​

“연구 대상자는 몇 명으로

계획하셨나요?”

​

연구계획서를 발표하는 자리에서

이런 질문을 받는다면

어떻게 대답하시겠어요?

​

주변에서 보통 200명 정도

조사한다고 해서 정했다거나

기존 논문에 나온 인원을

그대로 참고했다는 설명으로는

충분하지 않을 수 있습니다.

​

논문 표본수 계산은

연구 결과를 적절하게 검증하기 위해

어느 정도의 자료가 필요한지

사전에 판단하는 과정입니다.

​

​

연구 대상자가 많으면

무조건 좋은 논문이 될까요?

​

반드시 그렇지는 않습니다.

​

표본이 너무 적으면

실제로 존재하는 관계나 차이를

통계적으로 확인하기

어려울 수 있습니다.

​

반대로 연구 목적에 비해

지나치게 많은 대상자를 모집하면

시간과 비용이 불필요하게

소요될 가능성도 있는데요.

​

따라서 연구자는 통계적 근거와

실제 모집 가능성을 함께 고려해

표본 크기를 결정해야 합니다.

​

이때 활용할 수 있는 프로그램이

바로 G*Power입니다.

​

​

G*Power는 연구에 필요한

표본 크기와 통계적 검정력을

계산하는 프로그램입니다.

​

특히 석사·박사학위 논문이나

학술연구에서 표본수 산출 근거를

제시할 때 활용되는데요.

​

프로그램을 실행하면

분석 목적에 맞는 통계검정과

검정력 분석 유형을

선택할 수 있습니다.

​

연구 시작 전에 필요한

표본 크기를 산출하려면

일반적으로 A priori 분석을

사용하게 됩니다.

​

단, 모든 연구설계가

G*Power의 기본 기능만으로

충분히 계산되는 것은 아닙니다.

​

​

그렇다면 G*Power에서

무엇부터 설정해야 할까요?

​

가장 먼저 결정할 항목은

어떤 통계검정을 사용할지입니다.

​

두 독립집단의 평균을 비교한다면

t검정을 고려할 수 있고,

여러 집단의 평균 차이를

검토한다면 분산분석이

적절할 수 있습니다.

​

변수 사이의 상관관계나

회귀모형을 검증하는 연구라면

그에 맞는 검정을 선택해야 합니다.

​

즉, 논문 표본수 계산은

G*Power 실행보다

연구가설과 분석계획을

정리하는 일이 먼저입니다.

​

​

이제 효과크기를 알아보겠습니다.

​

효과크기란 연구에서 확인하려는

차이나 관계가 어느 정도인지를

통계적으로 나타내는 값입니다.

​

G*Power에서는 분석 방법에 따라

Cohen's d, f, f² 등

서로 다른 효과크기 지표를

입력하게 됩니다.

​

여기서 주의할 부분이 있습니다.

​

많은 연구자가 프로그램에 표시된

기본값이나 관행적인 수치를

그대로 사용하는데요.

​

가능하다면 유사한 선행연구나

예비조사 결과를 참고하고,

효과크기 설정의 근거를

논문에 설명하는 것이 좋습니다.

​

​

표본수 산출에서 함께 등장하는

개념은 유의수준과 검정력입니다.

​

유의수준 α는 실제로

귀무가설이 참인데도

이를 기각할 위험과 관련됩니다.

​

연구에서는 0.05를

설정하는 경우가 많습니다.

​

검정력은 실제 효과가 존재할 때

이를 통계적으로 발견할

확률을 의미하며,

0.80이나 0.90 등을

목표로 설정하기도 합니다.

​

다만 이러한 값은

모든 논문에 동일하게 적용되는

절대적인 기준은 아닙니다.

​

연구 목적과 분야에 맞춰

설정 이유를 검토해야 합니다.

​

​

설정값에 따라 표본수는

얼마나 달라질까요?

​

다른 조건이 같다면

작은 효과를 발견하려는 연구일수록

일반적으로 더 많은 표본이 필요합니다.

​

또한 높은 검정력을 요구하면

필요한 대상자 수가

증가하는 경향이 있습니다.

​

따라서 연구자가 모집 가능한

인원에 맞추려고

효과크기나 검정력을 임의로 조정하는 것은

바람직하지 않습니다.

​

계산 결과가 현실적인

모집 가능 인원보다 많다면

연구설계와 분석계획을

다시 검토할 필요가 있습니다.

​

​

논문 표본수 계산에서

놓치기 쉬운 부분이 탈락률입니다.

​

G*Power에서 필요한

최종 분석 대상자가 산출되더라도

실제 연구에서는 응답 누락이나

중도 탈락이 발생할 수 있습니다.

​

예를 들어 최종적으로

100명의 자료가 필요하고

예상 탈락률이 20%라면

모집 목표는 125명입니다.

​

100명에 20%를 단순히 더하는

방식과는 차이가 있습니다.

​

다만 예상 탈락률 역시

선행연구와 모집 환경 등을

고려해 합리적으로 정해야 합니다.

​

​

표본수 계산을 마쳤다면

논문에는 어떤 내용을

기록해야 할까요?

​

사용한 프로그램과 버전,

통계검정의 종류,

효과크기 및 설정 근거,

유의수준과 검정력 등을

명확하게 제시하는 것이 좋습니다.

​

필요하다면 집단 배정 비율과

예상 탈락률도 함께 설명합니다.

​

통계논문월드는 석사·박사

논문 연구자를 대상으로

연구설계와 통계분석 관련

컨설팅을 안내하고 있습니다.

​

G*Power의 설정이나

표본수 산출 근거 작성에

어려움이 있다면 연구계획서를

바탕으로 검토해 볼 수 있습니다.

​

​

연구 대상자 수는

많을수록 좋다는 생각보다

왜 그 인원이 필요한지

설명할 수 있어야 합니다.

​

G*Power는 이러한 판단을

돕는 유용한 프로그램이지만

연구설계의 적절성까지

자동으로 보장하지는 않습니다.

​

연구가설과 통계검정을 결정하고,

효과크기와 검정력을 설정한 뒤

실제 모집 가능성과 탈락률을

함께 검토해야 합니다.

​

논문 표본수 계산을 준비 중이라면

통계논문월드의 연구 컨설팅을 통해

자신의 연구 목적에 맞는

산출 방법과 작성 기준을

확인해 보시기 바랍니다.

​

​