사진 Whoisjohngalt / CC BY-SA 4.0
데이터로 읽는 인구총조사
행정자료와 표본을 결합한 2025 인구주택총조사
확률과 통계 · 통계적 추정 · 수학교육
통계청은 2025년 인구주택총조사를 등록센서스(행정자료)와 표본조사를 결합하는 방식으로 진행했습니다. 모든 가구를 일일이 묻는 대신, 12개 공공기관과 약 400개 대학의 행정 데이터로 기본 정보를 채우고, 자세한 항목은 전체 가구의 약 20%를 표본으로 뽑아 5년마다 조사합니다.
표본에서 얻은 값으로 전체를 추정하는 이 과정은, 통계적 추정 단원을 실제 국가 통계와 직접 연결합니다. 한정된 표본으로 모집단 전체의 속성을 가늠하는 통계의 사고가, 인구 정책의 바탕이 되는 셈입니다.
'통계적 추정' 단원의 핵심은 예측하려는 집단(모집단)의 속성을 표본으로부터 추정하는 방법입니다. 이를 위해 먼저 확률변수와 확률분포를 다룹니다. 시행 결과에 수를 대응시킨 것이 확률변수이고, 그 값과 확률의 대응 관계가 확률분포입니다. 이산확률변수의 기댓값(평균)과 표준편차로 분포의 중심과 흩어진 정도를 나타내며, 이 분포를 바탕으로 표본에서 모집단을 추정합니다.
인구주택총조사가 일부 표본 항목으로 전체 인구의 특성을 추정하는 방식은, '통계적 추정' 단원의 정의 그 자체입니다. 모든 가구를 조사하지 않고도, 표본의 분포로 모집단 전체를 가늠합니다.
이때 표본평균과 그 표준편차가 추정의 근거가 됩니다. 표본이 흩어진 정도가 작을수록 추정의 신뢰도가 높아지기 때문입니다. 통계청이 행정자료로 기본을 채우고 표본을 더하는 설계도, 추정의 정확도를 높이려는 같은 맥락에서 이해할 수 있습니다.
표본으로 전체를 추정할 때 가장 중요한 것은, 추정값이 하나의 수가 아니라 '얼마쯤이고 그 둘레로 어느 정도 흔들린다'는 범위라는 점입니다. 크기 n의 표본을 거듭 뽑으면 표본평균들이 다시 하나의 분포를 이루는데, 이 표본평균의 분포의 표준편차는 모표준편차를 √n으로 나눈 값입니다. 표본을 키울수록 이 값이 줄어, 추정의 신뢰구간 폭이 좁아집니다.
인구주택총조사가 모든 항목을 전수로 묻지 않는 까닭이 여기 있습니다. 가구 수와 주택 같은 기본 정보는 이미 행정자료에 정확히 들어 있으므로 표본이 필요 없습니다. 반면 통근 시간이나 종교처럼 행정자료에 없는 항목은, 전 국민을 묻는 비용 대신 약 20%를 표본으로 조사해 모집단을 추정합니다. 이때 표본을 전체를 고르게 대표하도록 뽑는 것(표본대표성)이 추정의 정확도를 좌우합니다. 특정 지역이나 계층에 치우치면, 표본이 아무리 커도 추정이 한쪽으로 쏠리기 때문입니다.
생기부 기재 예시
2025 인구주택총조사가 등록센서스와 표본조사를 결합해 진행된 사례에 호기심을 가져 통계적 추정의 의미를 탐구함. 행정자료로 기본 정보를 채우고 일부 항목을 표본으로 추정하는 구조를 조사하며, 모집단을 전수조사하지 않아도 표본으로 전체 특성을 가늠할 수 있음을 설명함. 또한 확률변수와 확률분포, 이산확률변수의 기댓값과 표준편차를 정리해 표본의 흩어진 정도가 추정의 신뢰도에 미치는 영향을 논리적으로 분석함. 특히 표본의 표준편차가 작을수록 추정이 안정된다는 점을 근거로 제시하며 행정자료와 표본을 결합한 방식의 장점을 구체적으로 비교함. 이를 바탕으로 인구 정책과 연결된 통계의 활용 가치를 체계적으로 정리한 탐구 보고서 작성에서 적극적인 모습을 보임
* 2026 생기부 기재 가이드라인, MOE Q&A와 FAQ, 메디컬저널 작성 공식 반영