표본크기산출 (Sample Size Calculation)
쉽게 풀면
연구를 시작하기 전에 몇 명을 모아야 이 효과를 통계적으로 확인할 수 있을까를 미리 계산해두는 작업이에요. 참여자가 너무 적으면 실제로 효과가 있어도 우연처럼 보여 통계적으로 유의하다는 결론을 못 낼 수 있고(검정력 부족), 반대로 너무 많으면 자원 낭비와 불필요한 참여자 노출이 생깁니다. 예상되는 효과 크기, 자료의 변동성, 원하는 검정력(보통 80%), 유의수준(보통 0.05) 등을 입력해 필요한 표본 크기를 계산합니다. 이 계산 근거는 논문의 방법론 부분에 반드시 명시되어야 합니다.
왜 중요한가
표본크기산출은 연구 결과가 통계적으로 신뢰할 만한지, 그리고 참여자와 자원을 윤리적으로 적절하게 사용했는지를 판가름하는 연구 설계의 핵심 단계이기 때문에, 임상시험을 포함한 대부분의 실증 연구 논문에서 방법론 절에 반드시 포함됩니다. 특히 규제 기관의 승인이 필요한 임상시험이나 동물실험에서는 사전에 산출된 표본 크기 근거 없이는 연구계획 자체가 심사를 통과하기 어려운 경우가 많아, 연구 설계의 타당성을 뒷받침하는 필수 요소로 다뤄집니다.
논문에서는 이렇게 쓰입니다
원하는 통계적 신뢰도로 효과를 검출하는 데 필요한 최소 참여자 수를 사전에 계산했다는 뜻이다.
중도 탈락을 고려해 표본 크기를 보정하는 실제 연구 설계 관행을 보여주는 예문입니다.
개인이 아닌 집단 단위로 무작위 배정하는 연구에서는 표준적인 표본크기산출 공식에 추가 보정이 필요함을 보여주는 예문입니다.
조금 더 깊게 보면
표본크기산출에는 검출하고자 하는 효과 크기, 자료의 변동성(표준편차), 원하는 검정력, 유의수준이라는 네 가지 요소가 서로 맞물려 있으며, 이 중 하나라도 잘못 가정하면 계산된 표본 크기의 신뢰성이 떨어집니다. 실제 연구에서는 예상 탈락률을 반영해 산출된 표본 크기를 상향 조정하거나, 군집무작위시험처럼 개인이 아닌 집단 단위로 배정되는 설계에서는 급내상관계수를 반영한 설계효과(design effect)를 추가로 고려하기도 합니다.
주의할 점
표본크기산출에 사용한 가정이 실제와 다르면 연구가 검정력 부족으로 끝날 수 있어, 사전 근거의 타당성을 함께 살펴봐야 한다.