피험자내설계 (Within-Subjects Design)
쉽게 풀면
커피가 집중력에 미치는 영향을 알아본다고 해봅시다. 한 가지 방법은 참가자를 두 그룹으로 나눠 한쪽은 커피를 마시고 한쪽은 안 마시게 하는 것(피험자간설계)이고, 다른 방법은 같은 사람에게 어떤 날은 커피를 마시게 하고 다른 날은 안 마시게 해서 두 상태를 모두 겪어보게 하는 것입니다. 후자가 바로 피험자내설계입니다.
같은 사람이 모든 조건을 다 경험하기 때문에 사람마다 원래 다른 집중력 차이(개인차)가 결과를 왜곡할 위험이 줄어듭니다. 대신 먼저 겪은 조건이 나중 조건에 영향을 주는 "이월효과"를 조심해야 하고, 이를 막기 위해 조건을 겪는 순서를 사람마다 다르게 배치하는 역균형화를 함께 사용하는 경우가 많습니다.
왜 중요한가
피험자내설계는 같은 사람을 반복 측정해 개인차를 통제할 수 있어 상대적으로 적은 표본으로도 통계적 검정력을 확보할 수 있고, 이 때문에 심리학, 인지과학, 인간공학 등 참가자 모집이 어려운 분야의 실험연구에서 널리 채택됩니다.
다만 이월효과나 학습효과 같은 설계상의 위험을 함께 고려해야 하기 때문에, 연구 방법론 논의에서 피험자간설계와의 장단점 비교가 자주 다뤄집니다. 최근에는 혼합설계(일부 요인은 피험자내, 일부는 피험자간)를 활용해 두 방식의 장점을 절충하는 연구도 흔히 볼 수 있습니다.
어떤 절차인가
- 조건 정하기: 비교할 조건(처치 수준)을 정하고 모든 참가자가 모든 조건을 경험하게 합니다.
- 순서 균형 맞추기: 조건의 순서가 결과에 영향을 주지 않도록 순서를 섞습니다. 완전 균형화는 가능한 모든 순서를 쓰는 것으로, 조건이 4개이면 4! = 24가지입니다. 조건이 많아지면 라틴 방격을 씁니다.
- 균형 라틴 방격: 조건 수가 짝수일 때 Williams(1949)의 방법으로, 각 조건이 모든 순서 위치에 한 번씩 나오고 각 조건 바로 뒤에 다른 모든 조건이 같은 횟수만큼 옵니다. 조건이 4개(A~D)일 때 네 줄이면 충분합니다: ABDC, BCAD, CDBA, DACB. 참가자를 이 네 순서에 같은 수만큼 배정합니다.
- 분석: 두 조건이면 대응표본 t검정, 셋 이상이면 반복측정 분산분석이나 혼합효과모형을 씁니다. 반복측정 분산분석은 구형성 가정을 확인하고 위반되면 보정합니다.
같은 참가자에게서 두 조건의 점수가 상관ρ를 가질 때, 조건 간 차이의 분산은 개인차를 뺀 만큼 줄어서 독립된 두 집단의 경우의 (1 − ρ)배가 됩니다(각 조건의 점수 분산이 같고 각 조건에서 얻는 측정값 수가 같을 때). ρ = .5이면 절반, ρ = .8이면 0.2배입니다.
언제 쓰고 무엇을 얻나
- 쓰는 경우: 개인차가 큰 특성을 다룰 때, 참가자를 구하기 어려울 때, 처치가 가역적일 때(커피 한 잔의 효과는 사라짐).
- 얻는 것: 같은 사람을 비교하므로 개인차가 통제되고 검정력이 올라갑니다. 필요한 참가자 수가 줄어듭니다(Maxwell 등, 2018).
- 한계: 앞 조건이 뒷조건에 영향을 주는 이월효과, 연습 효과, 피로, 참가자가 조건을 비교하며 연구 가설을 짐작하는 요구특성이 있습니다(Greenwald, 1976). 한 번 배우면 되돌릴 수 없는 처치에는 맞지 않습니다.
- 순서 효과가 큰 과제에서는 피험자간설계가 낫고, Charness 등(2012)은 두 설계의 장단점을 비교합니다.
논문에는 이렇게 적는다
- 조건의 수와 정의, 모든 참가자가 모든 조건을 경험했다는 점, 조건 사이의 간격(세척기간)
- 순서 균형화 방법(완전 균형화, 균형 라틴 방격, 무작위 순서)과 참가자의 배정 방식
- 순서 효과·이월효과의 점검 결과
- 분석 방법과 가정 확인(구형성 검정과 보정, 사용한 효과크기)
보고 문장의 예(가상): “참가자 48명이 세 가지 조건을 모두 경험하였고, 조건 순서는 6가지 순서 중 하나에 같은 수(각 8명)로 무작위 배정하였다. 반복측정 분산분석에서 구형성이 위반되어 Greenhouse–Geisser 보정을 적용하였다.”
논문에서는 이렇게 쓰입니다
실제 논문에서
이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 "각 참가자가 조건 하나만 겪은 게 아니라 세 조건을 전부 경험했고, 그 순서는 사람마다 무작위로 배치했다"는 뜻입니다.
약리학 실험연구에서 여러 약물 조건을 겪는 순서를 체계적으로 바꿔가며 이전 조건의 영향이 남지 않도록 통제했다는 뜻입니다.
인간-컴퓨터 상호작용 연구에서 같은 참가자가 여러 디자인 시안을 모두 체험하며 비교 평가했다는 의미입니다.
조금 더 깊게 보면
피험자내설계에서 이월효과를 통제하는 대표적인 방법으로는 조건 순서를 참가자마다 다르게 배치하는 역균형화(counterbalancing)와, 가능한 순서 중 일부만 골라 각 조건이 각 순서 위치에 한 번씩 오도록 배분하는 라틴방격법(Latin square)이 있습니다. 통계 분석에서도 개인차를 명시적으로 모형에 반영하기 위해 반복측정 분산분석(repeated measures ANOVA)이나 혼합효과모형(mixed-effects model)을 사용하는 경우가 많으며, 이는 같은 참가자로부터 얻은 관측치들이 서로 독립적이지 않다는 특성을 반영하기 위함입니다.
주의할 점
피험자내설계는 개인차를 통제할 수 있어 효율적이지만, 먼저 경험한 조건의 효과가 다음 조건에 남아 결과를 왜곡하는 이월효과가 발생할 수 있습니다. 조건 간 간격을 충분히 두거나 순서를 무작위화하는 등의 보완이 필요합니다.
헷갈리기 쉬운 용어
‘같은 사람을 여러 번 잰다’는 점이 겹칩니다.
| 용어 | 핵심 | 이월효과 문제 |
|---|---|---|
| 피험자내설계 | 같은 참가자가 모든 조건을 경험 | 있음(순서 균형화로 대응) |
| 피험자간설계 | 참가자마다 한 조건만 경험 | 없음(개인차 문제는 있음) |
| 반복측정설계 | 같은 대상을 반복 측정(조건 간이거나 시점 간) | 있음 |
| 짝지은 쌍 설계 | 비슷한 사람을 짝지어 각 조건에 나눔 | 없음 |
| 상쇄(균형화) | 조건 순서를 체계적으로 섞는 절차 | 이월효과를 분산 |
참고 문헌
- Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing Experiments and Analyzing Data: A Model Comparison Perspective (3rd ed.). Routledge.
- Greenwald, A. G. (1976). Within-subjects designs: To use or not to use? Psychological Bulletin, 83(2), 314–320.
- Charness, G., Gneezy, U., & Kuhn, M. A. (2012). Experimental methods: Between-subject and within-subject design. Journal of Economic Behavior & Organization, 81(1), 1–8.
- Williams, E. J. (1949). Experimental designs balanced for the estimation of residual effects of treatments. Australian Journal of Scientific Research, Series A, 2(2), 149–168.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.