― 논문·보고서에서 납득되는 표본 수 설계 기준
연구나 설문조사를 설계할 때 가장 많이 받는 질문 중 하나는 단연 이것입니다.
“그래서… 몇 명을 조사해야 하나요?”
흔히 “표본 수는 많을수록 좋다”는 말을 듣지만,
연구 설계의 관점에서 보면 이 말은 전혀 도움이 되지 않는 조언입니다.
표본 수를 무작정 늘리면
- 조사 비용과 기간은 급격히 증가하고
- 응답 피로도는 높아지며
- 분석 목적과 맞지 않는 과잉 설계가 됩니다.
반대로 표본 수가 너무 적으면
결과의 신뢰성·검정력 부족으로 논문 심사에서 바로 지적을 받게 됩니다.
결국 핵심은 하나입니다.
👉 현실 제약 속에서 학문적으로 설명 가능한 최소 기준을 설정하는 것
1. 표본 수는 ‘숫자’가 아니라 ‘추론의 근거’다
표본 수(sample size)는 단순히 “몇 명을 조사했는가”의 문제가 아닙니다.
연구에서 표본 수가 의미를 갖는 이유는
모집단의 특성을 표본을 통해 얼마나 신뢰할 수 있게 추론할 수 있는가와 직결되기 때문입니다.
표본 수는 다음을 결정합니다.
- 통계적 검정력이 충분한가
- 우연이 아닌 실제 효과를 발견할 수 있는가
- 결과를 모집단으로 일반화할 수 있는가
- 논문 심사·보고서 검토에서 방어가 가능한가
📌 즉, 표본 수는 분석 결과의 신뢰도와 설득력의 하한선입니다.
2. 표본 수를 정하기 전에 반드시 던져야 할 질문
표본 수는 계산부터 하면 안 됩니다.
아래 질문이 먼저입니다.
① 어떤 분석을 할 것인가?
분석 방법에 따라 요구되는 표본 수는 크게 달라집니다.
- 평균 비교(t-test)
- 집단 간 차이(ANOVA)
- 회귀분석
- 요인분석
- 구조방정식 모형 등
👉 분석 기법이 정해지지 않은 상태의 표본 수는 의미가 없습니다.
② 탐색 연구인가, 검증 연구인가?
- 예비 연구·파일럿 → 탐색적 연구
- 학위 논문·정책 평가 → 검증 연구
검증 연구일수록
표본 수 기준은 더 엄격해지고, 심사 기준도 높아집니다.
③ 현실적으로 가능한 범위는 어디까지인가?
- 예산
- 조사 기간
- 조사 대상 접근성
이 조건을 무시한 표본 수는
이론적으로는 완벽해도 실제로는 불가능한 설계가 됩니다.
3. 분석 방법별로 ‘실제 심사에서 통용되는’ 표본 수 기준
아래 기준은 교과서적 최소값이 아니라,
논문·보고서에서 가장 안전하게 받아들여지는 수준입니다.
✔ 기술통계·빈도 분석 중심 설문
- 최소 100명 이상
- 정책·현황 조사 목적 → 200명 이상 권장
📌 단순 분포 파악 목적이라면 100~200명은 실무에서도 널리 사용됩니다.
✔ 평균 비교 (t-test)
- 독립표본 t-test: 집단당 30명 이상
- 대응표본 t-test: 총 30~50명 이상
📌 ‘집단당 30명’ 기준은
정규성 가정과 중심극한정리에 기반한 매우 보편적인 기준입니다.
✔ 분산분석 (ANOVA)
- 집단당 30명 이상
- 3집단 이상 → 총 90~120명 이상
📌 집단 수가 늘어나면 표본 수도 함께 늘려야 합니다.
✔ 상관·회귀분석
가장 자주 인용되는 기준:
N ≥ 50 + 8m (m = 독립변수 수)
- 독립변수 5개 → 90명 이상
- 독립변수 10개 → 130명 이상
📌 실제 논문에서 가장 안정적인 범위는 100~150명 이상
✔ 요인분석 (EFA / CFA)
표본 수 민감도가 매우 큽니다.
① 문항 수 기준
- 문항 × 5명 → 최소
- 문항 × 10명 → 권장
예) 20문항 → 100명(최소) / 200명(권장)
② 절대 기준
- 100명 미만 ❌ (심사에서 거의 지적)
- 150~200명 이상 → 안전
- 300명 이상 → 매우 안정적
✔ 구조방정식 모형(SEM)
- 최소 200명
- 복잡한 모형 → 300명 이상
📌 표본 수가 부족하면
모형 부적합, 추정 실패, 수렴 오류가 매우 빈번합니다.
4. 표본 수를 줄여야 할 때의 ‘논리적 방어 전략’
현실적으로 표본 수를 충분히 확보하기 어려운 경우도 많습니다.
이때는 숫자를 줄이는 대신, 설명을 강화해야 합니다.
✔ 연구 목적을 명확히 ‘탐색적’으로 규정
“본 연구는 ○○ 현상에 대한 탐색적 분석을 목적으로 한다.”
✔ 분석 방법 단순화
- 구조방정식 → 회귀분석
- 다집단 비교 → 전체 분석
✔ 한계점에 솔직하게 명시
“표본 수의 제한으로 인해 결과 해석에 신중을 기할 필요가 있다.”
📌 이 문장은 심사에서 매우 강력한 방어 문장입니다.
5. 결국 중요한 건 숫자가 아니라 ‘설명 가능성’
표본 수에는 절대적인 정답이 없습니다.
중요한 것은 연구자가 그 선택을 논리적으로 설명할 수 있는가입니다.
- 왜 이 분석을 선택했는지
- 왜 이 정도 표본 수가 필요한지
- 어떤 한계가 있으며, 어떻게 해석해야 하는지
이 세 가지가 명확하다면
“표본 수가 적다”는 지적은 충분히 관리할 수 있습니다.
정리하며
✨ 표본 수는 분석 방법에 따라 통상적으로 받아들여지는 기준이 존재
✨ 회귀·요인분석은 100~200명, 구조방정식은 200명 이상이 일반적
✨ 숫자 자체보다 그 표본 수가 왜 타당한지 설명하는 논리가 핵심
몇 명을 조사해야 하는가보다,
왜 그 표본 수가 필요한가를 설명할 수 있는 연구 설계가 좋은 연구를 만듭니다.
