
통계나 조사방법론 수업에서 오류 사례를 설명해야 하는 분께 도움이 될 자료예요. 숫자가 착시를 만드는 두 현상, 윌 로저스 현상과 심슨의역설을 쉬운 예로 풀어낸 5쪽 리포트입니다.
자동차 영업소 두 곳과 영업사원 여섯 명을 가정한 예시로, 한 사람이 자리를 옮기기만 해도 두 지점의 평균이 모두 오르는 신기한 상황을 차근차근 보여 줘요.
집단을 나눠 볼 때와 합쳐 볼 때 결론이 뒤집히는 역설도 표와 함께 설명되어, 통계를 읽을 때 왜 조심해야 하는지 실감하게 됩니다.
이어서 확률에 기대지 않는 표본추출 방법을 종류별로 정리하며 결과를 넓게 일반화하기 어렵고 편견이 끼어들기 쉽다는 한계를 짚어요.
아는 사람을 통해 대상을 넓혀 가는 눈덩이표집처럼 쉽게 찾기 어려운 집단을 조사할 때 쓰는 방법의 특징도 담겨 있습니다. 할당 표집과 편의 표집, 판단 표집도 함께 비교해 볼 수 있어요.
과제 답안 작성이나 수업 발표 자료를 준비할 때 예시를 그대로 응용해 보세요.
평균이 거짓말을 할 때, 통계의 함정을 예시로 똑똑하게 짚어 보세요.
반면 단점은 대표성을 확신할 수가 없으며, 그렇기에 결과의 일반화가 어렵다는 것이다. 또한 편견이 개입될 소지가 많다는 것도 단점이다.
눈덩이 표본 추출의 경우, 연구자가 관심을 보이는 모집단은 상대적으로 일률적일 것이라고 여길 수 있으며 대표적인 표본을 마련하는 것에 대해 그리 우려하지 않아도 된다는 특징이 있다.
단순 무작위 표본추출이란 표본을 추출히는 여러 방법 가운서 가장 단순하면서도 기본적인 방법이라고 볼 수 있다. 특별히 단순 무작위 표본추출 방법에서는 모집단이 한정적일 때 결정되는 표본 추출의 확률이 전부 동일하다는 것을 가정한다. 이때 말하는 한정적인 모집단이란 관심 있는 특성을 갖춘 모집단을 구성하는 단위가 유한하다는 것을 뜻한다.
단순 무작위 표본 추출을 할때는 연구자의 어떠한 의도적 행위가 포함되어서는 안 되기 때문에 난수표를 활용하거나 제비뽑기 혹은 로또 복권 추첨에 사용되는 추첨 방법을 도입할 수 있다. 따라서 이 표본 추출 방법은 적은 규모의 집단을 연구할 때 적합하다고 볼 수 있겠다.
체계적 무작위 표본 추출 방법이란 다른 말로 계통 추출법이라고도 부르는데, 표본 추출 틀에서 무작위로 몇 개의 표본을 추출하고자 할 때 가장 첫 번째 표본 n₁을 임의로 뽑은 다음에 추출 간격을 K로 설정하고 이를 이용해 두 번째로 추출된 표본 n₂에서 일정한 간격을 두고 표본을 고르는 방법을 말한다. 이것은 단순 무작위 표본 추출이 규모가 큰 집단에 적용하기 어렵다는 한계를 다소 보완한 방법이다.
층화 무작위 표본추출이란 추출 단위, 다시 말해 모집단의 층을 상호 겹쳐지지 않는 몇 개의 집단으로 구분한 뒤 각 층에서 분류된 비율에 맞추어 표본을 추출하는 방법을 말한다. 해당 표본 추출 방법은 상기에 설명한 단순 무작위 표본 추출이나 체계적 무작위 표본 추출 방법을 적용했을 때 표본이 모집단의 특성을 설명할 수 있어야 한다는 이론적 가설을 충족함에도 불구하고 실제로는 그렇지 못한 경우가 종종 발생한다는 한계를 보완하고자 사용하는 것이다.…
이 리포트는 윌 로저스 현상과 심슨의 역설을 숫자 예시로 풀고, 비확률적 표본추출방법 네 가지의 특징과 추출 절차를 정리했습니다.
| 현상 | 일어나는 상황 | 핵심 원인 |
|---|---|---|
| 윌 로저스 현상 | 구성원이 한 집단에서 다른 집단으로 이동 | 두 집단 평균이 동시에 상승 |
| 심슨의 역설 | 부분 집단 자료를 합산 | 집단 크기에 따른 가중치 |
| 비확률 표본 | 접근 쉬운 대상 위주 선정 | 대표성 부족과 선택 편향 |
윌 로저스 현상은 평균이 낮은 집단의 상위 구성원이 평균이 더 낮은 집단으로 옮겨 갈 때 생깁니다. 떠난 집단은 하위 값이 빠져 평균이 오르고, 받은 집단은 자기 평균보다 높은 값이 들어와 평균이 오릅니다. 개인은 그대로인데 집단 통계만 좋아지는 것입니다.
의학에서는 이를 병기 이동이라고 부릅니다. 검사 기술이 정밀해져 이전에는 초기로 분류되던 환자가 진행 단계로 옮겨 가면, 두 병기 모두 생존율이 높아진 것처럼 보이지만 실제 치료 성과가 나아진 것은 아닐 수 있습니다.
심슨의 역설은 부분 집단의 크기가 서로 크게 다를 때 나타납니다. 합산 비율은 각 부분 비율을 표본 수로 가중 평균한 값이기 때문에, 한쪽 선수가 성적이 좋은 구간에서 타수를 많이 쌓으면 부분에서는 지고도 전체에서 이길 수 있습니다.
두 현상은 모두 자료를 나누는 기준이 결과를 좌우한다는 공통점이 있습니다. 그래서 통계 수치를 볼 때는 전체 값만이 아니라 하위 집단별 값과 표본 수를 함께 확인해야 하며, 연구 보고서에서도 이를 표로 제시하는 것이 바람직합니다.
이런 오류를 피하려면 집단을 나눈 기준과 각 집단의 크기를 함께 확인하고, 필요하면 층별로 결과를 따로 보거나 가중치를 조정해야 합니다. 비확률 표본에서도 응답자 구성이 모집단과 어떻게 다른지 먼저 점검하는 습관이 중요합니다.
환불규정