표본 수를 ‘감’이 아니라 ‘논리’로 정하는 방법
연구나 설문조사를 설계할 때 가장 먼저 막히는 질문이 있습니다.
“도대체 몇 명에게 물어봐야 하지?”
표본 수는 많을수록 좋다는 말이 틀린 건 아닙니다.
다만 연구 설계에서 그 말은 현실적으로는 무책임한 조언이 되기 쉽습니다.
표본 수를 무턱대고 늘리면 시간과 비용이 급격히 증가하고,
반대로 너무 적으면 실제 효과가 있어도 통계적으로 잡히지 않거나(검정력 부족),
논문 심사에서 “표본이 부족하다”는 지적을 피하기 어렵습니다.
핵심은 하나입니다.
예산·시간·현실 제약 속에서, 학문적으로 납득 가능한 최소 기준을 세우는 것.
1) 표본 수는 숫자가 아니라 ‘설계의 신뢰도’입니다
표본 수(sample size)는 단순히 몇 명의 문제가 아닙니다.
내가 뽑은 표본으로 모집단을 얼마나 정확하고(accuracy), 얼마나 신뢰롭게(reliability) 추론할 수 있는가의 문제입니다.
표본 수가 결정하는 건 결국 이런 것들이에요.
- 통계적 검정력이 충분한가
- 결과를 일반화할 수 있는가
- 논문 심사/보고서 검토에서 방어 가능한가
표본이 너무 적으면 유의하지 않게 나올 가능성이 커지고,
표본이 과도하면 예산·시간 낭비 + 응답 피로만 늘어날 수 있습니다.
그래서 연구 설계에서 중요한 건
최대한 많이가 아니라 목적에 맞는 최소한의 합리적 표본입니다.
2) 표본 수를 정하기 전에 먼저 해야 할 질문 3가지
표본 수를 정하기 전에 아래 질문부터 체크하면, 기준이 훨씬 또렷해집니다.
① 어떤 분석을 할 것인가?
t-test, ANOVA, 회귀, 요인분석, 구조방정식…
분석 방법에 따라 요구되는 표본 수의 ‘체급’이 다릅니다.
② 연구 목적은 탐색인가, 검증인가?
- 탐색적 연구(파일럿/예비연구)라면 비교적 완화된 기준을 적용할 수 있고
- 가설 검증 중심 연구(논문/정책평가)라면 표본 기준이 훨씬 엄격해집니다.
③ 현실적 제약은 어디까지인가?
예산, 조사기간, 대상 접근성은 무시할 수 없습니다.
실행 불가능한 표본 수는 설계가 아니라 “희망사항”이 되니까요.
3) 분석 방법별로 통상적으로 받아들여지는 표본 수 기준
여기부터가 실전에서 가장 많이 참고하는 파트입니다.
(정밀한 파워분석도 가능하지만, 초반 설계 단계에서는 아래 기준이 현실적으로 가장 많이 쓰입니다.)
✅ 기술통계·빈도 중심 설문
- 최소 100명 이상
- 정책/현황 파악 목적이면 200명 이상 권장
→ 분포 파악이 목적이라면 100~200명도 실무에서 많이 사용합니다.
✅ 평균 비교(t-test)
- 독립표본 t-test: 집단당 30명 이상
- 대응표본 t-test: 총 30~50명 이상
→ “집단당 30명”은 현장에서 가장 보편적으로 쓰이는 기준입니다.
✅ 분산분석(ANOVA)
- 집단당 30명 이상
- 3집단 이상이면 총 90~120명 이상
→ 집단 수가 늘수록 표본도 같이 늘어나야 합니다.
✅ 상관·회귀분석
- 자주 인용되는 기준: N ≥ 50 + 8m (m=독립변수 수)
- 독립변수 5개 → 50 + 40 = 90명 이상
- 독립변수 10개 → 50 + 80 = 130명 이상
- 실무/논문에서 안전하게 잡는 범위: 100~150명 이상
✅ 요인분석(EFA/CFA)
표본 민감도가 큰 분석입니다.
- 문항 수 기준
- 문항×5명: 최소
- 문항×10명: 권장
- 예) 20문항 → 100명(최소) / 200명(권장)
- 절대 기준
- 100명 미만: 심사에서 지적 가능성 큼
- 150~200명 이상: 안정적
- 300명 이상: 매우 안정적
✅ 구조방정식(SEM)
- 최소 200명
- 복잡한 모형이면 300명 이상
→ 표본 부족 시 모형 부적합, 수렴 오류, 추정 실패가 빈번합니다.
참고: 유의수준/검정력/효과크기를 고려해 파워분석으로 표본 수를 계산할 수도 있지만,
현실적으로는 효과크기 추정이 어렵고 파일럿 데이터가 없는 경우가 많아
위의 ‘통상 기준 + 현실 제약’을 함께 고려해 결정하는 경우가 많습니다.
4) 예산·시간 때문에 표본 수를 줄여야 한다면?
표본 수를 줄이는 건 가능하지만, 대신 논리적 방어 전략이 필요합니다.
✅ 연구 목적을 “탐색적”으로 명확히 선언
- “본 연구는 ○○에 대한 탐색적 분석을 목적으로 하며…”
✅ 분석 방법 단순화
- 구조방정식 → 회귀분석
- 다집단 비교 → 전체 분석 중심
✅ 한계점에 솔직하게 명시
- “표본 수의 한계로 인해 결과 해석에 신중을 기할 필요가 있음”
→ 이 문장은 실제로 심사에서 꽤 강한 방어 문장이 됩니다.
5) 결국 중요한 건 숫자보다 설명 가능성입니다
표본 수는 정답이 있는 공식이라기보다,
연구자가 논리적으로 설명할 수 있는 선택이어야 합니다.
- 왜 이 분석을 선택했는지
- 왜 이 정도 표본 수가 필요한지
- 표본 수 한계가 있다면 무엇인지
이 3가지를 명확히 쓰면,
“표본이 적다”는 지적도 상당 부분 관리가 가능합니다.
정리
- 표본 수는 많을수록 좋다는 말은 현실적 설계에서는 불충분합니다.
- 분석 방법에 따라 통상 기준이 있고(회귀 100~150, 요인 150~200, SEM 200+),
- 중요한 건 숫자 자체가 아니라 왜 그 표본 수가 타당한지 설명하는 논리입니다.
몇 명을 조사해야 할지 고민할 시간에,
“왜 그 표본 수가 필요한가”를 설명할 수 있게 설계를 정리해두면
연구가 훨씬 탄탄해집니다.
