용어 목록 > 지파워 (G*Power)

지파워 (G*Power)

측정·도구 통계
한 줄 정의: 원하는 통계적 검정력을 얻기 위해 실험이나 조사에 몇 명(또는 몇 개)의 표본이 필요한지 계산해 주는 무료 통계 소프트웨어입니다.

쉽게 풀면

연구를 시작하기 전에는 늘 "사람을 몇 명 모아야 할까?"라는 고민이 따라옵니다. 참가자가 너무 적으면 실제로 효과가 있어도 통계적으로 잡아내지 못하고, 너무 많으면 시간과 비용이 낭비됩니다. 지파워는 이 질문에 답을 주는 계산기 같은 프로그램입니다. 원하는 유의수준, 예상되는 효과크기, 원하는 검정력(보통 80%)을 입력하면 "이 조건이면 최소 몇 명이 필요하다"는 숫자를 바로 계산해 줍니다.

왜 중요한가

연구윤리위원회(IRB)나 학술지 심사에서는 표본크기를 어떤 근거로 정했는지 요구하는 경우가 많아, 사전에 통계적으로 산출한 표본크기 계산 결과를 제시하는 것이 사실상 표준 관행이 되었습니다. 표본크기가 부족하면 실제 효과가 있어도 통계적으로 유의하게 검출하지 못하는 검정력 부족 문제가 생기고, 지나치게 많으면 자원 낭비와 윤리적 문제(불필요한 실험동물 사용 등)로 이어지므로, G*Power를 이용한 사전 검정력 분석은 실험심리학·의학·교육학 등 다양한 분야의 정량 연구 설계 단계에서 필수적으로 다뤄집니다.

어떤 절차인가

언제 쓰고 무엇을 얻나

예(사전 분석): 독립표본 t검정, 양측, 유의수준 .05, 검정력 .80에서 필요한 집단당 표본 크기는 효과크기 Cohen의 d에 따라 달라집니다. 비중심 t 분포로 직접 계산해 확인한 값입니다(코드로 계산).

효과크기 d집단당 표본총 표본
0.8 (Cohen의 ‘큰’ 효과)2652
0.5 (‘중간’ 효과)64128
0.3176352

0.2, 0.5, 0.8을 ‘작은·중간·큰’ 효과로 부르는 것은 Cohen(1988)이 제안한 관례일 뿐 연구 분야의 실제 효과크기와 무관할 수 있습니다. 탈락이 예상되면 필요 인원을 탈락률로 나눕니다: 탈락률 15%이면 64 ÷ 0.85 ≈ 75.3이므로 집단당 76명을 모집합니다.

논문에는 이렇게 적는다

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"G*Power 3.1을 이용하여 유의수준 .05, 검정력 .80, 효과크기 .25를 기준으로 표본크기를 산출한 결과 총 128명이 필요한 것으로 나타났다."

이 문장은 연구자가 실험을 설계하는 단계에서 지파워를 사용해 필요한 최소 참가자 수를 미리 계산했다는 뜻으로, 연구 결과의 신뢰성을 높이기 위한 사전 준비 과정을 보여줍니다.

"반복측정 분산분석을 위한 사전 검정력 분석을 G*Power로 수행한 결과, 집단 간 상호작용 효과를 검출하기 위해 각 군당 최소 20명이 필요한 것으로 산출되었다."

여러 번 측정한 데이터를 비교하는 실험을 설계할 때, 집단 간 차이를 통계적으로 잘 잡아내려면 각 집단마다 몇 명이 필요한지를 G*Power로 미리 계산했다는 뜻이다.

"선행 메타분석에서 보고된 평균 효과크기를 근거로 G*Power를 통해 사후 검정력을 산출한 결과, 본 연구의 검정력은 .65로 다소 낮은 수준이었다."

연구가 끝난 뒤, 실제 표본 수와 효과크기를 바탕으로 이 연구가 얼마나 신뢰할 만한 검정력을 가졌는지 사후적으로 계산해봤더니 다소 부족했다는 뜻이다.

조금 더 깊게 보면

G*Power는 t검정, 분산분석, 회귀분석, 카이제곱검정 등 다양한 통계 검정 방식에 맞춰 표본크기·검정력·효과크기·유의수준 네 요소 중 하나를 나머지 세 값으로부터 계산해 주며, 이 네 요소는 서로 밀접하게 연결되어 있어 하나를 알면 나머지를 추정할 수 있습니다. 연구 설계 전에 필요한 표본크기를 구하는 사전 검정력 분석(a priori power analysis)이 가장 흔히 쓰이지만, 이미 수집된 데이터를 바탕으로 검정력을 역산하는 사후 검정력 분석(post-hoc power analysis)은 해석에 논란이 있어 신중하게 활용해야 한다는 지적도 있습니다.

주의할 점

지파워로 계산한 표본크기는 어디까지나 연구자가 미리 가정한 효과크기가 실제와 비슷할 때 의미가 있습니다. 효과크기를 근거 없이 낙관적으로 크게 잡으면 계산된 표본크기가 실제보다 훨씬 작게 나와, 정작 논문을 쓸 때는 검정력이 부족한 연구가 될 수 있습니다. 선행연구나 파일럿 연구 결과를 참고해 효과크기를 신중하게 설정해야 합니다.

헷갈리기 쉬운 용어

용어성격G*Power에서의 역할
G*Power소프트웨어(도구)아래 개념들을 입력해 표본 크기를 계산
검정력개념(1 − β)입력 또는 출력값
효과크기개념(d, f, r 등)가장 정하기 어려운 입력값
표본 크기연구 설계 값주로 사전 분석의 출력값

참고 문헌

  1. Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191.
  2. Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41(4), 1149–1160.
  3. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
  4. Hoenig, J. M., & Heisey, D. M. (2001). The abuse of power: The pervasive fallacy of power calculations for data analysis. The American Statistician, 55(1), 19–24.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어

표본크기 검정력 효과크기 유의수준 SPSS 이미지제이(ImageJ)