학습(공부)하는 블로그 :: 4. 표본 규모의 설정
 

 

Notice»

Recent Post»

Recent Comment»

Recent Trackback»

03-19 10:55

4. 표본 규모의 설정

카테고리 없음 | 2014. 6. 6. 12:30 | Posted by 깨비형
반응형


1. 표본의 규모


○ 표본의 크기는 어느 정도가 적절한가?

▷ 모든 조사방법이나 통계절차에 보편적으로 적용되는 단일한 표본크기를 산출하는 공식이나 방법은 존재하지 않음


○ 표본 크기의 요인





2. 표본의 규모를 결정하기 위한 원칙


  원칙1) 어떤 방법을 조사에 적용시킬 것인가?




  원칙2) 통상적으로 각 인구학적 집단마다 100명 이상의 표본을 사용함





※ 소집단을 구성하는 표본의 최소 단위가 100사례는 되어야 한다고 지적하는 근거는 통계학에서 말하는 중심극한정리(central limit theorem)에 기초함




  원칙3) 표본의 크기는 거의 대부분 조사비용과 시간의 제약 하에서 이루어짐





  원칙4) 작은 크기의 표본만으로 조사를 진행했다면 사용된 표본의 규모에 맞춰

           결과를 해석함


※ 대통령 선거에서 MBC와 한국갤럽조사연구소는 김대중씨가 이회창씨를 39.9% 대 38.8%라는 1%포인트 차이로 누르고 당선될 것이라는 예측방송을 함


○ 표본오차 : 표집된 소집단의 측정치를 모집단의 추정치로 논리적 추론을 하는 과정에서 발생



표본오차는 표본의 크기가 증대함에 따라 감소

② 표본집단의 크기가 전체 모집단과 일치(연구가 전수조사의 형태를 띔) ⇒ 표본오차가 0이 됨 


  원칙5) 연구자는 보다 복잡한 주제를 다룰수록 더 큰 규모의 표본 집단을

           취급해야만 함


○ 다변량 연구

▷ 일원변량 연구에 비해 항상 더 많은 표본이 필요 → 복수 응답자료의 분석과 관련되기 때문

▷ 일부 연구자들은 기본적으로 100명의 연구사례에 각각의 변인이 추가될 때마다 변인별로 추가 표본을 구성하는 방법을 사용할 것을 제안하는 경우도 있음


  원칙6) 연구자들은 선행 연구를 통하여 자신이 다뤄야할 표본의 규모를 짐작할 

           수 있음




○ 일반적으로 표본의 크기가 증가할수록 조사 결과의 정확성은 높아짐

▷ 리터러리 다이제스트지가 무려 200만 이상의 거대표본을 조사하고도 정확하지 않은 조사결과를 나타낸 것은 단순한 표본의 크기보다 표본의 질이 더욱 중요함을 보여줌



3. 과다표집(oversampling), 유효응답율 및 부가표집(booster sampling)


  가. 과다표집

○ 실제 조사에 필요한 것보다 더 큰 표본을 선택해야 함(탈락에 대비)



○ 패널조사(panel survey)

▷ 같은 조사대상을 시간적 차이를 두고 주지적으로 측정

- 이 때의 응답자 탈락은 더 큰 문제가 되는데 우리나라의 경우 패널의 탈락률은 연간 17%~20% 수준임


  나. 유효응답률 및 부가표집

○ 유효응답률 : 표본집단 중 조사에 응답한 비율





 

○ 낮은 유효응답으로 인한 문제를 해결하기 위한 두 가지 방안

▷ 낮은 유효응답률 자체도 하나의 주요 발견점으로 의미를 부여하되 표본의 크기를 늘리는 방법

최소한의 분석단위인 100사례 이상의 유효응답을 확보하기 위해 무작정 표본의 크기를 늘리는 것이 반드시 바람직한 것은 아님

▷ 마케팅조사 등에서 적극적으로 활용되고 있는 부가표집(booster sampling)을 활용

- 부가표집

· 어떤 현상 혹은 소집단이 일반적인 확률표집에서 출현빈도가 극히 낮을 것으로 예상되거나 출현을 기대할 수 없어서, 낮은 출현률로 적정한 분석단위가 구성될 수 없을 때 사용

· 일정 수의 소집단 표본이 강제적으로 표집틀에 부과해 표본의 크기를 조정하는 것

- 할당표집과 다른점

· 부가표집은 일반적으로는 확률표집에 병행하여 실시하는 부차적 표집틀

· 부가표집의 경우는 자연적으로 확률표집에서 출현하는 소집단의 사례 수와 강제적으로 부가된 소집단 사례수의 합이 조사된 소집단 사례수가 됨


반응형
: