데이터 수집

지속적 이해 (VAR-1): 변동성이 우연일 수도 있고 그렇지 않을 수도 있으므로, 결론은 불확실할 수 있다.

학습 목표 VAR-1.E: 데이터 수집 방법에 대해 답해야 할 질문을 식별하기. [기술 1.A]

• VAR-1.E.1 확률에 의존하지 않는 데이터 수집 방법은 신뢰할 수 없는 결론을 초래한다.

영구적 이해 (DAT-2): 데이터를 수집하는 방식은 우리가 집단에 대해 말할 수 있고 말할 수 없는 것을 결정한다.

학습 목표 DAT-2.A: 연구의 유형을 식별하기. [기술 1.C]

• DAT-2.A.1 집단은 관심 있는 모든 항목이나 주체로 구성된다.
• DAT-2.A.2 연구에 선택된 표본은 집단의 하집합이다.
• DAT-2.A.3 관찰 연구에서는 처리가 가해지지 않는다. 연구자는 집단에 대한 관심 있는 주제에 대해 조사하기 위해 개인 표본의 데이터를 검토(후향적)하거나 개인 표본을 미래로 추적하여 데이터를 수집(전향적)한다. 표본 조사는 표본이 추출된 집단에 대해 알기 위해 표본으로부터 데이터를 수집하려는 관찰 연구의 일종이다.
• DAT-2.A.4 실험에서는 서로 다른 조건(처리)이 실험 단위(참여자 또는 피험자)에 배정된다.

학습 목표 DAT-2.B: 관찰 연구를 기반으로 한 적절한 일반화 및 판단을 식별하기. [기술 4.A]

• DAT-2.B.1 집단에 대한 일반화는 랜덤하게 선택되었거나 해당 집단을 대표하는 표본에 대해서만 적절하다.
• DAT-2.B.2 표본은 그 표본이 선택된 집단에서만 일반화 가능하다.
• DAT-2.B.3 관찰研究中에서 수집된 데이터를 사용하여 변수 간의 인과 관계를 결정하는 것은 불가능하다.

영구적 이해 (DAT-2): 데이터를 수집하는 방식은 우리가 집단에 대해 말할 수 있고 말할 수 없는 것을 결정한다.

학습 목표 DAT-2.C: 연구 설명을 바탕으로 샘플링 방법을 식별하기. [기술 1.C]

• DAT-2.C.1 집단의 항목이 한 번만 선택될 수 있을 때는 이를 복원/sample without replacement이라고 한다. 집단의 항목이 여러 번 선택될 수 있을 때는 이를 부복원/sample with replacement이라고 한다.
• DAT-2.C.2 단순랜덤표본(SRS)은 특정 크기의 모든 그룹이 선택될 동일한 확률을 가지는 표본이다. 이 방법은 다양한 샘플링 메커니즘의 기초가 된다. SRS를 얻기 위해 사용되는 몇몇 메커니즘의 예로는 개인에게 번호를 매겨 랜덤넘버생성기를 사용하여 표본에 포함시킬 것들을 선택(중복 무시), 랜덤넘버표 사용, 또는 부복원으로 카드를 뽑는 등이 있다.
• DAT-2.C.3 층화 무작위 표본(stratified random sample)은 공통된 속성이나 특징(동질적 그룹화)에 따라 모집단을 개별적인 그룹인 층(strata)으로 나누는 것이다. 각 층 내부에서 단순 무작위 표본이 선택되며, 선택된 단위들이 결합되어 최종 표본을 구성한다.
• DAT-2.C.4 클러스터 표본(cluster sample)은 모집단을 작은 그룹인 클러스터(clusters)로 나누는 방법이다. 이상적으로는 각 클러스터 내부에 이질성이 존재하며, 클러스터끼리 구성 면에서 유사해야 한다. 클러스터의 단순 무작위 표본을 모집단에서 선택하여 클러스터 표본을 형성한다. 선택된 클러스터 내의 모든 관측치로부터 데이터를 수집한다.
• DAT-2.C.5 체계적 무작위 표본(systematic random sample)은 무작위 시작점과 고정된 주기적 간격을 사용하여 모집단의 표본 구성원을 선택하는 방법이다.
• DAT-2.C.6 전수 조사(census)는 모집단에 있는 모든 항목/대상을 선정한다.

학습 목표 DAT-2.D: 특정 situations에 대한 sampling method가 적절한지 아닌지를 설명할 수 있다. [Skill 1.C]

• DAT-2.D.1Sampling method마다 답하고자 하는 질문과 표본을 추출할 모집단에 따라 장단점이 다르다.

영구적 이해 (DAT-2): 데이터를 수집하는 방식은 우리가 집단에 대해 말할 수 있고 말할 수 없는 것을 결정한다.

학습 목표 DAT-2.E: Sampling methods에서 발생할 수 있는 bias의 잠재적 원인을 식별할 수 있다. [Skill 1.C]

• DAT-2.E.1 bias는 특정 응답이 다른 응답보다 체계적으로 선호될 때 발생한다.
• DAT-2.E.2 표본이 전적으로 자발적으로 참여하거나 참여를 선택한 사람들로만 구성되어 있을 경우, 그 표본은 일반적으로 모집단을 대표하지 못한다(자발 응답 편향, voluntary response bias).
• DAT-2.E.3 모집단의 일부가 표본에 포함될 확률이 낮아졌을 경우, 그 표본은 일반적으로 모집단을 대표하지 못한다(미포함 편향, undercoverage bias).
• DAT-2.E.4 데이터 확보가 불가능하거나(또는 응답을 거부한) 표본에 선정한 개인들은 데이터 확보가 가능한 개인들과 다를 수 있다(비응답 편향, nonresponse bias).
• DAT-2.E.5 데이터 수집 도구나 과정의 문제가 반응 편향(response bias)을 유발한다. 예로는 혼란스럽거나 유도적인 질문(질문 문구 편향, question wording bias), 자기 보고식 응답 등이 포함된다.
• DAT-2.E.6 비무작위 sampling methods(예: 편의抽样或自愿响应抽样)는 chances를 사용하여 individual들을 선택하지 않기 때문에 bias가 발생할 가능성이 있다.

지속적 이해(VAR-3): 잘 설계된 실험은 인과관계(causal relationships)에 대한 증거를確立할 수 있다.

학습 목표 VAR-3.A: 실험의 구성 요소를 식별할 수 있다. [Skill 1.C]

• VAR-3.A.1 실험 단위(experimental units)는 treatment을 배정받는 개인들(사람 또는 기타 연구 대상 물체)이다. 실험 단위가 사람일 경우, 이들은 때때로 참여자(participants) 또는 피험자(subjects)라고 불리기도 한다.
• VAR-3.A.2 실험에서의 설명 변수(explanatory variable) 또는 요인(factor)은 수준(levels)이 의도적으로 조작되는 변수이다. 설명 변수의 수준 또는 수준의 조합은 treatment이라고 부른다.
• VAR-3.A.3 실험에서의 반응 변수(response variable)는 treatment이 적용된 후에 실험 단위로 부터 측정되는 결과(output)이다.
• VAR-3.A.4 실험에서의 교란 변수(confounding variable)는 설명 변수와 관련이 있으며 반응 변수에 영향을 미칠 수 있어 두 변수 사이에 가짜 연관성을 creation할 수 있는 변수이다.

학습 목표 VAR-3.B: 잘 설계된 experiment의 요소들을 설명할 수 있다. [Skill 1.B]

• VAR-3.B.1 잘 설계된 experiment는 다음을 포함해야 한다:
  • a. 최소 두 개의 treatment 그룹 간의 비교, 그 중 하나는 control group일 수 있다.
  • b. 실험 단위에 대한 treatment의 무작위 배정/allocation.
  • c. 반복(replication)(각 treatment 그룹당 하나 이상의 실험 단위).
  • d. 필요한 경우潜在的 confounding variables에 대한 통제(control).

학습 목표 VAR-3.C: 실험 설계와 방법을 비교할 수 있다. [Skill 1.C]

• VAR-3.C.1 완전 무작위 설계(completely randomized design)에서는 treatments가 실험 단위에 완전히 무작위로 배정된다. 무작위 배정은 통제되지 않은(교란) 변수의 효과를 balancing하는 경향이 있어, 반응의 차이를 treatments로 귀결할 수 있게 한다.
• VAR-3.C.2 완전 무작위 설계에서 treatments를 실험 단위에 무작위로 배정하는 방법으로는 무작위 번호 생성기(random number generator) 사용, 무작위 값 표(table of random values) 사용, 치프(chips)를 교체 없이 뽑기 등 있다.
• VAR-3.C.3 단일 맹검 실험(single-blind experiment)에서는 피험자들이 어떤 treatment을 받고 있는지 모르고, 연구진(R&D team)은 알거나, 반대로 연구진은 모르고 피험자는 아는 상태이다.
• VAR-3.C.4 이중 맹검 실험(double-blind experiment)에서는 피험자와 피험자를 interacts하는 연구진 구성원 모두 피험자가 어떤 treatment을 받고 있는지 모른다.
• VAR-3.C.5 control group은 관심 있는 treatment의 효과가 있는지 확인하기 위해,感兴趣的treatment을 받지 않거나 무효 물질(placebo)이 포함된 treatment을 받는 실험 단위의 집합이다.
• VAR-3.C.6 위약 효과(placebo effect)는 실험 단위가 placebo에 반응할 때 발생한다.
• VAR-3.C.7 무작위 완전 블록 설계(randomized complete block designs)에서는 treatments가 각 블록(block) 내에서 완전히 무작위로 배정된다.
• VAR-3.C.8 blocking은 실험 시작 시점에 각 블록 내부의 단위들이 적어도 하나의 blocking 변수에 대해 서로 유사하도록 보장한다. 무작위 블록 설계는 자연적 변이(natural variability)와 blocking 변수에 의한 차이(differences due to the blocking variable)를 분리하는 데 도움이 된다.
• VAR-3.C.9 매칭된 쌍 설계는 무작위 블록 설계의 특수한 경우입니다. 차단 변수를 사용하여 연구 대상(사람일 수도 있고 그렇지 않을 수도 있음)이 관련 요인에 따라 쌍으로 매칭됩니다. 매칭된 쌍은 자연적으로 형성되거나 실험자가 직접 구성할 수 있습니다. 모든 쌍은 두 가지 처리 조건을 모두 받으며, 한 쌍의 구성원 중 한 명에게 무작위로 첫 번째 처리 조건을 배정하고 나머지 구성원에게는 두 번째 처리 조건을 배정합니다. 대안적으로 각 연구 대상이 두 가지 처리 조건을 모두 받을 수도 있습니다.

지속적 이해(VAR-3): 잘 설계된 실험은 인과관계(causal relationships)에 대한 증거를確立할 수 있다.

학습 목표 VAR-3.D: 특정 실험 설계가 적절한 이유를 설명하시오. [기술 1.C]

• VAR-3.D.1 각 실험 설계에는 관심 있는 질문,可利用한 자원, 실험 단위의 성격에 따라 장단점이 존재합니다.

지속적 이해(VAR-3): 잘 설계된 실험은 인과관계(causal relationships)에 대한 증거를確立할 수 있다.

학습 목표 VAR-3.E: 잘 설계된 실험의 결과를 해석하시오. [기술 4.B]

• VAR-3.E.1 통계적 추론은 수집된 데이터가 도출된 분포에 기반하여 도출된 결론을 귀인합니다.
• VAR-3.E.2 처리 조건의 무작위 배정은 연구자가 관측된 일부 변화가 우연히 일어날 가능성이 매우 낮다는 것을 결론지을 수 있게 합니다. 이러한 변화는 통계적으로 유의미하다고 합니다.
• VAR-3.E.3 실험 처리 그룹 간 또는 내의 통계적으로 유의미한 차이는 처리 조건이 결과에 원인이 되었다는 증거입니다.
• VAR-3.E.4 실험에 사용된 실험 단위가 더 큰 집단의 일부를 대표한다면, 실험 결과를 그 더 큰 집단에 일반화할 수 있습니다. 실험 단위의 무작위 선택은 단위가 대표성을 갖게 될 확률을 높여줍니다.