표집틀 (Sampling Frame)
쉽게 풀면
전교생 중에서 제비뽑기로 100명을 뽑으려면, 먼저 "전교생 명부"가 있어야 제비를 만들 수 있습니다. 이때 이 명부가 바로 표집틀입니다. 연구자가 원하는 모집단(예: 전국 고등학생)과 실제로 손에 쥔 명단(예: 특정 교육청에 등록된 학생 명부)은 완벽히 일치하지 않는 경우가 많습니다. 명부에 없는 사람은 애초에 뽑힐 기회조차 없기 때문에, 표집틀이 모집단을 얼마나 잘 대표하는지가 표본의 질을 좌우합니다.
왜 중요한가
표집틀은 연구자가 원하는 모집단과 실제로 표본이 추출되는 대상 사이의 간극을 드러내는 개념이기 때문에, 연구의 외적타당도와 결과의 일반화 가능성을 평가할 때 반드시 짚어야 하는 요소입니다. 특히 설문조사나 역학연구처럼 대규모 모집단을 다루는 논문에서는 어떤 명단이나 데이터베이스를 표집틀로 썼는지가 표본의 대표성을 좌우하기 때문에 방법 섹션에서 상세히 밝혀지는 경우가 많습니다.
논문에서는 이렇게 쓰입니다
이 문장은 "전국 요양병원 전체를 모집단으로 삼고 싶었지만, 실제로 표본을 추출할 때 사용한 목록은 건강보험공단 등록 명단이었다"는 뜻입니다. 이 명단에 빠진 병원은 애초에 연구에 포함될 수 없었다는 한계도 함께 드러냅니다.
사회조사 분야에서는 전화번호부나 주민등록 명부 대신 온라인 패널 명단을 표집틀로 쓰는 경우가 늘고 있으며, 이 경우 인터넷 이용이 어려운 집단이 배제될 수 있다는 한계가 함께 논의됩니다.
조금 더 깊게 보면
표집틀의 질을 평가할 때는 흔히 과잉포함(모집단에 속하지 않는 대상이 명단에 들어간 경우)과 과소포함(모집단에 속하지만 명단에서 빠진 경우) 두 가지 오류 유형을 함께 살핍니다. 완벽한 표집틀은 현실적으로 구하기 어렵기 때문에, 논문에서는 사용한 표집틀이 모집단과 어떻게 다를 수 있는지를 한계점(limitation)으로 명시하고, 가능하다면 여러 표집틀을 결합하거나 보정 가중치를 적용해 대표성을 높이려는 시도를 함께 보고하기도 합니다.
주의할 점
표집틀이 모집단을 온전히 담지 못하면 선택편향이 발생합니다. 예를 들어 전화번호부를 표집틀로 쓰면 전화번호부에 등록하지 않은 사람은 처음부터 뽑힐 확률이 0이 되므로, 아무리 이후 과정에서 단순무작위표집을 엄격히 지켜도 표본이 모집단을 대표한다고 보장할 수 없습니다.