검정력 분석 기반 표본크기 산정 (Power Analysis for Sample Size)
쉽게 풀면
실험에 동물을 몇 마리 써야 할지는 그냥 감으로 정하는 게 아니라 통계 계산으로 정해요. 예상되는 효과 크기, 데이터의 변동성, 원하는 신뢰 수준을 입력하면 결과를 신뢰할 수 있는 최소한의 동물 수가 계산됩니다. 이 계산 없이 동물 수를 정하면 너무 적게 써서 결론을 내릴 수 없거나, 너무 많이 써서 불필요한 희생을 초래할 수 있습니다. 요즘은 대부분의 동물실험윤리위원회가 계획서 제출 시 이 계산 근거를 요구합니다.
왜 중요한가
동물실험뿐 아니라 임상시험, 심리학·사회과학 실험 전반에서 표본크기 산정은 연구윤리와 통계적 타당성을 동시에 충족시키는 필수 절차입니다. 표본이 부족하면 실제로 존재하는 효과를 통계적으로 검출하지 못해 연구 자체가 무의미해질 위험이 있고, 반대로 지나치게 많으면 불필요한 자원 소모와 동물 희생, 임상시험 참여자의 부담으로 이어지기 때문에 많은 학술지와 윤리위원회가 이 산정 근거의 명시를 요구합니다.
논문에서는 이렇게 쓰입니다
통계 프로그램으로 계산한 표본크기 산정 과정을 상세히 밝히는 문장이다.
임상시험 설계에서 선행 연구 데이터를 근거로 필요한 피험자 수를 산정하는 사례다.
실제 연구에서는 중도 탈락을 감안해 산정된 표본크기보다 더 많은 인원을 모집하는 경우가 흔하다는 점을 보여준다.
조금 더 깊게 보면
표본크기 산정은 효과크기, 유의수준(주로 0.05), 검정력(주로 0.8 또는 0.9), 그리고 데이터의 변동성(표준편차)이라는 네 요소의 관계로 결정되며, 이 중 하나만 바뀌어도 필요한 표본크기가 크게 달라질 수 있습니다. 특히 효과크기를 사전에 정확히 알 수 없다는 점이 실무적으로 가장 큰 어려움인데, 이 때문에 선행연구나 예비실험(pilot study)에서 관찰된 값을 참고하거나, 임상적으로 의미 있다고 판단되는 최소한의 차이를 기준으로 삼는 방식이 흔히 사용됩니다. 논문을 읽을 때는 어떤 근거로 효과크기를 설정했는지 확인하는 것이 산정 결과의 신뢰성을 판단하는 데 중요합니다.
주의할 점
효과 크기를 지나치게 낙관적으로 가정하면 실제 실험에서는 표본이 부족해질 수 있으므로 선행 연구나 예비실험 데이터를 근거로 삼아야 한다.