목차
응답자가 많아지면 여론조사의 표본오차는 줄어들 수 있습니다. 다만 인원에 비례해 줄지는 않습니다. 응답 비율과 신뢰수준, 표본추출 조건이 같다면 표본을 4배로 늘려야 근사 오차범위가 절반으로 줄어듭니다. 2배로 늘리는 것만으로는 부족합니다.
이 관계가 설명하는 것은 표본을 뽑을 때 생기는 우연한 변동입니다. 조사 대상이 적절했는지, 질문이 편향되지 않았는지, 선거 결과를 잘 예측하는지까지 알려 주지는 않습니다. 표본 수를 비교하기 전에 누구를 어떻게 조사했는지부터 살펴보세요.
계산에 앞서 표본의 조건을 맞추세요
같은 아주 큰 모집단에서 서로 별개로 뽑은 세 개의 가상 확률표본을 생각해 보겠습니다. 모두 같은 조건에서 “B 대신 A를 선택하시겠습니까?”라는 질문에 답합니다. 한 사람당 예 또는 아니요 중 하나만 고르며, 무응답이나 미정 응답은 없습니다.
단순무작위추출을 가정하고 모든 응답에 같은 가중치를 줍니다. 모집단에 비해 표본이 충분히 작아 유한모집단 보정을 생략하고, 응답들은 서로 독립인 것으로 근사합니다. 군집추출, 가중치 조정, 유효표본크기 보정은 이 계산에 포함하지 않습니다. 실제 여론조사의 설계를 재현한 것이 아니라, 표본 수의 효과를 살펴보기 위한 조건입니다.
표본은 각각 400명, 1,600명, 6,400명이며 ‘예’ 응답자는 200명, 800명, 3,200명으로 정합니다. 따라서 세 표본에서 관측된 ‘예’ 비율은 모두 0.50, 즉 50%입니다. 한 조사의 응답을 차례로 늘린 것도, 실제 여론이 일정하게 유지됐다는 자료도 아닙니다.
한국 여론조사 자료의 용어도 구분해 두면 도움이 됩니다. 중앙선거여론조사심의위원회의 「선거여론조사기준」은 ‘표본의 크기’를 전체 응답자 수로 설명하되, 사전신고에서는 목표 표본 수를 뜻한다고 구분합니다. ‘표본오차’ 역시 적용한 표본추출·추정 방법에 따른 95% 신뢰수준의 최대 오차 한계라는 맥락에서 정의합니다. 단순히 연락을 시도한 사람 수나 목표 인원만 보고 계산해서는 안 되는 이유입니다. 여기서는 이 용어의 뜻만 참고하며, 조사 실시나 공표의 법적 요건을 안내하지 않습니다. 중앙선거여론조사심의위원회: 선거여론조사기준.
400명일 때 ±4.9%포인트는 어떻게 나오나요?
응답 수를 n, 관측된 ‘예’ 비율을 p̂라고 하겠습니다. 비율은 50이 아니라 0.50처럼 입력합니다. 여기서 쓰는 정규근사, 즉 Wald 방식의 오차범위는 E = z√[p̂(1 − p̂)/n]입니다. 반올림한 기준값 z = 1.96을 쓰면 근사적인 양측 95% 신뢰구간은 p̂ − E부터 p̂ + E까지입니다. NIST는 이 흔한 계산식과 함께 더 나은 성질을 가진 대안도 설명합니다. NIST: 비율의 신뢰구간.
이번 예에서는 p̂(1 − p̂) = 0.50 × 0.50 = 0.25입니다. 400명이라면 √(0.25/400) = 0.025이고, 1.96 × 0.025 = 0.049입니다. 비율 단위의 0.049를 백분율 눈금으로 바꾸면 4.9%포인트입니다. 50%에서 이를 빼고 더하면 45.1%부터 54.9%까지가 됩니다.
| 응답 수 n | 예 / 아니요 | 관측 비율 | 추정 표준오차 비율 단위 | 오차범위 E 비율 단위 | 오차범위 %포인트 | 근사 95% 신뢰구간 |
|---|---|---|---|---|---|---|
| 400명 | 200 / 200 | 200/400 = 0.50 | √(0.25/400) = 0.025 | 1.96 × 0.025 = 0.049 | ±4.9 | 45.1%–54.9% |
| 1,600명 | 800 / 800 | 800/1,600 = 0.50 | √(0.25/1,600) = 0.0125 | 1.96 × 0.0125 = 0.0245 | ±2.45 | 47.55%–52.45% |
| 6,400명 | 3,200 / 3,200 | 3,200/6,400 = 0.50 | √(0.25/6,400) = 0.00625 | 1.96 × 0.00625 = 0.01225 | ±1.225 | 48.775%–51.225% |
오차범위 E는 중심에서 한쪽 끝까지의 거리입니다. 구간 전체의 폭은 그 두 배입니다. 첫 행에서 오차범위는 4.9%포인트이고 전체 폭은 9.8%포인트입니다. 둘 다 ‘50%를 기준으로 몇 퍼센트 변했는가’를 나타내는 상대적 변화율과는 다릅니다.
표본이 2배면 오차는 절반이 아니라 약 0.707배
관측 비율 p̂와 기준값 z를 고정하면 오차범위는 1/√n에 비례합니다. 응답자가 400명에서 1,600명으로 4배가 되면 오차범위는 4.9%포인트에서 2.45%포인트로 절반이 됩니다. 1,600명에서 6,400명으로 늘릴 때도 같은 관계가 성립합니다.
표본을 2배로 늘리면 오차범위는 √2로 나눈 값이 됩니다. 같은 조건에서 400명을 800명으로 늘리면 4.9/√2 ≈ 3.465%포인트입니다. 2.45%포인트가 아닙니다. 이 계산에서 오차범위를 절반으로 줄이려면 응답자가 4배 필요합니다.
이 비교는 관측 비율을 일부러 같게 맞춘 것입니다. 실제 조사에서는 표본 수뿐 아니라 응답 비율도 달라질 수 있습니다. 그러면 표본 수의 비율만으로 오차범위의 변화를 모두 설명할 수 없습니다. 표본설계나 신뢰수준이 달라져도 이 단순 비교를 그대로 적용할 수 없습니다.
응답자가 많아도 편향까지 사라지지는 않습니다
Pew Research Center는 전체 응답자 수 외에 표본설계, 가중치, 하위집단의 크기를 함께 살펴야 한다고 설명합니다. 전체 조사에 붙은 오차범위를 더 작은 연령대나 지역 집단에 그대로 붙일 수는 없습니다. Pew Research Center: 여론조사 오차범위 읽기.
| 구분 | 표본 수만 늘렸을 때 | 따로 볼 내용 |
|---|---|---|
| 우연한 표본 변동 | 앞의 조건이 같다면 계산상 오차범위가 줄어듭니다. | 신뢰수준, 관측 비율, 실제 표본설계 |
| 포괄범위·무응답 편향 | 특정 집단이 빠지거나 응답하지 않아 생기는 편향이 저절로 없어지지는 않습니다. | 누가 표본으로 뽑힐 수 있고, 누가 실제로 응답했는지 |
| 질문 표현 | 유도하거나 오해하게 만드는 질문을 바로잡지는 못합니다. | 질문의 정확한 문구와 응답 선택지 |
| 가중치·군집추출 | 원래 응답자 수만으로 정밀도가 결정되지 않습니다. | 조사설계를 반영한 불확실성 계산 |
| 투표 참여·당선 여부 | 응답 비율이 당선 확률로 바뀌지는 않습니다. | 조사 대상, 예측하려는 사건, 예측모형의 가정 |
실제 조사완료 응답자 수와 유효표본크기도 같은 개념이 아닙니다. 가중치나 군집구조에 따른 설계효과가 있으면, 같은 응답자 수라도 추정의 정밀도가 달라집니다. 조사에서 제시한 계산법을 확인해야 하며, 근거 없이 원래 표본 수를 공식에 넣거나 임의의 유효표본크기로 바꿔 넣지 마세요. 하위집단 역시 그 집단의 응답 수와 가중치·표본설계를 따로 봐야 합니다.
표본오차를 표시한 막대에는 무응답 편향이나 질문을 서로 다르게 이해해 생긴 오차가 모두 들어 있지 않습니다. 응답자를 많이 모았더라도 잘못 측정한 질문의 답을 좁은 구간으로 추정할 수 있습니다. Pew의 오차막대 설명도 막대가 보여 주는 정밀도와 이런 한계를 구분합니다. Pew Research Center: 오차막대 이해하기.
신뢰수준 95%와 계산법의 한계도 함께 읽으세요
명목 신뢰수준 95%는 가정이 성립할 때 같은 절차를 반복해 구간을 만드는 방법의 성질을 설명합니다. 이미 계산된 한 구간 안에 고정된 모집단 비율이 들어 있을 사후확률을 95%로 매기는 뜻은 아닙니다. 후보의 당선 확률이 95%라는 뜻도 아닙니다. 여기서 쓰는 정규근사가 모든 표본 크기와 모집단 비율에서 정확히 95%의 포함률을 보장하지도 않습니다.
Wald 방식을 쓴 이유는 표본 수와 제곱근의 관계를 드러내기 위해서입니다. 모든 여론조사에 적용하는 계산기나 NIST가 일반적으로 가장 권하는 방법으로 소개하는 것이 아닙니다. NIST는 Wilson 구간을 설명하며, 흔한 대칭형 계산식이 불가능한 경계를 만들거나 작은 표본·적은 응답 건수에서 정확도가 떨어질 수 있다고 지적합니다. 비율이 0 또는 1에 가까울 때는 특히 주의해야 합니다. 앞에서 비율을 50%로 맞췄다고 해서 이 방법의 한계가 없어지는 것은 아닙니다. NIST: 비율 신뢰구간 계산법과 주의점.
한 비율의 오차범위가 두 추정치의 차이에 대한 불확실성과 같은 것도 아닙니다. 그래프의 오차막대가 겹치는지만으로 차이가 통계적으로 유의한지 언제나 판정할 수는 없습니다. 해당 비교에 맞는 분석을 확인하세요. Pew Research Center: 오차막대 비교의 한계.
결국 표본 수보다 먼저 확인할 것은 조사 방법입니다
표본이 커지면 앞의 가정 아래에서 표본오차는 줄어듭니다. 하지만 실제 조사를 읽을 때는 질문, 조사 대상, 조사 기간, 표본추출 방법, 가중치, 하위집단의 응답 수, 불확실성 계산법을 함께 확인하세요. 실제 응답자 수만 이 글의 공식에 넣기보다, 해당 조사가 공개한 방법을 기준으로 읽는 것이 중요합니다.
응답 비율과 당선 확률은 서로 다른 질문에 대한 숫자입니다. 또 평균적으로 기대하는 결과와 어떤 사건이 일어날 확률도 구분해야 합니다. 더 알아보고 싶은 개념은 한국어 가이드 목록에서 살펴보거나 가이드 검색을 이용하세요.
자주 묻는 질문
표본 수를 두 배로 늘리면 오차범위가 절반이 되나요?
아닙니다. 관측 비율, 신뢰수준의 기준값, 단순한 표본설계가 같다면 표본 수를 두 배로 늘릴 때 근사 오차범위는 √2로 나눈 값이 됩니다. 네 배로 늘려야 절반이 됩니다. 그래서 이 예에서는 400명에서 1,600명으로 늘렸을 때 4.9%포인트가 2.45%포인트로 줄어듭니다.
±4.9%포인트는 4.9%의 상대적 변화와 같은가요?
다릅니다. 첫 번째 예는 50%에 4.9%포인트를 더하고 빼서 45.1%–54.9%를 만듭니다. 50%에 4.9%를 곱해 상대적 변화량을 구하는 계산이 아닙니다.
전체 조사의 오차범위를 작은 하위집단에도 쓸 수 있나요?
그대로 적용할 수는 없습니다. 하위집단은 응답자 수가 다르고 가중치나 설계효과도 다를 수 있습니다. 전체 조사 인원만 보지 말고 해당 집단의 불확실성 계산을 확인하세요.
오차범위가 작으면 편향이 없다는 뜻인가요?
아닙니다. 표본오차는 모든 오차를 재는 값이 아닙니다. 모집단 일부가 빠지거나 집단마다 응답 경향이 다르거나 질문이 오해를 유발하면, 표본이 커서 오차범위가 작더라도 추정치에 편향이 남을 수 있습니다.
온라인 설문에도 이 공식을 그대로 적용하면 되나요?
아닙니다. 이 예는 확률표본, 동일 가중치, 무시할 만큼 작은 표본추출률 등 특정 조건을 가정합니다. 자발적으로 참여한 응답자가 많다는 사실만으로 그 조건이 성립하지는 않습니다. 응답자를 모집하고 결과를 추정한 방법을 확인하고, 단순한 참여 인원만으로 통상적인 표본오차를 붙이지 마세요.
출처와 계산 방법
- NIST e-Handbook §7.2.4.1: Confidence intervals for a proportion. 정규근사식, Wilson 구간과 작은 표본에서의 주의점. 공개일은 확인되지 않았습니다.
- Pew Research Center: 5 key things to know about the margin of error in election polls. 2016년 9월 8일. 표본설계, 가중치, 하위집단과 표본오차 외의 한계.
- Pew Research Center: Understanding error bars in charts. 2025년 9월 16일. 오차막대의 의미와 비교 시 주의점.
- 중앙선거여론조사심의위원회: 선거여론조사기준. 표본의 크기, 표본추출·추정 방법과 연결된 표본오차의 용어 정의를 참고했습니다. 인용 자료에 표시된 개정일은 2025년 12월 18일입니다.
400명, 1,600명, 6,400명의 표본과 예·아니요 응답 수는 설명을 위해 만든 가상 사례이며 실제 조사나 시뮬레이션 결과가 아닙니다. 계산에는 반올림한 기준값 1.96, 관측 비율 0.50, 아주 큰 모집단에서의 독립 응답 근사, 동일 가중치, 무시할 만큼 작은 표본추출률을 사용했습니다. 유한모집단 보정, 가중치·군집효과, 유효표본크기는 계산하지 않았습니다. 현재 여론조사, 후보, 시장 가격이나 선거 결과를 평가한 글이 아닙니다.
통계 출처의 내용 확인 기준일은 2026년 10월 20일, 한국어 용어 자료의 확인 기준일은 2026년 10월 23일입니다. 이 날짜들은 각 자료의 공개일과 구분됩니다.
이 가이드 공유