무작위응답기법

한 줄 정의: 동전 던지기 같은 무작위 장치를 응답 과정에 섞어 넣어, 연구자조차 개별 응답자의 실제 답을 알 수 없게 만듦으로써 민감한 질문에도 솔직한 답을 이끌어내는 조사 기법입니다.

쉽게 풀면

"작년에 세금을 탈루한 적이 있습니까?" 같은 질문은 사실대로 답하면 불이익을 받을까 봐 거짓으로 답하기 쉽습니다. 무작위응답기법은 이런 문제를 교묘하게 피해 갑니다.

예를 들어 응답자에게 동전을 던지게 한 뒤, "앞면이 나오면 실제 질문(세금을 탈루한 적이 있다)에 솔직히 답하고, 뒷면이 나오면 무조건 '그렇다'라고 답하라"고 지시합니다. 연구자는 그 사람이 어떤 동전이 나왔는지, 그래서 진짜 답을 한 것인지 지시대로 '그렇다'라고 답한 것인지 전혀 알 수 없습니다.

그런데도 동전이 앞뒤 각각 50% 확률로 나온다는 사실을 알고 있으므로, 전체 응답자 중 '그렇다'라고 답한 비율을 수학적으로 역산하면 실제 탈루 비율을 추정할 수 있습니다. 개인의 답은 철저히 보호되면서도 집단 전체의 경향은 파악할 수 있는 셈입니다.

왜 중요한가

탈세, 마약 사용, 불법 행위, 편견 등 사회적으로 바람직하지 않다고 여겨지는 주제는 직접 질문할 경우 응답자가 사실을 숨기거나 거짓으로 답하는 경향이 강해 조사 자체의 타당성이 떨어집니다.

무작위응답기법은 개인의 답을 원천적으로 익명화함으로써 이런 편향을 줄이는 방법으로, 범죄학·보건학·설문조사 방법론 연구에서 민감한 변수의 유병률이나 비율을 추정할 때 자주 활용됩니다. 이 기법에서 파생된 여러 변형 기법은 조사방법론 연구 자체의 주제이기도 합니다.

어떤 절차인가

Warner(1965)의 기본 모형입니다.

응답자가 확률 장치(동전, 주사위, 카드)를 비공개로 돌려 두 문장 중 하나를 고릅니다: “나는 A 집단에 속한다”(확률 p), “나는 A 집단에 속하지 않는다”(확률 1 − p).
어느 문장이 나왔는지는 응답자만 알고, 조사자에게는 ‘예/아니오’만 말합니다.
‘예’ 비율 λ는 λ = pπ + (1 − p)(1 − π)이므로, 민감 특성의 모비율 π는 π̂ = (λ̂ − (1 − p)) ÷ (2p − 1)로 추정합니다(p ≠ 0.5).
분산은 Var(π̂) = π̂(1 − π̂)/n + p(1 − p)/[n(2p − 1)²]입니다.

가상의 계산: p = 0.7, n = 1,000명 중 380명이 ‘예’. λ̂ = 0.38이므로 π̂ = (0.38 − 0.30) ÷ 0.40 = 0.20입니다. 분산은 0.2 × 0.8/1,000 + 0.7 × 0.3/(1,000 × 0.4²) = 0.00016 + 0.00131 = 0.00147, 표준오차는 약 0.038입니다. 정직한 직접질문의 표준오차(0.013)보다 약 3배 큽니다(코드로 계산). 개인정보 보호를 얻는 대신 정밀도를 치르는 셈입니다.

언제 쓰고 무엇을 얻나

얻는 것: 탈세, 약물, 부정행위처럼 직접 물으면 솔직한 응답이 줄어드는 질문에서 집단 수준의 비율. 응답자가 불이익을 받지 않으니 사회적 바람직성 편향이 줄어듭니다.
변형으로 민감한 질문과 무관한 질문 중 하나에 답하게 하는 무관질문 모형(Greenberg 등, 1969), 확률 장치가 일부 응답을 강제하는 강제응답 방식이 있습니다.
35년간의 검증 연구를 모은 메타분석에서 이 기법은 직접질문 방식보다 실제값에 가까운 추정을 주는 경향이 보고되었습니다(Lensvelt-Mulders 등, 2005). 그러나 일부 응답자는 지시를 따르지 않아 여전히 과소추정이 남을 수 있습니다.
한계: 같은 정밀도를 얻으려면 더 큰 표본이 필요하고, 개인 단위 분석(회귀 등)은 특별한 방법이 필요합니다(Fox & Tracy, 1986). 절차가 복잡하면 응답 오류가 늘어납니다.

논문에는 이렇게 적는다

사용한 모형(Warner, 무관질문, 강제응답)과 확률 장치의 종류, 확률 값 p, 장치 결과를 조사자가 모르게 한 방법을 적습니다.
표본 크기, 추정식, 신뢰구간(표준오차 포함)을 적습니다.
응답자가 지시를 이해했는지 점검한 방법(예비조사, 설명 단계)과 신뢰 문제를 논의합니다.
가능하면 직접질문 결과와 비교해 제시합니다.

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.

"부정행위 경험률을 직접 질문 대신 무작위응답기법으로 측정한 결과, 자기보고식 설문보다 유의하게 높은 비율이 추정되었다."

이 문장은 "부정행위를 한 적 있습니까?"라고 직접 물었을 때보다, 응답이 보호된다고 느낄 때 사람들이 더 솔직하게 답한다는 것을 보여줍니다.

"약물 사용 경험을 조사하기 위해 무작위응답기법을 적용하여 직접 질문 방식과의 추정치 차이를 비교하였다."

보건학 연구에서 민감한 행동의 실제 유병률을 더 정확히 추정하기 위해 이 기법을 적용한 사례를 설명할 때 쓰입니다.

"온라인 설문에 무작위응답기법을 구현하여 응답자가 특정 정치적 편견을 얼마나 갖고 있는지를 간접적으로 추정하였다."

사회조사에서 응답자의 태도나 편견처럼 직접 묻기 어려운 문항을 다룰 때의 적용 사례를 나타냅니다.

조금 더 깊게 보면

원래의 워너(Warner) 모형이나 앞서 본 강제응답 방식 외에도, 무관한 질문과 짝지어 답하게 하는 관련없는질문모형(unrelated question model)이나 카드를 이용해 확률 장치를 시각적으로 제공하는 방식 등 다양한 변형이 개발되어 있습니다. 실제 비율을 추정할 때는 무작위 장치의 확률(예: 동전 앞면이 나올 확률)을 알고 있다는 전제 하에 최대우도추정 등을 이용해 민감 특성의 모비율을 역산하며, 이 추정치의 분산은 직접질문 방식보다 커지는 경향이 있어 표본크기를 충분히 확보하는 것이 중요합니다.

주의할 점

무작위응답기법은 개인정보를 보호해 사회적바람직성편향을 줄이는 데는 효과적이지만, 응답자가 무작위 장치의 지시를 정확히 이해하고 따라야 하므로 절차가 복잡해질수록 오히려 응답 오류가 늘어날 수 있습니다. 또한 개인별 응답을 알 수 없는 구조이기 때문에 집단 전체의 비율만 추정할 수 있을 뿐, 개인 수준의 분석에는 쓸 수 없습니다.

헷갈리기 쉬운 용어

민감한 질문의 편향을 줄이는 접근들은 서로 다릅니다.

접근	원리	얻는 것
무작위응답기법	확률 장치로 개별 응답을 가림	집단 수준의 비율
사회적 바람직성 편향 척도	편향 성향을 측정해 통제	개인별 편향 점수
익명 설문	신원을 숨김	개인 수준 자료 (편향은 남을 수 있음)

참고 문헌

Warner, S. L. (1965). Randomized response: a survey technique for eliminating evasive answer bias. Journal of the American Statistical Association, 60, 63–69.
Greenberg, B. G., Abul-Ela, A.-L. A., Simmons, W. R., & Horvitz, D. G. (1969). The unrelated question randomized response model: theoretical framework. Journal of the American Statistical Association, 64, 520–539.
Lensvelt-Mulders, G. J. L. M., Hox, J. J., van der Heijden, P. G. M., & Maas, C. J. M. (2005). Meta-analysis of randomized response research: thirty-five years of validation. Sociological Methods & Research, 33, 319–348.
Fox, J. A., & Tracy, P. E. (1986). Randomized Response: A Method for Sensitive Surveys. SAGE.

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