한동안 쉬고 있었던 R 통계 분석 포스트를 우연한 기회에 다시 시작하게 됐습니다. 굳이 사연을 소개하자면 제 블로그에 댓글을 달아주신 분 덕분입니다. 아래 같은 댓글은 사실 흔한 편이라 읽었어도 넘어갈 수 있지만 굳이 소개를 한 이유는 우연히 제게 새로운 동기 부여를 했기 때문입니다.
https://blog.naver.com/jjy0501/222597883089
사실 연구 영역에 따라 샘플 수는 엄청난 차이가 있을 수 있습니다. 저 같이 역학 연구를 하는 사람은 자료의 크기가 큰 편입니다. 수천 명에서 수십 만명의 데이터를 모아 데이터 분석을 하기 때문에 앞서 소개한 중심극한 정리 (Central limit theorem)에 따라 정규 분포에 근사한다고 가정하고 연구를 진행하게 됩니다.
이전 포스트: https://blog.naver.com/jjy0501/221016092102
하지만 연구 영역에 따라서는 어쩔 수 없이 샘플 수가 작아지는 경우들이 있습니다. 예를 들어 내가 연구하고자 하는 질병이 인구 10만 명당 1-2명 발생하는 희귀 질환이거나 질병은 흔한데, 드물게 발생하는 합병증이라 30명이 안되는 환자의 데이터 밖에 구할 수 없다면 수십명 가지고도 통계 분석을 하고 과학적 결론을 도출해야 합니다. 그것이 드문 질환이기 때문에 연구를 포기하는 것보다 합리적인 결론입니다.
만약 실험동물이 매우 비싸거나 구하기 힘들다면 역시 샘플 수는 작아질 수밖에 없습니다. 예를 들어 한 마리에 수천만원을 호가하는 특수한 실험 동물이나 영장류처럼 사람과 비슷하지만, 개체 수가 매우 적은 실험 동물의 경우 한 번 실험을 위해 수백 마리의 실험 동물을 사용하기는 어렵습니다. 허블 우주 망원경 같은 최신 관측 망원경을 이용해도 수십 개 이상 관측이 어려운 드문 천체나 현상에 대한 분석도 마찬가지일 것입니다.
이런 문제는 약물 부작용이나 제품 불량에서도 나타날 수 있습니다. 문제가 있다고 수거된 제품이 수십 개 정도인데, 통계적 처리를 하기 어려우니 더 많은 불량품이나 부작용이 보고될 때까지 기다릴 순 없는 일이죠.
이런 여러 가지 이유로 많은 논문들이 총 52명과 비슷하거나 혹은 이보다 적은 샘플을 가지고 통계 분석을 하게 됩니다. 따라서 자의든 타의든 간에 졸업하기 위해 논문을 써야 하는 대학원생은 일반적인 통계처리 방법에 대해서 배우면서 이 정도 샘플 숫자를 처리하는 방법도 배우게 됩니다. 학부 과정에서도 일부 배울 수 있겠으나 제가 의대생일 때는 학부 과저에서는 기본적인 통계 방법론에 대한 강의만 들었고 SPSS 같은 통계 프로그램을 다뤄서 실제 논문 데이터를 분석하는 일은 대학원 때 배웠습니다.
그러나 사실 들어도 잘 이해 못하는 경우가 대부분이라 논문을 쓰면서 공부해 터득하신 분들이 적지 않을 것으로 생각됩니다. R에 대한 내용 역시 제가 스스로 독학한 것이 거의 대부분입니다. 그래도 대학이나 대학원 강의 내용이 없었으면 독학도 할 수 없었을 것이기 때문에 학교 공부는 역시 중요합니다.
좀 이야기가 옆으로 흘렀지만, 아무튼 해당 레터(Letter)는 IF가 무려 56.3점인 JAMA에서 받아준 내용으로 당연히 통계적으로 타당한 내용인지를 검증한 후 게재된 것입니다. 직접 읽어본 바로는 통계적으로 크게 흠잡을 때가 없는 내용이었습니다. 그런데 읽던 도중 든 생각이 여기에 사용된 비모수적 통계 방법을 직접 쓸 기회가 없다보니 내용은 아는데, R 통계 분석에서 실제 사용한 적이 없었다는 것입니다.
그래서 공부도 할 겸 겸사 겸사 해서 다시 R 통계 분석 포스트를 시작해 보기로 했습니다. 물론 지금도 검색하면 다 나오는 이야기이고 교재를 통해 배울 수 있는 부분이지만, 더 이해하기 쉽고 따라하기 쉬운 내용으로 최대한 글을 써보면 도움이 되시는 분도 있을 것입니다. 과거 R 통계 및 데이터 분석에 모두 129개의 글이 있는데, 댓글을 통해 질문하셨던 분들도 있고 많은 도움이 되었다는 내용도 많았습니다. 이 내용 역시 도움이 되기를 희망합니다. 그럼 다음 포스팅 부터 시작해 보겠습니다.
댓글
댓글 쓰기