무작위추출을 시행하는 주된 목적은?

모집단 구성원이 선택될 기회를 갖게 하면 선택편향을 줄일 수 있다.

무작위추출(random sampling)의 주된 목적은 표본이 모집단을 잘 대표하도록 하여 연구 결과를 모집단 전체로 일반화하기 위한 것입니다. 역학 연구에서 표본을 추출하는 근본적인 이유는 표본에서 얻은 결과를 관련 모집단으로 외삽(extrapolation)하는 데 있으며, 이를 가장 단순하게 달성하는 방법은 모집단의 각 개인이 선택될 확률을 동일하게 만드는 동일 선택 확률 방법(equal probability of selection method, epsem)을 적용하는 것입니다 ^[1]. 무작위추출은 이러한 동일 선택 확률을 보장함으로써 연구자의 의도나 편의가 개입될 여지를 줄이고, 특정 집단이 과다 또는 과소 대표되는 선택편향(selection bias)을 최소화합니다.

무작위추출의 핵심은 표본오차를 0으로 만드는 것이 아니라, 선택편향을 줄여 표본의 대표성(representativeness)을 높이는 것입니다. 표본오차(sampling error)는 표본을 추출하는 한 확률적으로 항상 존재하는 변동이며, 표본 크기를 키우면 줄일 수는 있어도 무작위추출만으로 0이 되지는 않습니다. 또한 무작위추출은 교란변수(confounder)를 자동으로 제거하지도 않습니다. 교란 통제는 연구 설계 단계의 제한(restriction), 짝짓기(matching), 층화(stratification) 또는 분석 단계의 보정(adjustment)을 통해 별도로 수행되어야 합니다 ^[3].

혼동 주의! 무작위추출(random sampling)과 무작위배정(random allocation)은 목적이 다릅니다. 무작위추출은 외적 타당도(external validity)를 높이기 위해 표본의 대표성을 확보하는 절차이고, 무작위배정은 임상시험에서 내적 타당도(internal validity)를 높이기 위해 연구군 간 기저 특성의 균형을 잡는 절차입니다 ^[2]. 국시에서는 이 둘을 의도적으로 섞어 출제하는 경우가 많으므로, ‘추출=대표성’, ‘배정=비교성’으로 구분해 기억해야 합니다.

대표성은 전통적으로 역학 연구의 질을 평가하는 핵심 기준으로 여겨져 왔습니다. 다만 최근 빅데이터와 디지털 보건 환경에서는 표본의 대표성 자체보다 연구 결과가 목표 모집단에 얼마나 잘 적용될 수 있는지를 뜻하는 이동 가능성(transportability) 개념이 더 강조되기도 합니다 ^[4]. 그럼에도 불구하고 전통적인 표본조사와 역학 연구 설계에서 무작위추출이 여전히 기본 원칙으로 다뤄지는 이유는, 선택편향을 줄이고 대표성을 확보하는 것이 결과 일반화의 출발점이기 때문입니다.

핵심! 무작위추출은 ‘선택편향을 줄이고 대표성을 높이기 위한’ 절차이며, 표본오차의 완전 제거나 교란의 자동 제거, 결측치 예방을 목적으로 하지 않습니다. 결측치(missing data)는 무작위추출과 무관하게 자료 수집 과정의 문제이며, 검사자 오차는 측정 단계의 신뢰도 문제로 무작위추출이 증가시키는 것도 아닙니다.