가중평균 (Weighted Mean)
쉽게 풀면
대학교 성적에서 전공과목은 3학점, 교양과목은 1학점이라면, 단순히 두 점수를 더해 2로 나누는 것은 불공평합니다. 학점이 큰 과목의 성적이 전체 평점에 더 크게 반영되어야 하기 때문입니다. 가중평균은 바로 이럴 때 씁니다. 각 값에 "얼마나 비중 있게 반영할지"를 나타내는 가중치를 곱한 뒤 모두 더하고, 그 가중치의 합으로 나누어 계산합니다. 모든 값의 가중치가 똑같다면 가중평균은 우리가 흔히 아는 단순 평균(산술평균)과 정확히 같아집니다.
왜 중요한가
단순 평균은 모든 관측값을 동등하게 취급하지만, 실제 연구 데이터는 표본 크기, 측정 정밀도, 대표성 등이 항목마다 다른 경우가 많다. 가중평균은 이런 차이를 반영해 더 신뢰할 만한 값에 더 큰 비중을 둠으로써 왜곡 없는 대표값을 얻을 수 있게 해주며, 메타분석·지수 산출·설문조사 결과 보정 등 다양한 분야에서 핵심적인 계산 도구로 쓰인다. 그래서 여러 출처의 데이터를 하나로 통합해야 하는 논문에서는 거의 필수적으로 등장하는 개념이다.
논문에서는 이렇게 쓰입니다
이 문장은 여러 연구 결과를 합칠 때 표본이 큰(더 신뢰할 만한) 연구의 결과에 더 많은 비중을 두고, 표본이 작은 연구는 상대적으로 적게 반영해서 전체 평균 효과크기를 계산했다는 뜻입니다.
표본 구성이 실제 모집단 구성과 다를 때, 각 응답에 인구통계학적 비율에 맞춘 가중치를 곱해 평균을 다시 계산함으로써 표본 편향을 보정했다는 뜻입니다.
경제학 논문에서 물가지수를 계산할 때, 소비가 많이 이루어지는 품목의 가격 변동을 더 크게 반영하는 가중평균 방식을 사용한다는 것을 설명하는 문장입니다.
조금 더 깊게 보면
가중평균에서 가중치를 관측값의 분산 역수로 설정하면 통계적으로 가장 효율적인(분산이 최소인) 추정값을 얻을 수 있다는 것이 알려져 있으며, 이는 가중최소제곱법이나 메타분석의 역분산 가중법(inverse-variance weighting)의 이론적 근거가 된다. 한편 가중치가 관측치와 무관하게 자의적으로 정해질 경우 결과 해석에 주의가 필요하며, 논문에서는 조화평균이나 기하평균처럼 다른 평균 개념과 혼동하지 않도록 어떤 평균 방식과 가중치를 사용했는지 명시하는 것이 일반적이다.
주의할 점
가중평균의 결과는 가중치를 어떻게 정하느냐에 따라 크게 달라질 수 있습니다. 가중치 설정 기준이 자의적이거나 명확하지 않으면 같은 데이터로도 전혀 다른 결론이 나올 수 있으므로, 논문에서는 가중치를 어떤 근거(표본크기, 정밀도, 중요도 등)로 정했는지 반드시 밝혀야 합니다. 단순 대푯값인 산술평균과 혼동하지 않도록 주의해야 합니다.