표본추출의 기본 원리와 확률표본추출연구에서 모집단 전체를 조사하는 전수조사는 시간과 비용 측면에서 현실적으로 어렵기 때문에 표본을 뽑아 모집단의 특성을 추정하게 됩니다. 이때 표본이 모집단을 대표할 수 있도록 하는 가장 기본적인 원칙이 바로
동일 선택 확률입니다. 근거 자료
[1]에 따르면, 역학 연구의 근본 목적은 표본 결과를 관련 모집단으로 외삽하는 것이며, 이를 위한 가장 단순한 방법은
모집단의 각 개인이 선택될 동일한 기회를 갖도록 하는 '동일 선택 확률 방법(epsem)'을 채택하는 것입니다. 이를 실현하는 가장 쉬운 전략이
단순무작위추출(simple random sampling)과 일정한 표본추출률을 적용한
층화무작위추출(stratified random sampling)입니다.
확률표본추출과 비확률표본추출의 구분근거 자료
[2]는 표본추출 방법을 크게
확률표본추출(probability sampling)과
비확률표본추출(non-probability sampling)로 구분합니다. 확률표본추출은 모집단의 각 요소가 표본에 포함될
동등하고 독립적인 기회(equal and independent chance)를 가지는 무작위 선택으로 정의됩니다. 문제의 보기 중 단순무작위추출이 여기에 해당하며, 모집단의 모든 구성원이 동일한 확률로 뽑힐 수 있는 유일한 방법입니다.
오답 보기의 특성편의추출(convenience sampling)과
판단추출(purposive sampling)은 근거 자료
[3]에서 비확률표본추출 기법으로 설명됩니다. 편의추출은 연구자가 접근하기 쉬운 대상자를 선택하는 방법으로, 모집단 구성원 간 선택 확률이 동일하지 않습니다. 판단추출은 연구자의 전문적 판단에 따라 특정 특성을 가진 대상을 의도적으로 선택하는 방법입니다.
할당추출(quota sampling)은 모집단의 특성 비율에 맞춰 표본 수를 할당하지만, 할당된 범위 내에서 대상자를 선택할 때는 연구자의 편의가 개입되므로 각 구성원의 선택 확률이 동일하다고 보장할 수 없습니다.
연속표본추출(consecutive sampling)은 일정 기간 동안 기준에 부합하는 모든 대상자를 연속적으로 모집하는 방법으로, 이 역시 모집단 전체에 동일한 선택 확률을 부여하지 않습니다.
임상 치위생 연구에서의 적용치과위생사가 임상 연구나 지역사회 구강보건사업의 효과를 평가할 때, 표본추출 방법의 선택은 결과의 타당성을 좌우합니다. 예를 들어 특정 구강건강교육 프로그램의 효과를 평가할 때, 편의추출로 협조적인 환자만 선정하면 프로그램 효과가 과대평가될 수 있습니다. 반면
핵심! 단순무작위추출은 선택 편향(selection bias)을 최소화하여 표본이 모집단을 대표할 가능성을 높입니다. 근거 자료
[4]는 불균등 확률 표본에서 발생하는 편향을 보정하기 위한 통계적 기법을 다루고 있는데, 이는 역으로
표본추출 단계에서 동일 선택 확률을 확보하지 못하면 이후 분석 단계에서 복잡한 보정이 필요해진다는 점을 시사합니다. 따라서 연구 설계 단계에서부터 단순무작위추출과 같은 확률표본추출 전략을 우선적으로 고려해야 합니다.
혼동 주의! '무작위로 아무나 뽑는 것'과 '편의추출'을 혼동하기 쉽습니다. 편의추출은 접근성이 좋은 대상을 선택하는 것이므로 결과적으로 특정 집단이 과대표집될 수 있습니다. 단순무작위추출은 모집단 명단(표본틀)에서 난수를 이용해 기계적으로 대상을 선정하므로 연구자의 주관이 개입되지 않습니다.
참고 문헌 (논문 출처)
- [1]
Achieving equal probability of selection under various random sampling strategies.일반논문Peters TJ, Eachus JI (1995) · DOI: 10.1111/j.1365-3016.1995.tb00135.x
- [2]
Sampling Methods in Cardiovascular Nursing Research: An Overview.일반논문Kandola D, Banner D, O'Keefe-McCarthy S, Jassal D (2014)
- [3]
[A comparison of convenience sampling and purposive sampling].일반논문Suen LJ, Huang HM, Lee HH (2014) · DOI: 10.6224/JN.61.3.105
- [4]
Using Inverse Probability Bootstrap Sampling to Eliminate Sample Induced Bias in Model Based Analysis of Unequal Probability Samples.일반논문Nahorniak M, Larsen DP, Volk C, Jordan CE (2015) · DOI: 10.1371/journal.pone.0131765