설문·실험 데이터에 빈칸이 생겼을 때: 행을 삭제하기 전 결측치 처리 순서
설문 응답 한 문항이 비어 있거나, 실험 장비가 일부 측정값을 저장하지 못했거나, 추적 조사 참가자가 중간에 빠지면 분석자는 곧바로 선택의 압박을 받는다. 빈칸이 있는 참가자를 모두 제외할지, 평균값으로 채울지, 통계 프로그램의 결측치 처리 기능을 사용할지에 따라 표본 수와 효과 추정치가 달라질 수 있기 때문이다.
먼저 내릴 결론은 빈칸이 있다는 이유만으로 해당 참가자를 자동 삭제하지 않는다는 것이다. 원본을 보존한 뒤 빈값이 어느 변수·집단·시점에 집중됐는지, 왜 생겼는지, 연구 질문에 필요한 값인지부터 확인해야 한다. 그다음 완전사례 분석, 다중대치, 최대우도법 가운데 자료 구조와 분석 가정에 맞는 방법을 고르고, 가정을 바꾸어도 결론이 유지되는지 민감도 분석으로 점검한다.
이 글은 특정 소프트웨어의 명령어보다 판단 순서를 다룬다. 공식 지침과 공개된 방법론 논문을 바탕으로 검토했으며, 개별 연구에 적합한 모형의 최종 결정은 연구 설계와 변수 분포를 아는 통계 전문가의 확인이 필요할 수 있다.
1. 빈칸을 고치기 전에 원본부터 분리한다
결측치 처리 과정에서는 값을 재코딩하거나 행을 제외하고 대치값을 생성하게 된다. 원본 파일에 직접 덮어쓰면 실제로 수집되지 않은 값과 분석 과정에서 생성한 값이 섞이고, 어떤 참가자가 왜 제외됐는지 되돌리기 어려워진다.
수집 직후의 파일은 읽기 전용 원본으로 보존하고, 정제용 파일과 분석용 파일을 별도로 만든다. 파일명이나 변경 기록에는 생성일, 담당자, 변경 사유, 사용한 코드 버전을 남긴다. NIH는 적절한 데이터 관리에 데이터 보호와 문서화, 복수 사본, 버전 관리가 포함된다고 설명한다. NIH 데이터 관리 안내
- 원본: 설문 플랫폼·장비·자료 제공기관에서 받은 상태 그대로 보존
- 정제본: 오류 수정, 코드 통일, 결측 사유 코드 적용
- 분석본: 연구 질문별 파생변수와 분석 대상 표시 포함
- 코드: 제외, 변환, 대치, 모형 적합 과정을 다시 실행할 수 있게 저장
빈 문자열, 마침표, 999, 0이 모두 같은 결측을 뜻한다고 가정해서도 안 된다. ‘응답 거부’, ‘해당 없음’, ‘측정 실패’, ‘조사하지 않음’은 분석상 의미가 다르므로 원자료의 코드북과 설문 분기 규칙을 먼저 확인한다.
2. 첫 분석은 대치가 아니라 결측 현황표 만들기다
전체 데이터에서 빈칸이 몇 퍼센트인지 하나의 숫자로만 제시하면 중요한 패턴을 놓친다. 분석에 쓰일 변수별 개수와 비율, 참가자별 완전성, 집단별 차이, 반복 측정 시점별 추이를 따로 확인해야 한다.
FDA의 환자 경험 자료 지침은 결측의 빈도와 비율, 주요 하위집단, 발생 사유를 표로 요약하고 종단 자료에서는 방문 또는 평가 시점별로 정리하도록 권고한다. 이 지침은 미국 의료제품 규제에 제출되는 환자 경험 자료를 주된 대상으로 하지만, 설문과 종단 자료를 진단하는 실무 원칙으로 참고할 수 있다. FDA Patient-Focused Drug Development Guidance 1
| 확인 단위 | 표에 넣을 항목 | 판단할 문제 |
|---|---|---|
| 변수별 | 관측 수, 결측 수, 결측률 | 결과·노출·공변량 중 어디가 비었는가 |
| 참가자별 | 완전 응답자 수, 불완전 응답자 수 | 행 삭제 시 실제 분석 표본이 얼마나 줄어드는가 |
| 집단별 | 처치군, 성별, 기관 등 주요 집단의 결측률 | 특정 집단이 더 많이 제외될 위험이 있는가 |
| 시점별 | 기초선과 각 추적 시점의 결측률 | 시간이 지날수록 탈락이 누적되는가 |
| 패턴별 | 함께 비는 변수와 단조·간헐 결측 여부 | 설문 분기, 장비 장애, 중도 탈락 패턴이 있는가 |
완전 응답자와 불완전 응답자의 관측된 특성도 비교한다. 예를 들어 추적 탈락자가 기초선에서 더 중증이거나 특정 처치군에 집중되어 있다면, 남은 참가자만 분석한 결과가 원래 연구 대상 전체를 대표하지 못할 수 있다. TARMOS 프레임워크 역시 변수별 결측률, 완전·불완전 사례의 특성, 결측 여부를 예측하는 관측 변수의 검토를 권한다. TARMOS 원 논문
3. 결측률보다 먼저 ‘왜 비었는가’를 구분한다
결측 원인은 현장 기록에서 출발한다. 단순 입력 누락, 민감 문항 응답 거부, 설문 분기로 인한 해당 없음, 장비 오류, 검체 부족, 방문 불참, 부작용에 따른 중도 탈락을 하나의 빈값 코드로 합치면 분석 가정을 평가할 단서를 잃는다.
통계에서는 결측 발생 구조를 흔히 세 범주로 설명한다. 완전무작위결측은 결측될 가능성이 관측값과 미관측값 모두에 관련되지 않는 경우다. 무작위결측은 관측된 정보를 조건으로 했을 때 결측 가능성이 아직 보지 못한 값 자체에는 의존하지 않는다는 가정이다. 비무작위결측은 관측 정보를 고려한 뒤에도 실제 미관측값이 결측 가능성과 관련되는 경우다.
이 분류는 빈칸의 모양만 보고 확정할 수 없다. 예를 들어 우울 증상이 심한 사람이 후속 설문을 덜 제출했는지는 관측된 기초선 점수와 연락 기록을 통해 어느 정도 평가할 수 있지만, 응답하지 않은 시점의 실제 증상은 보이지 않는다. 따라서 “자료가 무작위결측임을 검정했다”라고 단정하기보다, 현장 지식과 관측 자료를 근거로 어떤 가정을 채택했는지 기록해야 한다.
4. 행 삭제가 비교적 타당한 때와 위험한 때
완전사례 분석은 분석 모형에 필요한 값이 모두 있는 행만 사용하는 방법이다. 구현이 단순하고 대치 모형을 잘못 지정할 위험이 적지만, 포함 변수 하나라도 비면 해당 행이 빠지므로 변수 수가 늘수록 표본 손실이 커질 수 있다.
결측된 사례가 매우 적고, 제외 여부가 연구 결과와 체계적으로 관련되지 않으며, 제외 후에도 필요한 정밀도가 유지된다면 완전사례 분석을 주 분석 또는 비교 분석으로 고려할 수 있다. 일부 방법론 자료는 불완전 사례가 5% 미만인 상황을 실무적 예시로 들지만, 이 수치는 보편적인 안전선이 아니다. 적은 결측도 희귀한 결과나 특정 집단에 몰리면 편향을 만들고, 높은 결측률이라도 연구 질문과 모형 구조에 따라 영향이 달라진다.
행 삭제가 특히 위험한 경우는 탈락 이유가 결과와 관련될 가능성이 있을 때, 처치군이나 기관별 결측률이 다를 때, 핵심 결과변수가 반복해서 비어 있을 때, 제외 후 특정 하위집단이 거의 남지 않을 때다. 삭제 전후의 분석 대상 수뿐 아니라 인구학적·기초선 특성이 어떻게 변하는지도 확인해야 한다.
5. 평균값 하나로 채우면 사라지는 불확실성
평균 대체는 변수의 관측 평균을 모든 빈칸에 넣는 단일 대치법이다. 표본 크기를 유지하는 것처럼 보이지만, 같은 값을 반복해 넣으므로 변수의 분산을 줄이고 변수 간 관계를 바꿀 수 있다. 대치값이 실제 관측값인 것처럼 분석되면 결측으로 생긴 불확실성이 반영되지 않아 표준오차와 신뢰구간도 부적절해질 수 있다.
결측 자료 튜토리얼은 완전사례 분석과 평균 대체가 여러 상황에서 편향된 추정치 또는 인위적으로 좁은 신뢰구간을 만들 수 있다고 설명한다. 따라서 평균 대체는 단지 빈칸을 없애기 위한 기본값으로 사용하지 않는 편이 타당하다. 다중대치 튜토리얼 원 논문
설문 척도의 문항 일부가 비었을 때 개인별 문항 평균을 사용하는 규칙은 일반적인 변수 평균 대체와 구분해야 한다. 이 경우에는 해당 척도 개발자가 허용한 최소 응답 문항 수와 점수 계산 규칙을 확인해야 하며, 임의의 기준을 사후에 만들면 안 된다.
6. 다중대치와 최대우도법은 언제 검토하는가
다중대치는 각 빈칸에 하나의 확정값을 넣는 대신 여러 개의 그럴듯한 값을 생성해 여러 완성 자료를 만들고, 각 자료의 분석 결과를 결합하는 방법이다. 적절히 수행하면 대치값의 불확실성을 최종 표준오차에 반영할 수 있다.
다중대치는 분석 공변량에 결측이 있고, 결측값이나 결측 발생을 예측하는 보조변수가 있으며, 대치모형을 연구의 최종 분석모형과 양립하도록 구성할 수 있을 때 유용할 수 있다. 그러나 변수의 범주와 분포, 비선형 관계, 상호작용, 군집 구조, 처치군을 무시한 대치모형은 오히려 편향을 만들 수 있다. 대치 횟수만 늘린다고 잘못 지정된 모형이 바로잡히는 것도 아니다.
최대우도법은 관측된 자료가 나타날 가능도를 이용해 모형의 모수를 추정하는 접근이다. 반복 측정 혼합모형처럼 각 참가자가 제공한 관측 시점의 정보를 활용할 수 있는 분석에서는 결측 때문에 전체 행을 버리지 않고 추정할 수 있다. NIH Research Methods Resources는 종단 결과의 결측을 다룰 때 이전 결과와 기초선 변수에 의존하는 결측 가능성을 허용하는 최대우도법이나 다중대치를 검토하고, 결측 구조가 불확실하면 민감도 분석을 고려하도록 안내한다. NIH Research Methods Resources의 Missing Outcomes 항목
| 방법 | 검토할 수 있는 상황 | 주요 위험 |
|---|---|---|
| 완전사례 분석 | 표본 손실이 작고 제외가 결과를 왜곡하지 않는다는 근거가 있음 | 정밀도 저하, 선택 편향 |
| 다중대치 | 불완전 공변량과 유용한 보조변수가 있고 대치모형을 타당하게 지정할 수 있음 | 대치모형 불일치, 분포·상호작용·군집 구조 누락 |
| 최대우도법 | 반복 측정 등 관측된 일부 결과를 분석모형이 직접 활용할 수 있음 | 모형과 결측 가정이 틀리면 결과가 왜곡됨 |
| 민감도 분석 | 주 분석의 결측 가정이 확정될 수 없거나 결측이 결론에 중요함 | 현실성과 근거가 없는 대안 가정을 임의로 선택 |
7. 민감도 분석은 다른 방법을 무작정 나열하는 절차가 아니다
민감도 분석은 핵심 가정이 달라졌을 때 연구 결론이 얼마나 변하는지 확인하는 분석이다. 완전사례 분석과 다중대치 결과를 비교하거나, 미응답자의 실제 값이 관측된 사람보다 일정 수준 높거나 낮다고 가정하거나, 결론이 뒤집히는 지점을 찾는 방식이 가능하다.
분석 방법만 바꾸고 서로 다른 연구 질문을 추정하면 적절한 비교가 아니다. FDA가 채택한 ICH E9(R1)은 주 분석과 민감도 분석이 같은 추정 대상에 맞춰져야 하며, 핵심 가정을 명시하고 그 가정에서 벗어날 때 결론이 견고한지 평가해야 한다고 설명한다. 이 문서는 주로 임상시험의 처치 효과를 대상으로 하지만, 연구 질문·추정 대상·분석 가정을 일치시키라는 원칙은 일반 연구에도 중요하다. ICH E9(R1) 최종 지침
가정을 바꿔도 효과의 방향과 실질적 크기, 불확실성에 대한 해석이 유사하다면 결측치 처리에 대한 신뢰가 높아진다. 반대로 방법에 따라 유의성이나 효과 방향이 바뀐다면 하나의 결과만 골라 보고하지 말고, 어떤 결측 가정에서 결론이 달라지는지 제한점에 밝혀야 한다.
8. 연구 유형에 따라 추가로 확인할 예외
설문조사
조사 대상 전체가 참여하지 않은 단위 무응답과 참여자가 일부 문항만 건너뛴 항목 무응답을 구분한다. 표본추출확률과 응답확률을 반영한 가중치가 있다면 단순 대치와 별개로 조사설계 기반 분석을 검토해야 한다. ‘해당 없음’은 실제 결측이 아닐 수 있으므로 설문 분기와 분석 대상 정의를 먼저 확인한다.
종단연구
중도 탈락과 간헐적 결측을 구분하고, 탈락 직전의 결과와 기초선 특성이 탈락을 예측하는지 살핀다. 이전 시점의 결과는 대치모형이나 최대우도 모형에 중요한 정보를 줄 수 있지만, 탈락 후의 궤적이 남은 참가자와 같다는 가정은 자동으로 성립하지 않는다.
무작위시험
치료 중단, 다른 치료로 전환, 구조 약물 사용, 사망을 단순한 빈칸으로 묶지 않는다. ICH E9(R1)은 치료 중단 같은 중간 사건과 실제 자료 미수집을 구분한다. 먼저 어떤 치료 효과를 묻는지 정의한 뒤, 그 질문에 필요하지만 수집되지 않은 값만 결측 자료 문제로 다뤄야 한다.
9. 분석계획서와 논문에 남겨야 할 기록
결측치 처리 방법의 이름만 쓰면 재현하기 어렵다. 계획 단계에서 예상 원인과 주 분석을 정하고, 자료 확인 후 계획을 변경했다면 변경 시점과 이유를 구분해 기록한다. 임상시험 결측 자료에 관한 미국 National Academies 합의 보고서도 결측을 줄이는 설계와 수행, 분석 가정의 명시, 프로토콜 단계의 계획을 강조한다. National Academies 결측 자료 합의 보고서 안내
- 연구계획서: 예상 결측 원인, 예방 절차, 주 분석법, 주요 가정, 민감도 분석
- 데이터 사전: 결측 코드와 사유, 해당 없음과 미측정의 구분
- 분석 코드: 분석 대상 선정, 대치모형 변수, 대치 횟수, 난수 시드, 결과 결합 절차
- 결과표: 변수·집단·시점별 결측 수와 비율, 방법별 분석 표본 수
- 논문 방법: 사전 계획 여부, 완전사례 또는 대치·최대우도 절차, 소프트웨어와 주요 설정
- 논문 제한점: 확인할 수 없는 결측 가정, 방법에 따른 결과 차이, 일반화 가능성
10. 분석 전 결측치 처리 판단 흐름
- 원본을 보존하고 정제본과 분석본을 분리한다.
- 결측 코드, 설문 분기, 측정 불가능과 미수집을 구분한다.
- 변수별·참가자별·집단별·시점별 결측 현황표를 만든다.
- 현장 기록을 이용해 응답 거부, 측정 실패, 탈락 등 사유를 정리한다.
- 행 삭제 후 남는 표본 수와 참가자 구성이 어떻게 달라지는지 확인한다.
- 결측 여부와 관련된 관측 변수, 활용 가능한 보조변수를 찾는다.
- 연구 질문과 자료 구조에 맞춰 완전사례, 다중대치 또는 최대우도 접근을 정한다.
- 선택한 방법의 결측 가정과 모형 가정을 분석계획서에 적는다.
- 현실적인 대안 가정으로 민감도 분석을 수행한다.
- 모든 분석의 표본 수, 효과 추정치, 불확실성, 결론 차이를 함께 보고한다.
최종 판단
결측치 처리 방법은 빈칸의 비율 하나로 선택할 수 없다. 빈값의 위치와 패턴, 발생 이유, 연구 질문에 필요한 변수, 관측된 보조정보, 최종 분석모형을 함께 보아야 한다.
행 삭제는 근거가 있을 때 사용할 수 있는 분석법이지 기본 정리 기능이 아니다. 평균 대체 역시 불확실성을 없애 보이게 할 뿐이다. 주 분석을 정한 뒤에는 다른 결측 가정에서도 결론이 유지되는지 확인하고, 달라진다면 그 차이 자체를 연구 결과의 불확실성으로 보고해야 한다.
검증이 더 필요한 부분
- 수집 시스템에서 빈 문자열, 0, 999 등 각 코드가 뜻하는 실제 결측 사유
- 사용한 척도의 개발 지침이 문항 일부 누락 시 개인별 점수 계산을 허용하는지 여부
- 연구 설계의 군집·가중치·반복 측정 구조가 대치모형과 최종 분석모형에 반영됐는지 여부
- 선택한 R·Python·SPSS·Stata 패키지 버전에서 대치, 최대우도 추정, 결과 결합 설정이 의도대로 적용됐는지 여부
- 소속기관, 연구비 지원기관, 목표 학술지 또는 임상시험 프로토콜이 요구하는 결측 자료 보고 항목
출처 및 확인일
NIH 데이터 관리 자료, NIH Research Methods Resources, FDA 환자 경험 자료 지침, ICH E9(R1), National Academies 합의 보고서, TARMOS 및 다중대치 원 논문을 확인했다. 자료 확인일은 2026년 9월 20일이다. 규제 지침은 주된 적용 대상이 임상시험 또는 미국 규제 제출 자료일 수 있으므로 일반 설문·실험 연구에서는 방법론적 참고 기준으로 사용하고, 해당 기관과 학술지의 최신 규정을 별도로 확인해야 한다.
