안녕하세요 다비드s입니다. 지난 포스팅은 표본의 키기와 오차에 대해 알아보았습니다. 오차와 표본크기는 밀접한 관계를 맺고 있습니다. 그러기에 표본을 뽑는 방법 또한 중요하다고 생각합니다. 그러기에 오늘은 표본 추출방법에 대해 글을 써보도록 하겠습니다.

표본의 크기에 맞는 데이터를 얻기 위하여 채택된 표본을 추출방법에 따라 실제로 선정하는 일로 표본추출 방법은 고정 표본추출법(fixed sampling)과 축차적 표본추출법(sequential sampling)으로 구분하거나 확률표본 추출법(probability sampling)과 비확률표본 추출법(nonprobability sampling)으로 구분할 수 있습니다.

*고정 추출법

- 조사에 필요한 표본의 크기를 사전에 확정하여 추출하고 조사결과를 평가하는 방법입니다.

*축차적 표본추출법

- 신뢰구간과 같은 일정한 기준을 결정해 놓고 소규모의 표본을 추출하여 조사결과를 평가하고 그결과가 사전에 정한 기준에 미치지 못할 떄 표본의 크기를 점차적으로 증대시켜 가는 방법입니다.

설문조사에서 가장많이 쓰이는 확률표본 추출법(probability sampling)과 비확률표본 추출법(nonprobability sampling)에 대해 알아보겠습니다.

1) 확률표본추출법

조사자는 모집단의 각 구성원이 표본으로 선정될 확률을 사전에 알 수 있도록 추출하며, 그러한 확률에 따라 표본구성원이 선정되므로 표본추출에 있어서 조사자나 면접자의 주관적인 판단이 전혀 개입되지 않아야 합니다.

이 때 모집단의 각 구성원이 표본의 구성원으로 추출된다는 확률이 있는것은 무작위성에 대한 실질적인 기준이 되며, 이와 같은 방법으로 표본을 확률화하는 일은 표본자료부터 오차를 제거하지 않지만 조사자에게 생길수 있는 표본오차의 범위를 평가할 수 있도록 하며, 이는 정보를 활용하는 데에 매우 중요한 요건입니다. 확률적으로 표본을 추출하기 떄문에 사전에 알려진 확률은 여러 표본 추출법에 따라 달라지겠지만, 단순무작위 추출법에서는 모든 모집단이 동일한 확률입니다.

쉽게 설명하자면 모집단의 크기와 구성형태에 대해 잘 알고 있는 경우에 사용하는 방법으로 모집단의 리스트를 가지고 있는 경우로 추출단위가 표본으로 선정되어지는 확률을 아는 경우입니다.

(1) 단순임의추출(simple random sampling)

모집단의 각 추출단위에 일련번호를 부여하고 비복원으로 난수를 뽑아 대응되는 추출단위를 표본으로 선정하는 방법입니다.

(표본추출목록으로 부터 표본을 선정하기 위해 난수표를 작성하여 뽑는 방법; 난수표본추출방법)

(2) 집락추출(cluster sampling)

모집단을 집락으로 구성하여 먼저 집락을 추출하고 추출된 집락 내의 일부 또는 전체를 조사하는 방법입니다.

예) 시골 농가를 조사할때 면(읍)단위로 추출하는 것

(3) 층화임의추출(stratified random sampling)

모집단의 추출단위들을 서로 중복되지 않는 몇 개의 층으로 나누고 이들 각 층에서 배정된 표본을 단순임의추출법에 따라 추출하는 방법입니다.

(4) 계통표본추출(systematic random)

모집단의 추출틀에서 처음의 k(=N/n)개 단위들 중에서 랜덤하게 하나의 단위를 추출하고 그 이후 매 k번째 간격마다 하나씩 표본으로 추출하는 방법입니다.

실제 사용될 때에는 추출법들이 개별적으로 사용된다기 보다 서로 결합된 방식으로 사용됩니다.

예)  층화집락임의추출

1) 비확률표본추출법

일반적인 경우에 모집단의 수를 모르는 경우가 많고, 모집단의 리스트를 구하는 것은 매우 어렵습니다. 그러므로 추출단위가 표본으로 선정되어지는 확률을 모르며, 추출단위들이 동일한 확률로 추출되었다고 확신하기가 어렵습니다.

따라서 개별 연구자들이 시행하는 설문조사의 대부분이 비확률표본추출법이 해당됩니다. 이 방법의 대표적인 방법은 보행자 조사법인데 예를들어 쇼핑센터 앞에서 쇼핑객들의 의식을 알기위해 면접조사를 실시하는 것입니다. 이러한 조사에는 모집단 리스트가 없고, 표본이 모집단을 잘 대표하는지에 대한 불확실성이 있습니다.

이러한 비확률추출번을 이용하는 경우, 추출단위들이 동일한 확률로 추출되었다고 할 수 없기에 이론적으로 정규분포 가정에 의해서 표본자료를 분석할 수도 없고, 표본과 관련되는 표본오차를 추정할 수 없습니다. 따라서 조사결과는 표본 자체에 대한 결과로 해석되어야 하며, 원칙적으로는 모집단에 대한 일반화가 불가능하다는 사실을 염뒤해 둬야합니다.

(1) 편의표본추출

조사자의 편의에 따라 표본을 선정하는 방법입니다. 하지만 모집단에 대한 표본의 대표성을 확신할 수 없기 때문에 표본오차를 추정하고 모집단 특성에 관한 통계적 진술을 실행 할수 없습니다. 따라서 편의표본은 기술적 조사나 인과적 조사에 이용할 수 없으며, 단지 연구조사와 관련된 아이디어나 통찰을 얻거나 통계적 가설을 구성하기 위한 탐색적 조사에 사용할 수 있습니다.

예) 자료수집방법으로는 부적당하며 아이디어나 가설을 추출하기 위한 탐색적 조사연구나 설문지의 사전조사에 사용

(2) 판단표본추출

조사문제에 대해 적절한 해답을 줄 수 있다고 판단되는 전문가들을 표본으로 선정하는 방법이며, 표본은 의도에 따라 선정됩니다.
이 표본추출법 또한 표본의 대표성을 확신할 수 없기 떄문에 표본오차를 추정하거나 조사결과에 대한 일반화가 불가능 합니다. 그러나 전문가의 판단이 유효하다면 편의표본추출법보다 좋습니다.

(3) 할당표본추출

각각의 층이 전체 모집단에서 동일한 비율을 갖는 표본으로 나타나는 층화표본추출과 비슷한 추출법입니다. 다른 비확률 표본추출에 비해 추출한 표본이 상대적으로 모집단의 속성을 좀 더 많이 반영할 수 있습니다. 일정한 특성을 갖는 표본의 비율이 모집단내에서 그러한 특성을 가지는 표본비율과 유사하도록 추출하는 방법입니다.

모집단을 구성하고 있는 계층을 골고루 대표할 수 있어 대표성이 높아지지만 모집단 분류에 있어 분류자의 편견이 개입되고 Quota의 작위적 표출은 오차의 개입가능성을 증대시킵니다. 

(4) 눈덩이추출

누적표본추출이라고도 하며 연구자가 임의로 선정한 제한적 표본에 해당하는 사람으로부터 추천을 받아 다른 표본을 선정하는 과정을 되풀이 하는 것으로 눈덩이를 굴리듯 표본을 누적한다 해서 눈덩이 추출법이라고 합니다.

이 방법은 연구자가 모집단의 구성원 전부를 파악하지 못할때 적절한 방법입니다.

오늘은 표본추출방법에대해 알아보았습니다.

확률표본추출과 비확률표본추출을 상황에 맞게 적용하여 표본추출을 한다면 양질의 조사와 원하는 연구결과가 도출될 것 입니다..

오늘도 읽어주셔서 감사합니다. 이상 다비드s였습니다

 안녕하세요 다비드s입니다. 계속적으로 선문조사에 필요한 이론을 알아보고 있습니다. 그전 포스팅에서 조사방법까지 알아보았다면 오늘은 설문조사에서 발생되는 오차와 설문조사분석을 위해 필요한 표본의 크기에 대해 알아보도록 하겠습니다.

1) 오차

 표본의 크기는 조사의 정확성을 어느 수준으로 할 것인가(즉, 오차를 어느 정도로 할 것인가)에 따라 결정됩니다(인적, 물적자원 등 상화에 따라 결정되기도 함). 따라서 오차를 먼저 설정하느냐에 따라 표본의 크기가 결정됩니다.

조사에서 오차는 항상 발생된다고 보셔야 합니다.

오차의 발생원인은 여러 가지 요인이 있으며, 오차는 크게 표본오차(sampling error)와 비표본오차(non-sampling error)로 나눌수 있습니다.

대부분의 조사에서 모집단 전체를 조사하는건 불가능 합니다. 그래서 그 일부인 표본을 조사하여 모집단의 특성을 추정하는데, 이렇게 전체를 다 조사하지 않고 그 일부인 표본만을 조사하여 모집단의 특성을 추정하기 때문에 발생하는 오차를 표본오차(sampling error)라고 합니다.

*전수조사는 모집단 전체를 조사하는 것이며 표본조사는 모집단의 일부를 조사하는 것입니다. 따라서 전수조사에서는 표본오차는 발생하지 않습니다. 그러기에 표본의 크기를 증가시면 오차는 감소하게 됩니다.

이에 반해, 비표본오차(non-sampling error) 실제 조사나 집계, 분석에서 일어나는 오차(; 회답오차, 무회답오차, 표본선출의 오차 등)를 말합니다. 
예를 들어 응답자가 거짓으로 답하거나, 무응답 또는 표본을 잘못 뽑았을때 발생하며 이 외에도 설문지 응답오류, 자료 입력 및 처리 오류 등으로 발생되는 경우가 있습니다. 따라서 비표본 오차는 표본조사나 전수조사 둘다 발생하며 일반적으로 전수조사에서 더 크게 발생합니다.

표본을 조사하는 것보다 모집단 전체를 조사하는 것이 훨씬 정확하며 표본조사를 불신하는 경향이 있지만 정치적으로 이용하고 시각화로 왜곡시키지 않는다면 믿어도 된다고 생각되어지며 일반적으로 조사 대상수를 늘리면 표본오차는 감소하지만 비표본오차는 증가하기에 합리적인 방법을 선택하는게 좋습니다.

2) 표본의 크기

표본의 크기는 조사의 정확성을 어느 수준으로 할 것인가 즉 오차를 어느 정도로 할 것인가에 따라 결정됩니다. 설문조사는 모비율(p)를 추정하고자 하는 경우가 대부분이므로 모비율 추정시 표본의 크기를 결정하는 방법이 있는데 두가지가 있습니다.

모집단 크기가 100,000이 넘으면 대규모 집단으로 간주할 수 있으며, 모집단 크기가 50,000만 넘어도 표본 크기는 거의 변하지 않습니다.

제가 표본크기 구할때 쓰는 엑셀입니다. 파일을 첨부하니 표본을 쉽게 구하실수 있습니다.

표본크기 구하기.xlsx

오늘도 끝까지 읽어주셔서 감사합니다. 이상 다비드s였습니다.~!!

 안녕하세요? 다비드s입니다. 오늘은 저녁이 아닌 점심식사를 하러 노란숟가락이라는 전주객사에 위치한 카레전문점에 다녀왔습니다.

엄마가 해주는 카레와, 인도 여행 중 먹은 오리지널 카레, 오뚜기 3분카레 등은 먹어봤는데 한국에서 돈 주고 카레 사먹은 기억은 한 번도 없었던 것 같습니다. 그러기에 노란숟가락이란 카레 전문점은 저에게 생소했습니다. 입구에 들어가기 전 잠시 인도여행 중 먹었던 카레에 대한 추억이 떠올랐습니다. 노랗고 매콤하고 향기롭지는 않지만 타지마할~ 하하하 인도카레는 정말 맛있었습니다. 야크 치즈를 넣은 카레는 잊지 못할 추억이었습니다. 그때의 그추억의 맛일지라는 생각에 들어갔습니다.

인테리어는 한옥을 개조한 모습의 천정과 벽면이었습니다. 한식건물에 인도카레가 아닌 일본식 카레를 제공 한다는게 사실 조금 웃겼습니다. 사실 카레하면 인도라는 저의 고정관념 때문이었는지 모르겠습니다. 그리고 카페 인테리어에 가까웠습니다. 그래도 깔끔하니 밥을 먹는데에는 좋은 인상을 풍겼습니다.

 자리에 착석하자 메뉴를 주었고 사실 한 번도 먹어보지 못한 메뉴가 있을 것 같아 걱정이 되었지만 메뉴에 카레에 대한 상세히 설명이 적혀있었기에 설명을 읽은 뒤 주문을 하였습니다. 저는 노란숟가락의 시그니쳐 메뉴인 드라이 키마 카레를 시켰고 같이 점심을 먹으로 온 지인은 typically 스타일의 소고기 토마토 카레를 시켰습니다. 저는 모험을 즐기는 다비드s이기 때문에 모험일지라도 처음 방문한 식당의 시그니쳐 메뉴는 꼭 먹어줘야합니다.!! 다들 그렇지 않을까 싶습니다.

 물과 밑반찬이 세팅이 되었는데 물병이 참 귀엽게 생겼습니다. 피클 무와 깍두기 그리고 샐러드가 제공되었습니다. 노란숟가락이라는 이름답게 숟가락과 포크가 노란색이었습니다. 하하하하하

*위에 음식이 드라이 키마 카레 아래음식이 소고기 토마토 카레

 한10분쯤 지나자 제가 시킨 메뉴인 드라이 키마 카레가 나왔고 뒤따라 소고기 토마토 카레가 나왔습니다.

드라이 키마 카레는 생소한 카레였습니다. 치즈로 덮여있고 이게 카레인가라는 생각과 잠깐 리조또에 치즈가 올려져 있는 건가 싶기도 하였습니다. 첫인상은 흠 매우 뜨거웠고 정말 신기한 모습이었습니다. 맛을 보니 살짝 짜서 밥을 더 시킬 수 있나 여쭤봤더니 다 섞어서 먹어야 한다는 드라이 키마 카레 먹는 방법을 설명해 주셨습니다.(섞어 먹어도 짠 건 함정) 세상에 국물이 없는 카레라니... 상상도 못해봤습니다. 그런데 카레 맛이 나면서 독특했습니다. 조금 짜기는 했지만 맛있게 한 그릇 뚝딱하였습니다.

지인이 주문한 소고기 토마토 카레를 먹어보았는데 엄마와 오뚜기 3분 카레와는 색이라던가 형태는 비슷했으나 맛 부분에서는 훨씬 더 풍부한 맛을 냈습니다. (일반 보편적으로 생각하는 카레맛 + 풍미) 한국에 있는 식당에서 카레 처음 먹어본 제 입맛에는 둘 다 맛있었지만 소고기 토마토 카레가 익숙하고 편했습니다.

맛도 좋고 분위기도 좋고 직원분도 친절했기에 더욱 기억에 남습니다. 오늘 점심도 잘먹었습니다.

읽어주셔서 감사합니다. 이상 다비드s였습니다.