bias in sampling: 샘플링과 편향

데이터 전문가는 머신러닝 모델을 만들 때 샘플 데이터를 자주 활용한다. 오늘날 머신러닝 모델은 대출 승인, 면접 기회 제공, 정확한 의료 진단 등 다양한 결정에 영향을 줄 수 있다. 대표성 있는 샘플로 구축된 모델은 대출이나 면접 기회 등의 결정을 공정하고 편향 없이 수행할 가능성이 높다.

 

https://www.evalacademy.com/articles/sampling-bias-identifying-and-avoiding-bias-in-data-collection

 

모집단의 다양한 유형을 대표하는 샘플을 사용하는 것은 각 개인에게 적절한 결과를 제공하는 데 매우 중요하다. 그러나 안타깝게도 샘플 데이터에는 종종 편향(bias)이 존재한다. 샘플링 편향(sampling bias) 은 샘플이 모집단 전체를 제대로 대표하지 못할 때 발생한다.

 

확률 샘플링 vs 비확률 샘플링

최근 학습한 바와 같이, 확률 샘플링(probability sampling) 은 무작위 선택을 사용하여 모집단의 모든 구성원이 샘플에 포함될 동등한 기회를 갖도록 한다. 이는 샘플링 편향을 줄이는 데 효과적이다.

 

https://www.google.com/imgres?imgurl=https%3A%2F%2Fcheggwriting.wpengine.com%2Fwp-content%2Fuploads%2F2021%2F11%2F1703-Sampling-methods-3.webp&tbnid=a5XxUh5_1s1TdM&vet=10CAQQxiAoA2oXChMIqM-DzaWbjAMVAAAAAB0AAAAAEAc..i&imgrefurl=https%3A%2F%2Fwww.chegg.com%2Fwriting%2Fguides%2Fresearch%2Fsampling-methods%2F&docid=65n5s2nK8cmLKM&w=782&h=964&itg=1&q=voluntary%20response%20sampling&ved=0CAQQxiAoA2oXChMIqM-DzaWbjAMVAAAAAB0AAAAAEAc

 

반면 비확률 샘플링(non-probability sampling) 은 무작위 선택을 사용하지 않으며, 대표성 없는 편향된 샘플을 생성할 가능성이 높다. 그럼에도 불구하고, 비확률 샘플링은 일반적으로 비용이 낮고 실행이 간편하다는 장점이 있다. 특히 모집단에 대한 초기 탐색(exploratory research)이나 정량적 결론을 목적으로 하지 않을 경우 유용하게 사용될 수 있다.

 

이번 글에서는 대표적인 4가지 비확률 샘플링 방법과 각 방법에서 발생할 수 있는 샘플링 편향의 유형에 대해 알아본다.

 

1. 편의 샘플링 (Convenience Sampling)

https://www.simplypsychology.org/convenience-sampling.html

정의: 접근하기 쉬운 사람이나 대상을 중심으로 샘플을 구성하는 방법이다.

예시: 연구자가 인근 고등학교 앞에서 지나가는 사람들을 대상으로 여론조사를 실시하는 경우이다.

문제점: 특정 위치에서 쉽게 접근 가능한 대상만 포함되므로, 모집단 전체를 대표하지 못한다. 이는 미포함 편향(undercoverage bias) 으로 이어질 수 있다. 고등학교에 다니지 않는 사람들의 의견은 배제된다.

 

2. 자발적 응답 샘플링 (Voluntary Response Sampling)

https://www.shutterstock.com/ko/image-vector/voluntary-response-sampling-sample-taken-group-1612664494

 

정의: 조사 참여를 자발적으로 신청한 사람들로 샘플을 구성하는 방법이다.

예시: 식당에서 고객들에게 온라인 설문을 자율적으로 제출하도록 요청하는 경우이다.

문제점: 강한 의견을 가진 사람들(긍정적이거나 부정적인 의견)이 응답할 가능성이 높기 때문에, 모집단의 평균적 견해를 반영하지 못한다. 이는 무응답 편향(nonresponse bias) 을 유발할 수 있다

 

3. 눈덩이 샘플링 (Snowball Sampling)

https://www.simplypsychology.org/snowball-sampling.html

 

정의: 초기 참여자를 모집한 후, 이들이 다른 참여자를 추천하도록 하여 샘플을 확장해 나가는 방식이다.

예시: 대학생의 부정행위에 관한 연구에서, 연구자는 먼저 몇 명의 참여자를 모집한 뒤, 그들이 친구나 지인을 추천하도록 하는 방식이다.

문제점: 초기 참여자와 유사한 특성을 가진 사람들만 샘플에 포함될 가능성이 높아진다. 이는 대표성이 낮은 샘플을 형성하게 하며, 특정 하위집단만을 과도하게 포함할 수 있다.

 

 

4. 목적 샘플링 (Purposive Sampling)

https://research-methodology.net/sampling-in-primary-data-collection/purposive-sampling/

 

정의: 연구 목적에 따라 연구자가 직접 기준을 정하고, 해당 기준에 맞는 대상만 샘플에 포함하는 방법이다.

예시: 특정 교수법의 효과를 조사하기 위해, 출석률이 높고 학업 성취도가 높은 학생만을 대상으로 설문을 실시하는 경우이다.

문제점: 의도적으로 특정 그룹을 제외하고 조사하기 때문에 전체 모집단을 대표하지 못하게 된다. 예를 들어, 낮은 GPA를 가진 학생들의 의견은 배제되므로, 분석 결과는 편향될 수 있다.

 

결론: 편향을 인지하고 통제하자

데이터 전문가로서 편향과 공정성을 고려하는 것은 단지 분석 결과를 낼 때만이 아니라 데이터 수집의 초기 단계부터 중요하다. 편향된 샘플로부터 도출된 결론은 부정확하며, 이는 잘못된 판단과 정책으로 이어질 수 있다.

 

비확률 샘플링은 특정 상황에서는 유용하지만, 모집단 전체를 대표해야 할 경우에는 사용에 주의가 필요하다. 가능한 경우 확률 샘플링을 활용하여 무작위성과 대표성을 확보하는 것이 바람직하다.

 

샘플링의 목적, 한계, 방법을 정확히 이해하고 편향을 최소화하는 것이 정확하고 신뢰할 수 있는 데이터 분석의 출발점이다.