부트스트랩 신뢰구간 (Bootstrap Confidence Interval)
쉽게 풀면
주머니에서 공을 100개 꺼내 평균 무게를 쟀는데, 이 하나의 표본만으로 "진짜 모집단 평균이 어느 범위에 있을지" 알고 싶습니다. 전통적인 방법은 "데이터가 정규분포를 따른다"는 가정을 걸고 공식을 이용해 구간을 계산합니다. 그런데 만약 데이터가 한쪽으로 치우쳐 있거나 표본이 작아서 그 가정이 의심스럽다면 어떻게 할까요? 부트스트랩 신뢰구간은 이럴 때 쓰는 방법입니다. 가지고 있는 100개의 데이터를 "모집단인 것처럼" 취급하고, 여기서 100개를 중복을 허용해 다시 뽑는 것(복원추출)을 예를 들어 1만 번 반복합니다. 매번 뽑을 때마다 평균을 하나씩 계산하면, 1만 개의 "가상의 평균값" 목록이 생깁니다. 이 1만 개를 크기 순으로 줄 세운 뒤 아래쪽 2.5%와 위쪽 2.5% 지점을 잘라내면, 그 사이가 95% 신뢰구간이 됩니다. 이렇게 극단 백분위를 그대로 자르는 방식을 "백분위법(percentile method)"이라 하고, 여기에 표본 분포의 치우침과 편향을 추가로 보정한 더 정교한 방식을 "BCa법(bias-corrected and accelerated)"이라고 부릅니다.
왜 중요한가
실제 연구 데이터는 정규분포를 깔끔하게 따르지 않는 경우가 많고, 중앙값이나 비율의 비, 회귀계수처럼 이론적인 표준오차 공식이 없거나 계산이 까다로운 통계량도 흔합니다. 부트스트랩 신뢰구간은 이런 상황에서도 분포 가정 없이 신뢰구간을 구할 수 있게 해주기 때문에, 소규모 표본이나 비대칭 분포를 다루는 심리학·생물통계·경제학 논문에서 널리 채택됩니다. 또한 결과의 재현성과 강건성을 보여주는 보조 지표로도 자주 함께 보고되어, 심사자들이 통계적 추론의 신뢰성을 판단하는 근거로 삼는 경우가 많습니다.
어떤 절차인가
부트스트랩 신뢰구간은 가진 표본을 모집단 대신으로 삼아, 표본에서 같은 크기(n)만큼 복원추출을 B번 반복하고 매번 통계량을 계산해 얻은 분포로 구간을 만듭니다.
- 원표본에서 크기 n의 재표본을 복원추출한다.
- 재표본에서 관심 통계량(평균, 중앙값, 상관계수 등)을 계산한다.
- 1-2를 B번(보통 수천 번) 반복해 부트스트랩 분포를 얻는다.
- 그 분포에서 구간을 읽는다. 가장 단순한 백분위법은 95% 구간이면 2.5번째와 97.5번째 백분위수를 씁니다.
백분위법 외에 기본(basic, 역백분위) 구간, 편향과 비대칭을 보정하는 BCa 구간 등이 있습니다(Carpenter와 Bithell, 2000이 여러 방법의 강약점을 검토했습니다).
언제 쓰고 무엇을 얻나
표준오차 공식이 복잡하거나 분포를 정규로 가정하기 어려운 통계량(중앙값, 비율의 비, 상관계수 등)의 구간을 얻고 싶을 때 쓰입니다. 정규분포 가정이 필요한 t 구간과 달리 모양이 치우친 분포도 반영할 수 있습니다.
가상의 예(계산 코드로 확인): 10명의 값 12, 15, 9, 22, 14, 11, 18, 35, 13, 16의 평균은 16.5입니다. 재표본 10,000번의 백분위 95% 구간은 12.8-21.5였고, 같은 자료의 t 구간은 11.2-21.8이었습니다. 큰 값 35 때문에 분포가 오른쪽으로 치우쳐 두 구간이 다릅니다. 재표본을 1,000번만 쓰고 난수 시드를 바꾸면 구간 끝이 12.6-12.8, 21.2-22.1 사이에서 흔들렸습니다. 같은 자료라도 B와 시드에 따라 끝점이 달라집니다.
논문에는 이렇게 적는다
- 구간 방법(백분위, 기본, BCa 등)과 신뢰수준을 적습니다.
- 재표본 횟수 B, 난수 시드, 소프트웨어 이름과 버전을 밝힙니다.
- 원표본의 크기와 추출 방식을 적습니다. 원표본이 모집단을 잘 대표하지 못하거나 매우 작으면 부트스트랩도 그 한계를 벗어나지 못합니다.
- 군집 자료·시계열처럼 관측값이 독립이 아니면 단순 복원추출을 쓸 수 없으므로 어떤 재표본 방식을 썼는지 적습니다.
논문에서는 이렇게 쓰입니다
실제 논문에서
이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 데이터의 분포 가정에 의존하지 않고, 실제 표본을 반복 재표본하여 얻은 분포로부터 신뢰구간을 계산했다는 뜻입니다. 표본 분포가 비대칭적이거나 이론적 공식이 없는 복잡한 통계량(중앙값 차이, 상관계수 등)에 특히 유용합니다.
매개분석(mediation analysis)에서는 간접효과의 표집분포가 정규분포를 따르지 않는 경우가 많아, 신뢰구간이 0을 포함하는지 여부로 유의성을 판단하는 부트스트랩 방식이 전통적인 검정보다 널리 권장됩니다.
생태학이나 환경과학 논문에서는 현장 조사 표본 수가 제한적인 경우가 많아, 지수형 통계량의 불확실성을 시각적으로 나타낼 때 부트스트랩 신뢰구간이 오차막대의 형태로 자주 활용됩니다.
조금 더 깊게 보면
부트스트랩 신뢰구간을 구하는 방식에는 몇 가지 변형이 있습니다. 가장 단순한 백분위법 외에, 추정값의 두 배에서 부트스트랩 분포의 위쪽·아래쪽 백분위수를 각각 빼 구간의 양 끝을 뒤집어 잡는 기본법(basic method, 역백분위법), 그리고 편향과 비대칭성(가속도)을 함께 보정하는 BCa법이 대표적입니다. 일반적으로 BCa법이 편향된 표본 분포에서 더 정확한 구간을 제공한다고 알려져 있어 통계 소프트웨어에서도 기본 옵션으로 채택되는 경우가 많습니다. 실제 논문을 읽을 때는 어떤 방식을 썼는지, 재표본 횟수가 몇 회였는지를 함께 확인하면 결과의 안정성을 가늠하는 데 도움이 됩니다.
주의할 점
부트스트랩은 "원본 표본이 모집단을 잘 대표한다"는 전제 위에서 작동하므로, 원본 표본 자체가 편향되어 있거나 극히 작으면(예: n=5) 신뢰구간도 함께 왜곡됩니다. 또한 재표본 횟수가 너무 적으면(수백 회 미만) 신뢰구간이 불안정해질 수 있어 보통 1,000회 이상을 권장합니다. 백분위법은 계산이 단순하지만 표본 분포가 치우쳐 있을 때 편향될 수 있어, 이런 경우 BCa법이 더 정확하다고 알려져 있습니다. 재표본 자체의 원리는 부트스트랩 항목을, 정규분포 가정에 기반한 전통적 방식은 유의확률 계산과 비교해 보면 이해에 도움이 됩니다.
헷갈리기 쉬운 용어
재표본 방법들은 목적과 추출 방식이 다릅니다.
| 용어 | 추출 방식 | 주된 목적 |
|---|---|---|
| 부트스트랩 신뢰구간 | 복원추출 B회 | 통계량의 구간 추정 |
| 부트스트랩 | 복원추출 B회 | 표준오차·편향·구간 등 분포 추정 전반 |
| 잭나이프 재표본법 | 관측값을 하나씩 빼고 반복 | 편향·분산 추정 |
| 순열검정 | 집단 표지를 섞음(비복원) | 가설검정의 p값 |
| 신뢰구간 | (해석적 또는 재표본) | 모수를 포함한다고 기대하는 구간 |
참고 문헌
- Efron, B., & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman & Hall.
- DiCiccio, T. J., & Efron, B. (1996). Bootstrap confidence intervals. Statistical Science, 11(3), 189-228.
- Carpenter, J., & Bithell, J. (2000). Bootstrap confidence intervals: when, which, what? A practical guide for medical statisticians. Statistics in Medicine, 19(9), 1141-1164.
- Efron, B. (1979). Bootstrap methods: another look at the jackknife. The Annals of Statistics, 7(1), 1-26.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.