A Study on the Automated Calculation of Confidence Levels and Margins of Error for Public Opinion Surveys and Multi-Stratified Sampling Methods

본 연구는 여론조사 및 설문조사의 신뢰성과 대표성을 강화하기 위해, 95% 신뢰수준과 ±3% 오차를 기준으로 최소 샘플 크기를 자동으로 산출하고 다중층화 샘플링을 구현하는 방법론을 제안한다. 국민건강보험공단의 2022년 건강검진 데이터 100만 건을 활용하여 데이터 전처리를 수행하였으며, Python 3.8 환경에서 PCA(주성분 분석)와 K-Means 알고리즘을 적용하여 모집단의 다양한 특성을 반영한 4개의 군집으로 분류하였다. 이러한 군집을 기반으로, 신뢰수준을 만족하기 위해 산출된 최소 샘플 크기 1,068명을 각 군집에 비례적으로 배분하여 군집 간 대표성을 효과적으로 확보하였다. 본 연구의 주요 공헌은 다음과 같다. 첫째, 신뢰수준과 표본오차를 기반으로 자동 샘플 크기를 산출하는 시스템을 설계하여 기존의 수작업 기반 오류를 줄였다. 둘째, PCA와 K-Means 알고리즘을 활용하여 모집단의 다양한 특성을 효과적으로 반영하는 층화 샘플링 구조를 구현하였다. 셋째, 본 연구에서 구현한 다중층화 샘플링은 기존 단순 무작위 및 층화 샘플링 방법론의 한계(과소/과대표본화, 모집단 구조 반영 부족 등)를 효과적으로 극복할 수 있음을 실증적으로 검증하였으며, 1,068개의 샘플을 4개의 층으로 비례 배분한 결과, 모집단의 특성을 충실히 반영할 수 있는 방법론임을 확인하였다. 본 연구에서 제안된 방법은 여론조사를 넘어 의료 데이터 분석, 정책 연구, 마케팅 조사 등 복잡하고 대규모 데이터셋이 요구되는 다양한 분야에서 신뢰성과 효율성을 보장하는 정밀한 조사 설계를 가능하게 한다.