표본크기 근거 (Sample Size Justification)
쉽게 풀면
표본이 너무 적으면 진짜 효과가 있어도 통계적으로 찾아내지 못할 수 있고, 너무 많으면 시간과 자원을 낭비하거나 불필요하게 많은 사람을 연구에 참여시키는 윤리적 문제가 생길 수 있습니다. 표본크기 근거는 원하는 효과크기, 유의수준, 검정력 등을 바탕으로 필요한 표본 수를 미리 계산해서 논문에 명시하는 것입니다. 이 계산에는 검정력 분석 소프트웨어가 흔히 쓰입니다. 근거 없이 가능한 만큼 모았다는 식의 표본크기는 연구의 엄격성을 의심받을 수 있습니다.
왜 중요한가
표본크기 근거는 연구 결과의 신뢰성을 판단하는 첫 관문 중 하나입니다. 표본이 부족하면 실제 효과를 놓치는 위양성/위음성 문제가 커지고, 심사자와 독자는 결과의 재현 가능성을 의심하게 됩니다. 최근에는 많은 학술지와 연구윤리위원회가 통계적 근거 없는 표본 수를 승인하지 않기 때문에, 표본크기 근거를 명시하는 것이 임상시험이나 심리학 실험 논문에서 사실상 필수 요건이 되었습니다.
논문에서는 이렇게 쓰입니다
통계적으로 유의한 결과를 찾아낼 수 있는 최소한의 참가자 수를 미리 계산하여 128명이라는 목표치를 정했다는 뜻입니다.
임상시험에서는 중도 탈락자를 감안한 여유분까지 포함해 표본크기를 산정한다는 것을 보여주는 예문입니다.
고전적 검정력 계산 대신 베이지안 방법이나 시뮬레이션 기반 접근으로 표본크기를 정당화하는 최근 경향을 보여줍니다.
조금 더 깊게 보면
표본크기 계산은 검정력 분석(power analysis) 외에도 신뢰구간의 폭을 원하는 정밀도 안에 두는 방식(precision-based approach)으로도 이루어질 수 있습니다. 또한 다중비교나 반복측정 설계처럼 통계모형이 복잡해질수록 필요한 표본 수도 함께 변하므로, 논문에서는 어떤 검정 방법과 모형을 가정하고 계산했는지도 함께 밝히는 것이 일반적입니다. 최근에는 고정된 표본크기 대신 데이터를 보며 중간에 표본 수를 조정하는 순차적 설계나 적응적 설계도 점차 활용되고 있습니다.
주의할 점
표본크기 계산에 쓰인 효과크기 추정값의 근거(선행연구, 예비연구 등)도 함께 밝혀야 계산의 타당성을 판단할 수 있습니다.