왜 그런가요
논문 표에 ‘평균 ± 어떤 숫자’가 보입니다. 숫자가 작으니 대상자들이 서로 비슷했다고 읽어도 될까요? 먼저 각주에서 SD인지 SE인지 확인해야 합니다. 같은 단위로 적혀 있어도 설명하는 대상이 다르기 때문입니다. 이 구별은 간호연구 문제를 풀 때뿐 아니라 연구 결과를 소개하는 글을 읽을 때도 도움이 됩니다.
두 숫자를 나란히 놓아 봅니다
SD · 표준편차
관측된 값들이 평균 주변에 얼마나 흩어져 있는지 설명합니다. 예를 들어 한 집단 대상자들의 측정값 차이를 요약할 때 쓰입니다. 평균만으로 보이지 않는 개인별 차이를 살핍니다.
SE · 표준오차
평균 같은 추정량의 불확실성을 설명합니다. 같은 모집단에서 표본을 반복해 얻는다고 생각할 때 추정값이 얼마나 달라질 수 있는지와 연결합니다. 관측된 개인들의 차이 자체와는 다릅니다.
작은 SE가 작은 SD를 뜻하지는 않습니다
Columbia University의 Andrew Gelman 논문은 표준오차를 추정량의 표준편차에 대한 추정으로 정의합니다. Cochrane Handbook도 SE를 SD로 잘못 해석하는 오류를 경고합니다. 그래서 ‘평균 옆 숫자가 작다’는 정보만으로 대상자들의 값이 모두 비슷했다는 결론을 내리지 않습니다.
단순한 독립 표본 평균에서 사용하는 관계는 평균의 SE = SD ÷ √n입니다. 학습용 가상 숫자로 n=100, SD=10이면 평균의 SE는 1입니다. 표가 평균 ± 1(SE)를 보고했다면 이를 SD=1로 옮겨 적을 수 없습니다. 같은 자료의 개인별 산포는 SD=10으로 요약되며, 계산이 그 차이를 없애 주지 않습니다.
계산식에도 대상과 전제가 붙습니다
이 관계는 모든 연구의 SE에 무조건 적용하는 변환식이 아닙니다. 표의 숫자가 한 집단 평균의 SE인지, 두 평균 차이의 SE인지, 회귀계수의 SE인지부터 확인해야 합니다. 반복 측정이나 군집 구조가 있는 연구에는 다른 계산과 가정이 필요할 수 있습니다. Cochrane도 자료가 불명확하면 저자에게 명확한 정보를 구하도록 설명합니다.
Gelman은 작은 계산상 SE가 측정의 편향이나 모든 불확실성을 해결하는 것은 아니라고 설명합니다. 가상 숫자의 정답이 1이라는 사실과 그 연구가 정확하고 일반화 가능하다는 평가는 별개의 질문입니다. 계산이 간단하다고 연구 설계와 측정 조건을 건너뛰지 않습니다.
평균 옆 숫자에 이름을 붙입니다
표를 옮겨 정리할 때는 ‘평균, SD 또는 SE, 표본 수, 측정 단위’를 함께 적어 보세요. ±만 있고 설명이 없으면 아는 값으로 추정해 채우지 않습니다. 시험 선택지에서 ‘SE가 작으므로 개인 차이가 작다’는 문장을 만나면, 대상자 값의 분산과 평균 추정의 불확실성을 바꾸어 놓았는지 확인하는 것이 핵심입니다.