표본추출오차 (Sampling Error)
쉽게 풀면
전국 유권자의 지지율을 알고 싶은데 5천만 명 전부에게 물어볼 수는 없으니 1,000명만 뽑아 설문한다고 해봅시다. 이 1,000명을 아무리 잘 뽑아도, 하필 이번에 뽑힌 사람들이 전체 평균과 조금 다를 가능성은 항상 있습니다. 예를 들어 실제 지지율이 45%인데 이번 표본에서는 우연히 43%가 나올 수 있는 것이죠. 이렇게 "일부만 뽑아서 생기는, 누구의 잘못도 아닌 자연스러운 차이"가 표본추출오차입니다. 표본을 아무리 신중하게 뽑아도 완전히 없앨 수는 없고, 다만 표본 크기를 늘리면 그 차이의 폭을 줄일 수 있습니다.
왜 중요한가
표본추출오차는 표본조사 결과가 모집단을 얼마나 정확히 대표하는지를 정량적으로 보여주는 지표이기 때문에, 여론조사·시장조사·설문 기반 연구에서 결과의 신뢰도를 판단하는 핵심 근거로 쓰입니다. 표본추출오차를 함께 보고하지 않으면 독자가 조사 결과의 정밀도를 가늠할 수 없어, 학술지와 언론 보도 모두에서 표본추출오차 명시를 사실상 관행처럼 요구합니다.
논문에서는 이렇게 쓰입니다
이 문장은 "설문에서 나온 응답 비율은 표본만 조사한 값이므로, 실제 모집단의 값은 이 수치에서 최대 3.1%포인트까지 위아래로 다를 수 있다"는 뜻입니다.
표집 방법을 달리하면 같은 표본크기라도 표본추출오차의 크기가 달라질 수 있음을 보여주는 예문입니다.
조금 더 깊게 보면
표본추출오차의 크기는 표본크기뿐 아니라 모집단 내 변이(분산)의 크기와 표집 설계 방식에도 영향을 받습니다. 같은 표본크기라도 단순무작위추출보다 층화표집이나 집락표집을 쓰면 오차가 줄거나 늘 수 있어, 정밀한 조사에서는 표본추출오차를 계산할 때 표집설계효과(design effect)를 함께 고려하는 경우가 많습니다. 또한 표본추출오차는 무응답이나 응답 왜곡 같은 비표본오차와는 별개의 개념이므로, 둘을 합쳐 전체 오차로 오해하지 않도록 구분해서 이해하는 것이 중요합니다.
주의할 점
표본추출오차는 표본을 무작위로 뽑았을 때 통계적으로 계산 가능한 오차이며, 설문 문항이 애매하거나 특정 집단이 응답을 회피해 생기는 선택편향 같은 비표본오차와는 다릅니다. 표본추출오차는 표본 크기를 늘리면 줄어들지만, 비표본오차는 표본을 아무리 늘려도 조사 설계 자체를 고치지 않으면 사라지지 않습니다.