샘플의 위기, 모델의 부상: MRP는 어떻게 여론조사의 미래가 되는가?
현대의 여론 및 시장 조사는 근본적인 딜레마에 빠져 있습니다. 이론적으로 가장 이상적인 조사 방식인 **‘확률 표본조사(Probability Sampling)’**는 응답률 급락과 비용 급증으로 인해 현실적으로 ‘지속 불가능한’ 방법이 되어가고 있습니다. 한때 여론조사의 표준이었던 전화 RDD(임의번호걸기) 방식은 이제 10%는커녕 5%의 응답률도 담보하기 어려워졌습니다.
그 대안으로 떠오른 온라인 패널 등을 활용한 **‘비확률 표본조사(Non-probability Sampling)’**는 빠르고 저렴하지만, 표본의 대표성 문제를 근본적으로 해결하지 못해 ‘신뢰할 수 없는’ 데이터라는 비판에서 자유롭지 못합니다. 자발적으로 패널에 가입하고 조사에 참여하는 이들은 특정 성향으로 편향(Bias)될 수밖에 없기 때문입니다.
이처럼 ‘지속 불가능한 확률조사’와 ‘신뢰할 수 없는 비확률조사’라는 진퇴양난의 상황 속에서, **MRP(다층회귀분석 및 사후층화, Multilevel Regression and Post-stratification)**는 문제 해결의 관점 자체를 전환하는 새로운 패러다임을 제시합니다.
패러다임의 전환: ‘좋은 표본’에서 ‘좋은 모델’로
전통적인 조사의 철학이 “어떻게 하면 모집단을 완벽하게 대표하는 **‘좋은 표본(Good Sample)’**을 얻을 것인가?”에 집중했다면, MRP의 철학은 “설령 불완전한 표본을 가지고 있더라도, 어떻게 하면 모집단의 구조를 정확하게 반영하는 **‘좋은 모델(Good Model)’**을 만들어 현실을 재구성할 것인가?”에 집중합니다.
1. 과거의 철학: ‘좋은 표본’에 대한 집착
전통적 조사론자들은 ‘좋은 표본’을 얻는 것을 조사의 성패를 가르는 절대적인 기준으로 여겼습니다. 모집단을 정확히 비추는 거울과 같은 표본만 얻을 수 있다면, 그 결과를 집계하고 약간의 가중치를 부여하는 것만으로도 현실을 정확히 설명할 수 있다고 믿었습니다. 모든 노력과 비용은 ‘어떻게 편향 없이 사람들을 뽑을 것인가’라는 샘플링 단계에 집중되었습니다. 하지만 이제 그 ‘좋은 표본’을 얻는 것 자체가 거의 불가능에 가까워진 것입니다.
2. MRP의 철학: ‘좋은 모델’을 통한 현실의 재구성
MRP는 ‘완벽한 표본은 없다’는 현실을 인정하는 것에서 출발합니다. 대신, 다소 편향되거나 불완전한 표본일지라도 그 안에서 **‘사람들의 특성(Demographics)과 의견 사이의 관계’**를 학습하는 정교한 통계 모델을 구축하는 데 집중합니다. 이것이 바로 MRP의 전반부인 **‘다층 회귀 분석(Multilevel Regression)’**입니다.
이 모델은 예를 들어 “서울에 사는 40대 고학력 여성은 A를 지지하는 경향이 강하고, 지방의 60대 저학력 남성은 B를 지지하는 경향이 강하다”와 같은 수많은 규칙들을 데이터로부터 학습합니다.
그다음, 이렇게 만들어진 ‘좋은 모델(예측 공식)’을 우리가 통계청 등을 통해 정확히 알고 있는 실제 모집단 인구 구조 데이터에 적용합니다. 이것이 후반부인 ‘사후 층화(Post-stratification)’ 과정입니다. 즉, 우리 표본에 ‘서울 40대 고학력 여성’이 적게 응답했더라도, 실제 인구수에 맞게 그들의 예측값을 증폭시켜주고, 너무 많이 응답한 그룹은 그 영향력을 줄여주는 방식으로 전체 그림을 재조립하는 것입니다.
결국 MRP는 불완전한 표본(흩어진 점들)을 정보의 원천으로 삼되, 그것을 정교한 모델(규칙)과 정확한 인구 지도(모집단 구조) 위에 올려놓음으로써 현실에 가장 가까운 예측치를 만들어냅니다.
이는 샘플링의 한계를 통계적 모델링의 힘으로 극복하려는 혁신적인 접근법입니다. 완벽한 재료(표본)를 구하는 데 집착하는 대신, 가진 재료의 특성을 정확히 파악하고 최고의 레시피(모델)를 개발해 완벽한 요리를 만들어내는 것과 같습니다. 이 때문에 MRP는 현대 여론조사가 마주한 위기를 돌파할 가장 현실적인 대안으로 주목받고 있습니다.
