 어떻게 다른지 살펴보고, 표본추출틀에서 일부 대상이 누락되거나 중복되는 문제가 조사 결과에 어떤 영향을 주는지 알아봅니다.