학위논문 표본 수, 몇 명이면 되는가 — 자주 쓰이는 기준들

학위논문 연구계획서를 쓰다 보면 표본 수 칸에서 한참 멈추게 됩니다. "몇 명이면 되나요"라는 질문에 하나의 답이 없는 것은, 그 질문이 사실 세 개의 다른 질문을 겹쳐 놓은 것이기 때문입니다. 통계적으로 필요한 수, 심사에서 방어되는 수, 실제로 모을 수 있는 수는 서로 다른 값입니다.

세 개의 숫자를 구분하는 것부터

표본 수를 정하는 일이 어려운 이유는 계산이 어려워서가 아니라, 어느 숫자를 구하려는 것인지가 정리되지 않은 채로 계산을 시작하기 때문입니다.

• 필요한 수 — 쓰려는 분석 방법이 결과를 내놓으려면 최소한 얼마가 있어야 하는가
• 방어되는 수 — 해당 전공과 학과에서 통용되는 규모. 심사에서 더 묻지 않고 넘어가는 선
• 모을 수 있는 수 — 남은 기간과 가진 배포 경로로 현실적으로 도달 가능한 수

셋이 어긋날 때 손대야 하는 것은 대개 표본 수가 아니라 연구 설계입니다. 모을 수 있는 수가 필요한 수에 한참 못 미친다면, 표본을 억지로 늘리는 것보다 비교 집단을 줄이거나 분석 방법을 바꾸는 쪽이 먼저 검토할 길입니다.

표본 수는 주제가 아니라 분석 방법에서 나온다

같은 주제라도 두 집단의 평균을 비교하는 연구와, 요인분석을 거쳐 구조방정식을 돌리는 연구는 필요한 규모가 다릅니다. 그래서 표본 수를 물어보기 전에 정해야 하는 것은 분석 계획입니다.

• 집단 간 평균 비교(t-검정·분산분석)라면 기준은 전체가 아니라 집단 하나하나의 크기입니다. 전체가 200명이어도 한쪽 집단이 열다섯 명이면 그 비교는 약합니다
• 다중회귀는 투입하는 독립변수가 늘수록 필요한 수도 늘어납니다. 변수 하나당 열에서 열다섯 명 정도를 잡는 경험칙이 흔히 쓰입니다
• 요인분석이나 구조방정식은 문항 수와 추정할 모수가 기준이 됩니다. 문항 하나당 다섯에서 열 명, 또는 일정 규모 이상을 요구하는 관행이 자주 언급됩니다

이 숫자들은 법칙이 아니라 경험칙이고, 분야마다 통용되는 선이 다릅니다. 그래서 가장 먼저 확인할 곳은 일반론이 아니라 본인 전공에서 최근 통과된 학위논문 몇 편의 방법론 절입니다. 같은 학과에서 어떤 규모가 실제로 받아들여졌는지가 어떤 일반론보다 정확한 기준입니다.

검정력 분석이 해주는 것과 해주지 않는 것

표본 수를 계산으로 정하는 방법이 검정력 분석입니다. 유의수준, 원하는 검정력, 기대하는 효과크기를 넣으면 필요한 표본 수가 나옵니다. G*Power처럼 무료로 쓸 수 있는 프로그램이 널리 쓰이고, 결과 화면의 값을 그대로 논문에 옮길 수 있습니다.

막히는 지점은 효과크기입니다. 이 값은 연구를 해봐야 알 수 있는 값인데 계산에는 미리 넣어야 합니다. 보통은 선행연구에서 보고된 값을 가져오거나, 참고할 것이 없으면 중간 정도의 효과를 가정합니다. 후자를 택했다면 그렇게 했다고 논문에 적는 편이 낫습니다. 가정이라고 밝힌 가정은 흠이 아니지만, 계산 결과처럼 보이게 둔 가정은 질문을 부릅니다.

검정력 분석이 해주지 않는 것도 분명합니다. 표본이 어떻게 모였는지는 계산에 들어가지 않습니다. 필요한 수를 채워도 한쪽으로 치우쳐 모인 표본은 여전히 치우친 표본이고, 그 문제는 수를 늘려서 해결되지 않습니다.

쪼갤 계획이 있으면 기준은 전체가 아니라 칸이다

결과를 성별·연령대·학년별로 나눠 보겠다고 계획했다면, 목표로 삼아야 하는 것은 전체 응답자 수가 아니라 가장 작은 칸의 크기입니다. 300명을 모아도 성별 둘과 연령대 넷으로 교차하면 여덟 칸이 되고, 고르게 모이는 일은 드물기 때문에 어떤 칸은 열 명대로 남습니다.

그래서 순서는 결과표를 먼저 그려보는 것입니다. 논문에 실을 표를 빈칸 상태로 그려놓고 각 칸에 몇 명이 들어가야 말이 되는지를 세면, 필요한 전체 수가 따라 나옵니다. 반대로 하면 다 모은 뒤에 "이 비교는 못 하겠다"를 알게 됩니다.

목표는 '모은 응답'이 아니라 '분석에 쓸 응답'으로 잡는다

수집한 응답이 전부 분석에 들어가지는 않습니다. 대상 조건에 맞지 않는 응답, 중간에 끊긴 응답, 모든 문항에 같은 번호를 찍은 응답은 빠집니다. 최종 분석에 200명이 필요하다면 배포 단계의 목표는 그보다 높아야 합니다.

얼마나 높게 잡을지는 문항 길이와 배포 경로에 따라 달라지므로 정해진 비율은 없습니다. 다만 제외율을 0으로 두고 일정을 짜는 것만 피하면 됩니다. 그리고 제외 기준은 데이터를 열어보기 전에 정해 두는 것이 원칙입니다. 결과를 본 뒤에 만든 기준은 기준이 아니라 선택이 됩니다.

표본 수와 함께 정해야 하는 것: 수집 기간

표본 수 계획에서 가장 자주 빠지는 것이 기간입니다. "한 달쯤 열어두면 모이겠지"라는 계산은 응답이 기간에 비례해 들어온다는 가정 위에 서 있는데, 실제 분포는 그렇지 않습니다.

맞썰에서 오간 맞설문 요청 3,711건을 집계한 결과, 요청이 붙은 시점의 설문 나이 중앙값은 1.1일이었습니다. 응답이 붙는 일의 절반이 설문이 올라온 지 하루 안팎에 일어났다는 뜻입니다. 링크를 오래 열어두는 것보다 새로 노출되는 순간을 여러 번 만드는 것이 표본을 채우는 방법에 가깝습니다.

이것을 일정으로 옮기면 이렇게 됩니다.

• 수집 기간을 한 덩어리로 잡지 말고, 배포할 경로별로 시작 시점을 나눠 배치합니다
• 첫 며칠의 응답 속도로 최종 도달치를 가늠합니다. 부족하다면 기간을 늘리는 것보다 경로를 늘리는 쪽이 빠릅니다
• 분석과 집필에 필요한 기간을 먼저 떼어놓고 남은 시간을 수집에 배정합니다. 반대로 하면 밀리는 쪽은 언제나 분석입니다

논문에는 이렇게 남긴다

표본 수는 결과 부분에 숫자로만 적는 항목이 아니라, 근거와 함께 연구방법 절에 남기는 항목입니다. 한 문단이면 충분합니다.

• 검정력 분석을 했다면 넣은 값(유의수준·검정력·효과크기)과 그 효과크기를 어디서 가져왔는지를 함께 적습니다
• 경험칙이나 선행연구의 관행을 따랐다면 그렇게 정했다고 적습니다. 계산한 것처럼 쓰지 않습니다
• 계획한 수를 채우지 못했다면 최종 수와 그 이유를 적고, 해석의 한계에서 다시 언급합니다. 못 채운 사실보다 밝히지 않은 사실이 더 문제가 됩니다

정리

• 표본 수는 주제가 아니라 분석 방법에서 나옵니다. 분석 계획이 없으면 표본 수도 정해지지 않습니다
• 일반론보다 같은 학과에서 최근 통과된 논문의 규모가 정확한 기준입니다
• 하위집단으로 나눌 계획이라면 기준은 전체가 아니라 가장 작은 칸입니다
• 목표는 모은 응답이 아니라 분석에 쓸 수 있는 응답 수로 잡습니다
• 표본 수와 수집 기간은 함께 정합니다. 응답은 기간에 비례해 들어오지 않습니다

본문에 인용한 수치는 맞썰에 쌓인 맞설문 요청 3,711건을 집계한 값이며, 2026년 9월 18일 기준입니다.