2026년 11월 16일 월요일

찬성은 무엇에 대한 찬성인가

 

찬성은 무엇에 대한 찬성인가

설문 보기에서 ‘찬성/반대’를 빼자는 제안

설문지를 쓰다 보면 찬반으로 물을지, 동의 여부로 물을지 헷갈릴 때가 많다. 찬반으로 정하고 나서도 응답자가 무엇에 찬성한다는 건지 분명하지 않은 문항이 자주 나온다. 결과표에 ‘찬성 58%’라고 적어 놓고 보면 그 58%가 모두 같은 안에 찬성한 사람들인지 자신이 없어진다.

결론부터 적으면, 나는 설문 보기에 ‘찬성/반대’가 들어가서는 안 된다고 본다. 과격한 주장이라는 건 안다. 그래도 그만큼 오해가 크다. 이 글에서는 찬반과 동의가 어떻게 다른지, 동의 형식에는 어떤 편향이 생기는지, 찬반 형식에서 무엇에 대한 찬성인지가 흐려지는 경우는 언제인지, 보기에서 찬반을 빼면 무엇을 조심해야 하는지 차례로 정리한다. 마지막으로 실무에서 많이 쓰는 ‘그렇다/그렇지 않다’ 보기도 함께 살펴본다.

찬성과 동의는 묻는 대상이 다르다

찬성은 누군가 실행할 수 있는 안에 표를 주는 말이다. 법안, 정책, 사업, 결정처럼 할지 말지 정할 수 있는 것이 찬성의 대상이다. 동의는 어떤 문장이 맞다고 인정하는 말이다. 사실 인식이나 평가, 가치 판단처럼 맞고 틀림을 따질 수 있는 진술이 동의의 대상이다. 원전을 더 짓는 데 찬성하느냐는 질문은 할지 말지를 묻고, 원전이 안전하다는 말에 동의하느냐는 질문은 그 판단이 맞는지를 묻는다.

원칙만 놓고 보면 구분은 어렵지 않다. 대상이 실행할 수 있는 안이면 찬반으로, 맞고 틀림을 따지는 진술이면 동의로 물으면 된다. 문제는 두 형식 모두 실제로 써 보면 따로 골치 아픈 데가 있다는 점이다. 동의 형식은 응답이 한쪽으로 기우는 편향을 안고 있고, 찬반 형식은 무엇에 대한 찬성인지가 흐려지기 쉽다.

동의 형식으로 물으면 ‘그렇다’ 쪽으로 기운다

동의 형식의 오래된 문제는 묵종(acquiescence) 편향이다. 문항 내용과 상관없이 ‘동의한다’, ‘그렇다’, ‘예’로 답하는 경향을 말한다. Krosnick & Presser(2010)가 정리한 연구들을 보면, 열 개 연구에서 어떤 주장에 동의한 사람은 평균 52%였는데 같은 주장을 뒤집은 문장에 동의하지 않은 사람은 42%였다. 논리대로라면 두 숫자가 같아야 한다. 일곱 개 연구에서는 응답자의 22%가 원래 문장과 뒤집은 문장에 모두 동의했다.

Schuman & Scott(1988)이 정리한 미국 GSS의 분할표본 실험은 형식만 바꿨을 때 숫자가 얼마나 달라지는지 보여 준다. 1974년 조사에서 “대부분의 남성이 대부분의 여성보다 감정적으로 정치에 더 적합하다”는 문장에 동의한 응답자는 47.0%였다. 같은 해 다른 응답자 집단에는 남성이 더 적합한지, 남녀가 똑같은지, 여성이 더 적합한지 고르게 했는데, 남성을 고른 사람은 33.1%였다. 1982년 반복 조사에서도 동의형은 37.7%, 선택형은 24.4%로 비슷한 차이가 났다.

묵종은 누구에게나 같은 크기로 나타나지 않는다. Krosnick & Presser(2010)는 교육 수준이 낮은 사람, 생각하는 데 에너지를 덜 쓰는 사람에게서 묵종이 더 크게 나타나고, 문항이 어렵거나 응답자가 지쳤을 때, 대면보다 전화로 물을 때 늘어난다고 정리했다. 집단 간 차이를 보려는 조사라면 이 점이 더 곤란하다. 교육 수준별로 동의율이 다르게 나왔을 때, 그 차이가 생각의 차이인지 묵종 정도의 차이인지 가려내기 어렵다.

최근 연구도 같은 문제를 보고한다. Hill & Roberts(2023)는 미국과 중국에서 음모론이나 잘못된 정치 정보를 믿는 사람의 비율을 ‘동의’, ‘참’, ‘예’로 답하게 하는 문항으로 재면 그 비율이 최대 50%까지 과대 추정된다고 보고했다.

측정의 질을 직접 비교한 연구로는 Saris 외(2010)가 대표적이다. 유럽사회조사(ESS) 2·3차 조사에서 응답자를 무작위로 나눠 같은 내용을 동의형과 항목 고유형(item-specific)으로 물었다. 항목 고유형은 진술에 동의하는지 묻지 않고, 그 진술이 다루는 차원을 직접 묻는 방식이다. 이민을 다룬 실험에서 측정의 질 지표는 항목 고유형 4점 척도가 0.85~0.89, 동의형 5점 척도가 0.48~0.51이었다. 동의형 척도의 점수를 7점, 11점으로 늘려도 나아지지 않았다.

Saris 외는 동의형이 어려운 이유를 응답 과정에서 찾는다. 동의형 문항에 답하려면 응답자는 먼저 그 문장이 다루는 차원에서 자기 위치를 정하고, 그 위치를 다시 동의의 정도로 옮겨야 한다. 항목 고유형에는 이 마지막 단계가 없다. 동의하지 않는다는 답은 해석도 갈린다. 논문에 나온 예로, “나는 대체로 행복한 사람이다”에 동의하지 않는 사람은 불행할 수도 있고, 그저 보통일 수도 있고, 행복한 날이 절반을 조금 넘는 정도일 수도 있다.

휴대전화웹조사에서는 문제가 하나 더 붙는다. 동의 척도를 격자로 늘어놓으면 응답자가 화면을 내리며 같은 열을 연달아 누르기 쉽다. 보기가 문항마다 같으니 문장을 덜 읽고도 답할 수 있어서다.

진술형 문항은 차원을 바로 묻는다

대안은 응답자가 판단할 차원을 보기에 그대로 적는 것이다. 2026년 1월 기후에너지환경부가 한국갤럽과 리얼미터에 맡긴 ‘미래 에너지 대국민 인식 조사’에 좋은 예가 있다. 원전이 안전하다는 문장을 주고 맞는지 묻는 대신, 안전과 위험을 양쪽 끝에 놓고 어디쯤인지 고르게 했다.

문항 예시 1. 원전 안전성 (기후에너지환경부, 2026년 1월)

우리나라 원자력발전이 얼마나 안전하거나 위험하다고 생각하느냐

매우 안전하다 24.3%

약간 안전하다 35.8%

약간 위험하다 27.1%

매우 위험하다 7.2%

한국갤럽 전화조사(전국 만 18세 이상 1,519명) 결과. 문구는 보도에 실린 표현 기준.

한국갤럽 조사에서 안전하다는 쪽은 60.1%, 위험하다는 쪽은 34.3%였다. 응답자는 동의의 정도를 거치지 않고 안전한 정도를 바로 고른다.

입장이 둘로 맞서는 쟁점이면 두 의견을 나란히 보여 주고 어느 쪽에 가까운지 묻는 방식도 있다. 한국갤럽은 2026년 7월 검찰 보완수사권 존폐를 물으면서 “경찰 견제·부실수사 방지를 위해 유지해야 한다”와 “기소·수사 분리 원칙에 따라 전면 폐지해야 한다”를 함께 제시했다. 결과는 유지 61%, 폐지 23%, 의견 유보 16%였다. 앞의 GSS 실험에서 보듯 두 입장을 같이 보여 주면 한 문장에 동의하는지 물을 때보다 묵종이 끼어들 여지가 줄어든다.

이 방식에도 대가는 있다. McClendon(1991)은 전화조사 실험에서 동의형을 선택형으로 바꾸면 묵종이 줄어드는 대신 마지막에 들은 보기를 고르는 순서 효과가 생길 수 있다고 보고했다. 눈으로 읽는 조사에서는 반대로 앞에 놓인 보기를 고르기 쉽다(Krosnick & Alwin, 1987). 선택형을 쓸 때는 보기 순서를 돌려 가며 물어야 한다. 보기마다 이유를 붙인다면 그 이유를 어떻게 쓰느냐에 따라 결과가 움직인다는 점도 감수해야 한다.

동의 형식을 그대로 써도 되는 경우는 좁다. 하나는 메시지나 구호의 문구 자체를 시험할 때다. 이때는 문장을 바꾸는 순간 시험하려던 대상이 사라진다. 다른 하나는 이전 회차나 기존 척도와 비교해야 해서 문구를 손댈 수 없을 때다. 국내 조사에서 자주 쓰는 ‘공감한다/공감하지 않는다’도 같은 계열이어서 같은 문제를 안고 있다.

찬성의 대상이 흐려지는 다섯 가지 경우

찬반 형식은 실행할 안을 묻기 때문에, 동의형처럼 판단을 한 번 더 동의의 정도로 옮겨야 하는 부담은 덜하다. 대신 그 안이 무엇인지 흐려지는 일이 잦다. 응답자가 떠올린 안이 조사자가 생각한 안과 다르면, 찬성률은 서로 다른 안에 찬성한 사람들을 한데 더한 숫자가 된다. 자주 보는 경우는 다섯 가지다.

첫째는 대상에 부정의 뜻이 들어 있는 경우다. 폐지, 금지, 철회 같은 말이 대상에 붙으면 ‘폐지에 반대’처럼 부정이 겹치고, 응답자가 방향을 거꾸로 읽는 일이 생긴다. 금지와 허용은 논리상 서로 뒤집은 말인데도 응답은 대칭으로 나오지 않는다. Rugg(1941)는 미국이 민주주의에 반대하는 공개 연설을 허용해야 하는지와 금지해야 하는지를 응답자를 나눠 물었다. 허용 문항에서 ‘아니오’(허용하지 말아야 한다)는 62%였는데, 금지 문항에서 ‘예’(금지해야 한다)는 46%였다. 1970년대 Schuman & Presser의 재현 실험에서는 이 차이가 더 벌어졌다.

둘째는 사안 이름만 있고 안이 없는 경우다. 아래 문항 예시 2는 2020년 5월 서울대 원자력정책센터가 한국갤럽에 맡긴 조사의 두 문항이다. 원자력을 약간 줄이자는 사람은 질문 2에서 어느 쪽을 골랐을까. 줄이더라도 계속 쓰자는 뜻이면 찬성이고, 줄이자는 뜻에 무게를 두면 반대다. 질문 2만으로는 이 사람의 생각을 알 수 없다. 질문 1은 지금 원자력 비중이 26%라는 사실을 먼저 알려 주고 앞으로 어떻게 할지를 묻는다. 무엇을 기준으로 늘리고 줄이는지가 질문 안에 들어 있다.

문항 예시 2. 원자력 인식 조사 (서울대 원자력정책센터, 2020년 5월)

질문 1. 작년에 우리나라 전기 생산 비중은 석탄 40%, 원자력 26%, 가스 26%, 신재생 6%였습니다. ○○님께서는 전기 생산에서 26%를 차지하는 원자력 비중을 앞으로 어떻게 해야 한다고 생각하십니까?

(1) 많이 늘려야 한다

(2) 약간 늘려야 한다

(3) 현재 수준으로 유지해야 한다

(4) 약간 줄여야 한다

(5) 많이 줄여야 한다

 

질문 2. ○○님께서는 우리나라에서 전기 생산에 원자력 발전을 이용하는 것에 대해 찬성하십니까, 반대하십니까?

(1) 찬성

(2) 반대

한국갤럽 전화조사, 2020년 5월 12~14일, 전국 만 18세 이상 1,000명. 질문 1 보기는 순방향·역방향 로테이션.

안을 구체적으로 적은 예도 있다. 2026년 7월 한국갤럽은 내년도 최저임금을 물으며 세 가지 안을 돌려 가며 제시했다(문항 예시 3). 인상에 찬성하느냐고만 물었다면 앞의 두 안을 고른 64%가 하나의 ‘찬성’으로 묶였을 것이다. 생계비 수준까지 올리자는 사람과 물가만큼만 올리자는 사람은 같은 찬성이 아니다.

문항 예시 3. 내년도 최저임금 (한국갤럽, 2026년 7월)

생계비 보장 가능한 수준까지 인상해야 한다 21%

물가상승률만큼 인상해야 한다 43%

올해 수준으로 동결 또는 인하해야 한다 29%

의견 유보 6%

한국갤럽 데일리 오피니언, 2026년 7월 7~9일, 전국 만 18세 이상 1,002명, 항목 로테이션.

셋째는 행위자와 내용이 섞이는 경우다. 대통령이나 장관, 특정 정당이 내린 결정을 문장의 주어로 놓고 찬반을 물으면 응답자는 결정의 내용과 결정한 사람을 함께 평가한다. 정책 내용을 재고 싶다면 행위자 이름을 빼고 내용만 적거나, 행위자 평가는 따로 물어야 한다.

넷째는 두 결정을 한 문항에 묶는 경우다. 무엇을 폐지하고 대신 다른 것을 도입하는 안처럼 두 결정이 한 문장에 들어 있으면, 한쪽에만 찬성하는 사람은 고를 보기가 없다.

다섯째는 이미 시행 중인 제도를 묻는 경우다. 시행 중인 제도에 찬성한다는 말은 계속하자는 뜻일 수도, 지금 운영이 괜찮다는 평가일 수도 있다. 사형제가 좋은 예다. 한국갤럽이 2022년 7월 사형제를 어떻게 생각하는지 물었을 때 ‘유지해야 한다’가 69%, ‘폐지해야 한다’가 23%였다. 2026년 9월 국제앰네스티 한국지부가 코리아리서치센터에 맡긴 조사는 유지를 둘로 나눴다. ‘유지하고 필요시 집행해야 한다’가 52.9%, ‘현재처럼 법적으로는 유지하되 집행하지 않는 상태를 유지해야 한다’가 34.3%, ‘법적으로도 폐지해야 한다’가 8.5%였다. 두 조사는 시점도 기관도 달라 숫자를 바로 비교할 수는 없다. 그래도 사형제 ‘유지’라는 한 단어 안에 집행하자는 사람과 집행하지 말자는 사람이 함께 들어 있다는 사실은 잘 드러난다.

보기에서 ‘찬성/반대’를 빼자

이런 오해를 줄이는 가장 손쉬운 방법은 보기에서 ‘찬성/반대’라는 말을 빼고 실제 선택지를 적는 것이다. 한국갤럽이 원자력발전 정책 방향을 물을 때 쓰는 ‘확대’, ‘현재 수준 유지’, ‘축소’가 그런 보기다. 2025년 10월 조사에서는 확대 40%, 현재 수준 유지 37%, 축소 11%였고 12%는 의견을 유보했다. 원전에 찬성하느냐고 물었다면 ‘유지’를 고른 37%는 찬성으로도 반대로도 갈 수 있었다. ‘현행대로 유지해야 한다 / 폐지해야 한다’, ‘늘려야 한다 / 지금 수준을 유지해야 한다 / 줄여야 한다’처럼 쓰면 응답자는 무엇에 표를 주는지 헷갈리지 않는다. 결과를 읽는 사람도 ‘찬성’이 어느 방향인지 따로 설명을 듣지 않아도 된다.

보기에서 찬반을 빼면 설계하는 사람도 안을 구체적으로 적을 수밖에 없다. 앞에서 본 오해는 대부분 안이 흐릿한 데서 생기기 때문에, 보기를 바꾸면 질문 본문도 함께 고치게 된다. 내가 이 규칙을 고집하는 이유가 여기에 있다. 질문 본문에는 문항 예시 2의 질문 1처럼 지금 상태와 바꾸려는 내용을 함께 적어 두면 된다.

찬반을 꼭 써야 한다면 적어도 질문에서 양쪽을 모두 말해야 한다. Schuman & Presser(1981)는 이번 겨울 연료가 심각하게 부족해지면 가정의 난방 온도를 낮추도록 강제하는 법이 있어야 하느냐는 질문 끝에 “아니면 그런 법에 반대하십니까”를 덧붙였다. 그러자 법에 찬성하는 응답이 38.3%에서 29.4%로 줄었다(Shaeffer 외, 2005에서 재인용).

예외는 두 가지 정도 남겨 둔다. 하나는 실제 결정이 찬반으로 내려지는 경우다. 2005년 11월 중·저준위 방사성폐기물 처분시설 부지를 정한 주민투표는 유치 찬반 투표였고, 경주가 89.5%의 찬성률로 선정됐다. 투표용지에 찬성과 반대가 적혀 있다면 사전 조사도 같은 형식으로 물어야 실제 결과를 예측할 수 있다. 다른 하나는 이전 회차나 다른 기관 조사와 비교해야 하는 경우다. 앞선 조사가 찬반으로 물었다면 보기를 바꾸는 순간 비교가 끊긴다.

내용을 적은 보기에도 따로 챙길 문제가 있다

‘현행 유지’나 ‘지금 수준’처럼 현재 상태를 가리키는 보기에는 의견이 뚜렷하지 않은 응답자가 몰리기 쉽다. 찬반 보기였다면 ‘모름’을 골랐을 사람이 ‘유지’로 들어오는 셈이다. 가운데 보기를 넣을지, 양쪽 보기의 문구 길이와 어감이 맞는지도 찬반 보기보다 더 따져야 한다.

보기 문구를 누가 쓰느냐도 문제가 된다. 2011년 서울시 무상급식 주민투표는 찬반이 아니라 두 안 가운데 하나를 고르는 방식이었다. 소득 하위 50% 학생을 대상으로 2014년까지 단계적으로 실시하는 안과, 소득 구분 없이 초등학교는 2011년, 중학교는 2012년부터 전면 실시하는 안이 맞섰다. 문안을 정하는 과정에서 시의회 민주당은 두 안 모두 단계적인 내용을 담을 수 있으니 차이가 드러나는 표현을 써야 한다고 주장했다. 서울시교육감은 선택형 주민투표가 정책 선택의 폭과 내용을 왜곡할 위험이 크다며 보편적 무상급식 찬반투표로 바꾸라고 요구했다. 찬반을 빼고 내용을 적으면 그 내용을 어떻게 쓰느냐가 곧 쟁점이 된다. 조사에서도 보기 문구는 양쪽 입장 모두가 자기 주장이 제대로 적혔다고 받아들일 수 있게 써야 한다.

기사에서는 다시 ‘찬성’으로 바뀐다

조사표에서 찬반을 빼도 기사에서는 다시 찬반으로 쓰이기 쉽다. 앞의 기후에너지환경부 조사는 제11차 전력수급기본계획에 포함된 신규 원전 건설 계획이 추진돼야 하는지를 물었고, 보기도 추진과 중단으로 나뉘어 있었다(문항 예시 4). 그런데 한 언론의 기사 제목은 “신규 원전도 69.6% 찬성”이었다.

문항 예시 4. 신규 원전 건설 계획 (기후에너지환경부, 2026년 1월)

제11차 전력수급기본계획에 포함된 신규 원전 건설 계획이 추진돼야 하는가

반드시 추진돼야 한다 32.5%

가급적 추진돼야 한다 37.0%

가급적 중단돼야 한다 17.3%

반드시 중단돼야 한다 5.3%

한국갤럽 전화조사(전국 만 18세 이상 1,519명) 결과. 문구는 보도에 실린 표현 기준.

기자나 고객이 결과를 짧게 옮기다 보면 이런 일을 다 막기는 어렵다. 그래서 보고서와 보도자료에서도 결과를 보기 문구 그대로 쓰도록 표기 원칙을 함께 정해 두는 편이 좋다. ‘추진해야 한다 69.6%’로 쓰면 될 것을 ‘찬성 69.6%’로 바꾸는 순간, 조사표에서 막아 둔 오해가 발표할 때 다시 생긴다.

‘동의한다’와 ‘그렇다’는 어느 쪽이 나은가

실무에서는 ‘동의한다/동의하지 않는다’보다 ‘그렇다/그렇지 않다’를 더 많이 쓴다. 두 형식 모두 진술을 하나 주고 맞는지 묻는 방식이라 묵종 편향도 똑같이 생긴다. ‘그렇다’는 우리말에서 ‘예’나 ‘맞다’에 가까운 말인데, Krosnick & Presser(2010)는 예·아니오형과 참·거짓형에서도 같은 편향이 나타난다고 정리했다. 그래서 동의형뿐 아니라 이 두 형식도 피하고, 차원 전체를 보여 주는 척도로 물으라고 권한다. 두 형식 가운데 어느 쪽에서 묵종이 덜한지 국내에서 비교한 연구는 내가 아는 한 없다.

두 형식의 차이는 어떤 문장에 붙이느냐에서 생긴다. ‘그렇다’는 그 문장이 사실인지, 나에게 해당하는지를 묻는다. 그래서 ‘나는 ~하는 편이다’ 같은 자기 기술 문항이나 행동·경험 문항에 잘 맞는다. ‘동의한다’는 그 문장의 주장을 받아들이는지를 묻기 때문에 ‘정부는 ~해야 한다’처럼 의견이나 당위를 담은 문장에 맞는다. 의견 문장에 ‘그렇다’를 붙이면 응답자는 그 주장이 맞다는 뜻인지 자기 생각이 그렇다는 뜻인지 섞어서 읽는다. 거꾸로 자기 기술 문장에 ‘동의한다’를 붙이면 자기 이야기를 남의 주장처럼 평가하라는 셈이 되어 어색하다.

‘그렇다’가 널리 쓰이는 이유는 아무 문장에나 붙일 수 있어서라고 본다. 격자 하나에 행동 문장과 의견 문장을 섞어 넣어도 보기를 하나로 맞출 수 있다. 대신 그렇게 편하다 보니 문항마다 무엇을 재는지 따지지 않고 넘어가기 쉽다. 자기 기술 문항도 차원을 직접 물을 수 있는 경우가 많다. 어떤 일을 자주 하는 편이라는 문장에 그렇다/그렇지 않다로 답하게 하기보다, 얼마나 자주 하는지 묻고 빈도를 보기로 주는 편이 낫다. ‘자주’를 응답자마다 다르게 해석하는 문제도 함께 줄어든다.

부정문도 조심해야 한다. ‘~하지 않는다’는 문장에 ‘그렇지 않다’나 ‘동의하지 않는다’로 답하게 하면 부정이 겹친다. 우리말에서는 부정문에 ‘그렇다’로 답하면 부정문의 내용을 인정한다는 뜻이 되는데, 역코딩 문항을 섞어 놓으면 응답자가 이 방향을 잘못 읽는 일이 생긴다. 화면을 빨리 넘기는 휴대전화웹조사에서는 더 그렇다. Krosnick & Presser(2010)도 문항 방향을 섞어 묵종을 상쇄하는 방법을 권하지 않는다.

척도 양 끝의 문구가 비대칭이 되는 문제도 있다. ‘매우 그렇다’의 반대쪽은 ‘매우 그렇지 않다’가 우리말로 어색해서 보통 ‘전혀 그렇지 않다’로 쓴다. 그런데 ‘전혀’는 정도가 아니라 0을 뜻하는 말이다. 한쪽 끝은 강도가 센 쪽이고 다른 쪽 끝은 아예 없다는 뜻이어서, 양극형 척도처럼 보여도 양 끝의 무게가 맞지 않는다. 동의 척도에서 ‘전혀 동의하지 않는다’를 쓸 때도 마찬가지다.

문항을 쓰고 나서 확인할 것

설문지 초안을 쓰고 나면 찬반·동의 문항마다 아래를 확인한다.

•     묻는 대상이 할지 말지 정할 수 있는 안인지, 맞고 틀림을 따지는 진술인지 구분했는가.

•     진술이라면 동의 여부 대신 그 차원을 직접 묻는 보기로 바꿀 수 있는가.

•     안이라면 무엇을 얼마나 바꾸는지, 지금 상태는 어떤지 질문에 적었는가.

•     보기를 ‘찬성/반대’ 대신 실제 선택지로 적었는가. 찬반을 남겼다면 그 이유가 실제 투표 형식이나 시계열 비교 때문인가.

•     보고서와 보도자료에서 결과를 보기 문구 그대로 옮기고 있는가.

참고자료

Hill, S. J., & Roberts, M. E. (2023). Acquiescence bias inflates estimates of conspiratorial beliefs and political misperceptions. Political Analysis, 31(4).

Krosnick, J. A., & Alwin, D. F. (1987). An evaluation of a cognitive theory of response-order effects in survey measurement. Public Opinion Quarterly, 51(2), 201–219.

Krosnick, J. A., & Presser, S. (2010). Question and questionnaire design. In P. V. Marsden & J. D. Wright (Eds.), Handbook of Survey Research (2nd ed., pp. 263–313). Emerald.

McClendon, M. J. (1991). Acquiescence and recency response-order effects in interview surveys. Sociological Methods & Research, 20(1), 60–103.

Rugg, D. (1941). Experiments in wording questions: II. Public Opinion Quarterly, 5(1), 91–92.

Saris, W. E., Revilla, M., Krosnick, J. A., & Shaeffer, E. M. (2010). Comparing questions with agree/disagree response options to questions with item-specific response options. Survey Research Methods, 4(1), 61–79.

Schuman, H., & Presser, S. (1981). Questions and Answers in Attitude Surveys. Academic Press.

Schuman, H., & Scott, J. (1988). Replication of the two GSS question form effect experiments, 1974 and 1982. GSS Methodological Report No. 53. NORC.

Shaeffer, E. M., Krosnick, J. A., Langer, G. E., & Merkle, D. M. (2005). Comparing the quality of data obtained by minimally balanced and fully balanced attitude questions. Public Opinion Quarterly, 69(3), 417–428.

국제앰네스티 한국지부(2026). 사형제 관련 국민 인식 조사(코리아리서치센터, 2026년 9월, 1,000명). 한겨레 2026년 10월 5일 보도.

기후에너지환경부(2026). 미래 에너지 대국민 인식 조사(한국갤럽·리얼미터, 2026년 1월 12~16일). 2026년 1월 21일 결과 공개, 헤럴드경제·매일신문 등 보도.

서울대학교 원자력정책센터(2020). 원자력 인식 조사(한국갤럽, 2020년 5월 12~14일, 1,000명).

한국갤럽 데일리 오피니언: 사형제 존폐(2022년 7월), 원자력발전 정책 방향(2025년 10월 14~16일), 내년도 최저임금(2026년 7월 7~9일), 검찰 보완수사권 존폐(2026년 7월 14~16일).

서울시 무상급식 주민투표 문안 논란: 서울신문 2011년 7월 18일, 경향신문 2011년 7월 24일 보도.

방사성폐기물 처분시설 유치 주민투표 결과: 산업자원부 보도자료(2005년 11월 4일).

2026년 11월 15일 일요일

확률표집이라는 표시만으로는 품질을 판정할 수 없게 됐다

 

확률표집이라는 표시만으로는 품질을 판정할 수 없게 됐다

모리스의 「All polls are models now」와 Verasight 보고서를 읽고

올해 미국에서 조사방법론 글 두 편이 잇달아 나왔다. 7월에는 조사회사 Verasight의 피터 엔스(Peter K. Enns, 코넬대 교수)와 조이 마셜(Joey Marshall)이 확률 기반 표본이 더 이상 정확하고 대표성 있는 조사를 가려내는 기준이 될 수 없다는 보고서를 냈다. 9월에는 데이터 저널리스트 엘리엇 모리스(G. Elliott Morris)가 이 보고서를 근거로 「All polls are models now」, 곧 모든 여론조사는 이제 모형이라는 글을 썼다. 두 글의 주장은 하나다. 조사를 볼 때 확률표집인지부터 따지던 습관을 버리라는 것이다.

제목만 보면 무작위 표집의 시대가 끝났다는 선언처럼 읽힌다. 원문의 주장은 그보다 좁다. 두 글은 확률표집이 쓸모없어졌다고 말하지 않는다. 보정만 잘하면 자료를 아무렇게나 모아도 된다고 말하지도 않는다. 확률표집이라는 표시 하나로는 그 조사가 모집단을 제대로 대표하는지 알 수 없게 됐다고 말한다. 이 글에서는 두 글의 근거를 정리하고, 반대편 주장을 함께 살핀 뒤, 우리나라 조사에 대입해 본다.

확률표집에 붙는 조건

확률표집은 모집단의 모든 사람에게 뽑힐 확률이 있고 그 확률을 알 수 있는 표집이다. 이렇게 뽑은 표본이 모집단을 대표한다는 보장에는 조건이 하나 붙는다. 조사에 응한 사람과, 뽑혔지만 응하지 않은 사람이 평균적으로 같아야 한다. 무응답이 무작위로 생기면 무시해도 된다. 응답하지 않은 사람이 조사하려는 내용에서 응답한 사람과 다르면 추정값이 한쪽으로 치우친다.

응답률이 높던 때에는 이 조건이 지켜진다고 믿을 만했다. 퓨리서치센터 전화조사의 응답률은 1997년에 36%였다. 접촉한 세 명 가운데 한 명 넘게 응답했으니 나머지도 크게 다르지 않으리라고 볼 수 있었다. 이 수치는 2018년에 6%로 내려갔다. 엔스와 마셜은 지금 미국에서 가장 엄격하게 하는 확률조사의 응답률을 1.6%에서 3.4% 사이로 본다. 뉴욕타임스·시에나, 퓨리서치센터, AP-NORC의 최근 조사 여섯 건에서 얻은 범위다. 100명을 초대하면 두세 명이 응답한다는 뜻이다. 두 저자는 그 두세 명이 나머지 97명과 다르지 않다고 믿기는 어렵다고 본다.

우리나라도 사정이 비슷하다. 한국갤럽 데일리 오피니언 제677호(2026년 10월 2주)는 이동통신 3사가 제공한 무선전화 가상번호를 무작위로 추출해 전화면접으로 조사했고, 접촉률 42.3%, 응답률 9.7%를 공개했다. 접촉률은 투입한 유효 번호 가운데 통화가 연결된 비율이고, 응답률은 통화가 연결된 10,313명 가운데 응답을 마친 1,000명의 비율이다. 두 비율을 곱하면 약 4.1%다. 유효 번호 100개 가운데 네 개꼴로 응답이 완료됐다.

응답률을 높이면 풀리는 문제도 아니다. 미국선거연구(ANES) 2020년 조사는 응답률이 36.7%였는데도 선거 전 추정에서 바이든의 우세를 11.2포인트로 잡았다. 실제 격차는 4.5포인트였다. 이 조사를 분석한 타일러(Matthew Tyler) 등의 2026년 논문은 트럼프 지지자가 조사에 덜 응했고, 응답을 시작한 뒤에도 끝까지 마치는 비율이 낮았다고 밝혔다.

가중으로는 빠진 사람을 채울 수 없다

조사기관은 무응답으로 생긴 치우침을 가중으로 바로잡는다. 엔스와 마셜은 가중이 치우침을 키우는 예를 든다. 학력이 낮은 사람이 조사에 덜 응한다고 하자. 그리고 응답한 저학력자가 응답하지 않은 저학력자보다 정치에 관심이 훨씬 많다고 하자. 학력으로 가중하면 저학력 응답자의 비중이 커진다. 그런데 이 응답자들은 저학력층 전체를 대표하지 못한다. 가중을 해도 빠진 사람이 표본에 들어오지는 않는다. 응답한 사람의 영향만 커진다. 그래서 정치 관심도 추정값은 가중하기 전보다 더 높아진다.

가중으로 어디까지 바로잡을 수 있는지를 잰 연구도 있다. 퓨리서치센터는 2018년에 옵트인 온라인 표본 3만여 건으로 여러 가중 방법을 시험했다. 어떤 통계 기법을 쓰느냐보다 어떤 변수로 가중하느냐가 정확도에 더 큰 영향을 준다는 것이 결론이었다. 값이 알려진 24개 항목의 평균 편향은 가중 전 8.4포인트였는데, 가장 성과가 좋은 방법으로도 6포인트 아래로 내려가지 않았다. 원래 편향의 30% 정도만 없앤 셈이다.

가중이 완전하지 않은데도 조사 결과는 가중 방식에 크게 좌우된다. 모리스는 올해 8월 위스콘신주 예비선거를 앞두고 나온 한 조사의 원자료를 받아, 8월 예비선거에 실제로 투표하는 사람들의 구성에 맞춰 다시 가중했다. 원자료에서 약 24포인트이던 후보 간 격차의 오차가 약 10포인트로 줄었다. 응답자는 그대로 두고 세는 방법만 바꾼 결과다. 자기 조사에서도 같은 일을 확인했다. 의회 선거에서 어느 당 후보를 찍겠느냐는 문항에서, 정당 지지 분포의 기준을 어느 해 자료로 잡고 무당층을 어떻게 나누느냐에 따라 민주당 우위가 7.1포인트에서 9.2포인트까지 움직였다. 모리스는 어느 기준을 쓰더라도 방법론으로 변호할 수 있는 선택이라고 했다.

모리스가 모든 조사를 모형이라고 부른 이유가 여기에 있다. 예전에는 표본을 어떻게 뽑느냐가 조사의 품질을 정했다. 지금은 뽑은 뒤에 어떻게 보정하느냐가 그만큼, 때로는 그보다 크게 결과를 정한다.

그렇다고 보정만 잘하면 자료를 아무렇게나 모아도 된다는 뜻은 아니다. 앞의 퓨리서치센터 연구에서 가장 좋은 보정으로도 편향의 대부분이 남았다. 모리스도 자료를 모으는 방식과 처리하는 방식이 둘 다 중요하다고 썼다. 보정을 하려면 그에 필요한 정보가 있어야 한다. 가중에 쓸 변수를 조사에서 물어 두어야 하고, 누구에게 몇 명을 접촉해 몇 명이 응답했는지 기록이 있어야 무응답을 따져 볼 수 있다. 이 정보는 조사를 설계하고 실사하는 단계에서만 얻을 수 있다. 모형의 비중이 커질수록 설계와 실사를 더 꼼꼼히 해야 하는 이유다.

그렇다고 확률표집을 버릴 일은 아니다

여기까지 읽으면 무작위 표집의 신화가 무너졌다고 쓰고 싶어진다. 그렇게 쓰려면 먼저 반대편 주장을 봐야 한다. NORC의 이펙 빌겐(Ipek Bilgen)과 데이비드 더트윈(David Dutwin)은 올해 2월에 정반대 글을 냈다. 두 사람은 확률 표본의 오차가 측정할 수 있고 범위가 정해진 오차라고 강조한다. 비확률 표본은 크게 틀릴 수 있는데 그 가능성을 미리 알 길이 없다고 본다. 퓨리서치센터의 2023년 비교 연구에서도 확률 쪽이 더 정확했다. 값이 알려진 28개 항목에서 옵트인 표본 세 개의 평균 절대오차는 5.8포인트였고 확률 기반 패널 세 개는 2.6포인트였다.

엔스와 마셜이 내놓은 숫자도 제목만큼 일방적이지 않다. 2020년 미국 대선을 앞둔 두 달 동안 나온 조사 355개를 분석했더니 확률 표본 조사의 평균 오차가 6%로 비확률 표본 조사보다 컸다. 2024년 대선에서는 확률 표본 조사가 0.9포인트 더 정확했다. 미국여론조사협회(AAPOR) 투명성 이니셔티브에 가입했거나 로퍼센터에 자료를 맡기는 조사로 좁히면 순서가 다시 바뀌어 비확률 표본 조사가 1포인트 더 정확했다. 표집 방식보다 조사기관이 방법과 자료를 얼마나 공개하느냐가 정확도와 더 관계가 깊었다는 얘기다.

글쓴이들이 어디에서 일하는지도 알고 읽어야 한다. 엔스와 마셜은 확률 표본과 비확률 표본을 모두 다루는 조사회사에서 일하고, 모리스의 조사도 그 회사가 수행한다. 세 사람 모두 이 사실을 글에 밝혔다. 엔스와 마셜은 비확률 표본의 약점도 함께 적었다. 비확률 표본에는 뽑힐 확률이 0인 사람이 있고, 무응답 문제도 확률 표본과 똑같이 풀어야 한다. 측정하지 않은 특성에서 표본이 모집단을 닮았다고 가정할 수 없기는 두 방식이 같다는 것이 두 사람의 결론이다.

무작위로 접촉하는 일에는 여전히 쓸모가 있다. 누구에게 몇 명을 접촉했는지 알면 응답률을 계산할 수 있고, 응답한 사람과 응답하지 않은 사람이 어떻게 다른지 따져 볼 근거가 생긴다. 엔스와 마셜이 첫머리에 인용한 마이클 베일리(Michael A. Bailey)의 『Polling at a Crossroads』(2024)도 무작위 표집 패러다임이 낡았다고 진단하면서, 무작위로 접촉하는 조사를 버리자고 하지 않고 무응답을 모형으로 다루는 방법을 제안한다.

확률이냐 대신 물을 두 가지

엔스와 마셜은 표집 방식 대신 두 가지를 물으라고 권한다. 확률 표본에도 비확률 표본에도 똑같이 던지는 질문이다.

하나는 무응답이 한쪽으로 쏠리지 않게 무엇을 했느냐다. 응답률은 답의 일부일 뿐이다. 응답률이 37%에 가까운 조사에서도 무응답 쏠림이 확인됐기 때문이다. 어떤 수단으로 접촉했는지, 몇 번 접촉했는지, 초대 문구는 어땠는지, 어떤 방식으로 응답을 받았는지, 사례는 무엇이었는지를 알아야 한다.

다른 하나는 그 기관이 같은 방식으로 한 지난 조사가 알려진 모집단 값과 얼마나 맞았느냐다. 행정자료로 값이 확인되는 항목과 비교할 수 있고, 선거 결과는 누구나 볼 수 있는 기준값이다. 두 저자는 확률조사 가운데 투표 의향을 묻지 않게 된 곳이 많아 이런 검증 기회가 줄었다고 지적한다.

표 1. 조사를 볼 때 물을 두 가지

질문

확인할 것

무응답이 한쪽으로 쏠리지 않게 무엇을 했는가

접촉 수단, 접촉 횟수, 초대 문구, 응답 방식, 사례, 응답률

같은 방식으로 한 지난 조사가 알려진 값과 얼마나 맞았는가

행정자료·국가통계와 비교한 차이, 선거 결과와 비교한 차이, 그 기록을 공개하는지

자료: Enns·Marshall(2026)의 권고를 정리

모리스는 조사하는 쪽이 할 일을 덧붙였다. 숫자를 하나만 내지 말고, 똑같이 변호할 수 있는 다른 가중 방식으로 낸 값도 함께 보이라고 한다. 가중 기준값이 없는 변수도 가중에 넣어 보고 결과가 얼마나 움직이는지 확인하라고 한다. 무응답이 태도와 얼마나 관련되느냐에 따라 추정값이 어디까지 달라질 수 있는지를 모의실험으로 계산하는 방법도 소개한다. 모리스 스스로 이런 작업으로 조사가 더 정확해지지는 않는다고 인정한다. 달라지는 것은 조사기관이 자기 숫자가 얼마나 달라질 수 있는지를 독자에게 알린다는 점이다.

우리나라 조사에 대입하면

우리나라 조사개요에서 '무작위 추출'은 품질 표시처럼 쓰인다. 가상번호 전화면접조사는 확률표집, 온라인 패널 조사는 비확률표집으로 나누고 앞쪽을 더 믿는 것이 보통이다. 두 글을 읽고 나면 이 구분만으로는 조사를 판정하기에 부족하다.

첫째 질문부터 보자. 선거여론조사는 접촉률과 응답률을 공개한다. 엔스와 마셜은 미국의 확률조사 가운데 응답률을 밝히지 않는 곳이 많다고 썼는데, 그에 비하면 우리 쪽이 앞선 부분이다. 다만 응답률은 답의 일부다. 몇 번까지 다시 접촉했는지, 어떤 문구로 참여를 요청했는지, 사례를 주었는지가 더해져야 첫째 질문에 답이 된다. 온라인 패널 조사라면 패널을 어떻게 모집했고 이번 조사에 몇 명을 초대해 몇 명이 응답했는지를 함께 밝혀야 한다.

둘째 질문은 더 어렵다. 선거여론조사는 선거 결과와 비교할 수 있다. 정책조사나 사회조사는 맞춰 볼 값이 없다. 방법은 있다. 국가통계로 값이 알려진 문항을 조사에 몇 개 넣고, 조사할 때마다 그 차이를 기록해 공개하는 것이다.

필자가 하는 통신사 문자 발송형 휴대전화웹조사도 예외가 아니다. 통신사가 가입자 가운데 조사 대상을 추출해 문자를 보낸다는 사실만으로는 품질을 주장할 수 없다. 문자를 받은 사람 가운데 응답하는 사람은 일부이기 때문이다. 몇 건을 보내 몇 명이 응답을 마쳤는지, 언제 어떤 문구로 보냈고 사례는 무엇이었는지를 밝히고, 알려진 값과 비교한 기록을 내놓아야 두 질문에 답한 것이 된다.

확률표집으로 시작한 조사라는 사실은 여전히 쓸모 있는 정보다. 다만 그 정보 하나로 조사의 품질을 판정하던 때는 지났다. 조사개요를 읽을 때 '무작위 추출' 다음에 무엇이 적혀 있는지를 봐야 한다.

참고자료

Enns, Peter K. and Joey Marshall. 2026. “Probability-Based Samples Can No Longer Serve as the Heuristic for Accurate and Representative Surveys.” Verasight Report (July 21). https://www.verasight.io/reports/probability-based-samples-survey-heuristic

Morris, G. Elliott. 2026. “All polls are models now.” Strength In Numbers (September 10). https://www.gelliottmorris.com/p/2026-09-15-all-polls-are-models-now

Bilgen, Ipek and David Dutwin. 2026. “Using Nonprobability Survey Samples Can Be a Dangerous Gamble.” NORC Research Brief (February 6). https://www.norc.org/research/library/using-nonprobability-survey-samples-can-be-dangerous-gamble.html

Mercer, Andrew and Arnold Lau. 2023. “Comparing Two Types of Online Survey Samples.” Pew Research Center (September 7). https://www.pewresearch.org/methods/2023/09/07/comparing-two-types-of-online-survey-samples/

Mercer, Andrew, Arnold Lau, and Courtney Kennedy. 2018. “For Weighting Online Opt-In Samples, What Matters Most?” Pew Research Center (January 26). https://www.pewresearch.org/methods/2018/01/26/for-weighting-online-opt-in-samples-what-matters-most/

Kennedy, Courtney and Hannah Hartig. 2019. “Response rates in telephone surveys have resumed their decline.” Pew Research Center (February 27). https://www.pewresearch.org/short-reads/2019/02/27/response-rates-in-telephone-surveys-have-resumed-their-decline/

Tyler, Matthew, D. Sunshine Hillygus, Matthew DeBell, Ted Brader, Shanto Iyengar, Daron Shaw, and Nicholas A. Valentino. 2026. “Why are surveys struggling to estimate vote shares?” American Journal of Political Science (early view). Enns·Marshall(2026)에서 재인용.

Bailey, Michael A. 2024. Polling at a Crossroads: Rethinking Modern Survey Research. Cambridge University Press.

한국갤럽. 2026. 데일리 오피니언 제677호(2026년 10월 2주). https://www.gallup.co.kr/gallupdb/reportContent.asp?seqNo=1661

2026년 11월 4일 수요일

이번에는 민주당을 덜 잡았다: 2026 미국 중간선거로 본 선거 여론조사의 오차 방향과 유권자 양극화

 

이번에는 민주당을 덜 잡았다

2026 미국 중간선거로 본 선거 여론조사의 오차 방향과 유권자 양극화

11월 5일 아침 뉴스1에 「美여론조사, 민주당 승리 예측했지만 '블루 쓰나미'는 놓친 이유」라는 기사가 올라왔다. 제목을 보고 잠깐 멈췄다. 지난 10년 동안 미국 선거조사의 고민은 늘 공화당을 덜 잡는 데 있었기 때문이다. 이번 중간선거를 앞두고도 트럼프 대통령은 조사가 가짜이고 조작됐다고 말했고, 마이크 존슨 하원의장은 11월 1일 아이오와 유세에서 공화당 지지자들이 조사에 응하지 않아 공화당이 덜 잡힌다고 말했다.

개표 결과는 반대였다. 민주당은 상원과 하원 다수당을 모두 가져갔고 격차는 조사 평균보다 컸다. 폭스뉴스 조사의 공화당 쪽 파트너인 대런 쇼는 민주당 득표율을 2점쯤 낮게 본 것 같다고 했다. 민주당 쪽 파트너인 크리스 앤더슨은 이번처럼 지각변동 같은 선거는 모형으로 잡을 수 없다고 했다.

이번 오차의 원인을 지금 확정할 수는 없다. 아직 표를 세고 있고 유권자 명부와 대조한 분석은 몇 달 뒤에야 나온다. 그래서 이 글에서는 더 오래된 질문을 다룬다. 선거 여론조사의 오차는 왜 미리 알 수 없는가. 내가 보는 이유는 둘이다. 오차의 방향이 선거마다 바뀌고, 유권자가 양쪽으로 갈릴수록 구성비 오차가 결과에 크게 반영된다. 수치는 11월 5일 오전까지 공개된 미확정 개표 자료와 보도를 기준으로 했다. 격차 단위인 %포인트는 줄여서 점으로 쓴다.

전국 평균으로는 4점을 덜 잡았다

전국 수치부터 보자. 선거 직전 정당 지지 조사의 평균은 리얼클리어폴리틱스(RCP) 기준 민주당 +8.8점, 실버 불리틴 기준 +8.9점이었다. NYT/시에나 최종 전국 조사는 투표예상층에서 52% 대 41%로 +11점이었다. 실제 하원 득표 격차는 디 아규먼트의 락시아 자인이 11월 4일 초기 분석에서 +13점 안팎으로 잡았고, NPR도 유권자 조사 기준으로 최소 +13점으로 보인다고 전했다. 평균 기준으로 4점쯤 덜 잡은 셈이다. 액시오스는 이 크기가 공화당을 덜 잡은 2020년 오차와 비슷하고 2016년과 2024년의 평균 오차보다 크다고 썼다.

13점은 더 바뀔 수 있다. 선거 다음 날 아침까지 AP가 승자를 판정하지 못한 하원 지역구가 60곳이었고 그중 11곳이 캘리포니아였다. 캘리포니아는 선거일 소인이 찍힌 우편투표가 7일 안에 도착하면 센다. 게다가 정당 지지 문항과 하원 득표 합계는 같은 것을 재지 않는다. 후보가 한 명뿐인 지역구가 있으면 득표 합계가 달라진다. 이 글의 2026년 오차는 모두 잠정치로 읽어야 한다.

주별로 보면 전국 평균과 다르다. 상원 경합주 8곳의 최종 조사 평균과 실제 격차를 비교하면(표 1) 평균은 8곳 모두에서 민주당을 덜 잡았는데 그 폭은 크게 다르다. 가장 크게 덜 잡은 곳은 노스캐롤라이나로 9.2점이고 가장 적게 덜 잡은 곳은 캔자스로 2.0점이다.

오차가 큰 세 주인 노스캐롤라이나와 텍사스와 조지아는 모두 남부이고 비백인 유권자가 많다. 더힐에 따르면 주지사 선거에서도 애리조나는 평균이 민주당 +7점에 못 미쳤는데 개표 중 격차가 13점이었고, 텍사스는 평균이 공화당 +1.3점이었는데 민주당 후보가 이겼다. NBC 출구조사에서 라티노 유권자의 민주당 지지는 2024년 51%에서 62%로 올랐다. AAPOR 태스크포스 보고서는 2024년 조사가 라티노의 민주당 지지를 높게 잡았다고 지적했다. 2년 만에 같은 집단에서 오차 방향이 뒤집혔을 가능성이 있다. 다만 주 수가 적고 개표도 끝나지 않았으니 아직 가설이다.

표 1. 2026년 상원 경합주의 조사와 실제 격차(민주당 우세 기준, 점)

주

조사 평균

NYT/시에나 최종

실제 격차

개표율

노스캐롤라이나

+10.4

없음

+19.6

100%

텍사스

+3.0

+7

+12 안팎

99%

조지아

+9.6

없음

+18.0

100%

메인

+2.5

+6

+6.9

91%

아이오와

+0.6

+1

+4.1

99%

미시간

+4.3

+11

+7.0

98%

오하이오

+2.6

+5

+4.8

98%

캔자스

+3.0

+5

+5.0

99%

주: 실제 격차는 11월 4~5일의 미확정 집계다. 조사 평균은 PollCheck 최종 평균이다. 실버 불리틴 최종 평균도 텍사스 +3.3, 오하이오 +3.0, 캔자스 +4.0, 아이오와 +1.1로 비슷했다.

자료: PollCheck; Forbes; Straight Arrow News; NBC News; ABC News; The Hill; El Cronista

조사마다도 달랐다. NYT/시에나 최종 조사가 있는 여섯 주에서 실제 격차와 조사 격차의 차이를 평균하면 +0.8점이다. 민주당을 덜 잡은 텍사스(약 5점)와 높게 잡은 미시간(4.0점)이 섞여 있다. 미시간에서 평균은 민주당을 2.7점 덜 잡았는데 NYT/시에나는 4.0점 높게 잡았다(그림 1). 이번 조사가 틀렸다는 문장은 어느 숫자를 보느냐에 따라 참이 되기도 하고 거짓이 되기도 한다.

오차의 방향은 번갈아 바뀌었다

여론조사가 보수를 덜 잡는다는 말은 2016년 이후 트럼프가 후보로 나온 세 번의 대선에서 굳어진 기억이다. 기록을 더 길게 보면 다르다. 표 2는 2006년 이후 중간선거 여섯 번을 모은 것이다. 선거 직전 RCP 정당 지지 평균에서 실제 하원 득표 격차를 뺐다. 더하기는 조사가 민주당을 높게 잡았다는 뜻이고 빼기는 공화당을 높게 잡았다는 뜻이다.

표 2. 중간선거의 정당 지지 조사와 하원 득표 비교(점)

연도

대통령 소속

RCP 최종 평균

하원 득표 격차

오차

높게 잡은 쪽

2006

공화당

민주 +11.5

민주 +8.0

+3.5

민주당

2010

민주당

공화 +9.4

공화 +6.8

−2.6

공화당

2014

민주당

공화 +2.4

공화 +5.7

+3.3

민주당

2018

공화당

민주 +7.3

민주 +8.6

−1.3

공화당

2022

민주당

공화 +2.5

공화 +2.8

+0.3

사실상 없음

2026

공화당

민주 +8.8

민주 +13 안팎

−4.2 안팎

공화당

주: 정당 지지 문항과 하원 득표 합계는 무투표 지역구 때문에 완전히 같지 않다.

자료: RealClearPolitics 최종 평균(Daily Torch, Ballotpedia, The Democratic Strategist 재인용); The Hill; Axios

여섯 번의 부호가 더하기와 빼기로 번갈아 나온다. 여섯 번으로 규칙을 말할 수는 없고, 2022년의 0.3점은 기준을 바꾸면 부호가 달라진다. 실제로 AAPOR가 모든 선거의 조사를 모은 집계로는 2018년에 민주당을 0.1점, 2022년에 공화당을 0.6점 높게 잡았다. 그래도 어느 한 정당이 늘 덜 잡힌다는 말은 이 표에서 나오지 않는다. 대통령 소속 정당으로 나눠 봐도 규칙이 없다.

이번 오차의 크기도 예상 밖이다. AAPOR는 2024년 평가 보고서에서 2018년과 2022년의 중간선거 오차가 작고 방향도 섞였다고 쓰면서, 중간선거에는 주변부 유권자가 적어 투표층 모형을 세우기 쉽고 접촉하기 어려운 사람도 적다고 설명했다. 이번 4점은 그 두 선거의 오차보다 훨씬 크다.

대통령선거도 같다. AAPOR가 정리한 전국 조사의 오차를 보면 2000년에는 공화당을 3.3점, 2012년에는 3.0점 높게 잡았다. 그러다 2016년부터 세 번 연속 민주당을 높게 잡았다(그림 2). AAPOR는 1930년대 이후 양당이 비슷한 빈도로 낮게 잡혔고, 같은 방향의 오차가 대선 두어 번 넘게 이어진 일은 드물었다고 썼다.

가장 선명한 사례는 뉴저지다. 2021년 주지사 선거에서 RCP 평균은 민주당 필 머피 +7.8점이었는데 실제 격차는 2.8점이었다. 민주당을 5점 높게 잡았다. 2025년에는 같은 공화당 후보 잭 치아타렐리를 상대로 민주당 미키 셰릴이 평균 +3.3점에서 13점 차이로 이겼다. 같은 주 같은 상대를 두고 4년 사이에 오차 방향이 뒤집혔고 크기는 두 배쯤 커졌다. 버지니아 주지사 선거도 평균 +10.2점에서 실제 +15.2점이었다.

트럼프가 투표지에 있던 해와 없던 해로 나누면 설명이 쉬워 보인다. 2016년과 2020년과 2024년에는 공화당을 덜 잡았고, 2018년과 2022년과 2025년과 2026년에는 오차가 작거나 반대였다. AAPOR도 트럼프가 후보가 아닐 때 같은 문제가 이어질지는 불분명하다고 썼다. 하지만 트럼프가 투표지에 없던 2021년 뉴저지에서도 공화당을 덜 잡았으니 이 설명만으로 끝나지는 않는다.

그래서 직전 오차로 다음 오차를 맞히는 시도는 성적이 나빴다. 스트렝스 인 넘버스를 운영하는 G. 엘리엇 모리스는 최근 네 번의 오차로 이번 오차의 방향을 예측하면 조사를 그대로 읽는 것보다 못한 경우가 많았다고 정리했다. 2022년에 여러 예측가가 공화당 표를 얹어 조사를 보정했다가 더 나쁜 예측을 낸 일이 대표적이다.

이번 선거 전에도 경고는 양쪽에서 나왔다. CNN의 해리 엔튼은 9월에 조사가 2024년만큼 공화당을 덜 잡고 있다면 공화당이 상·하원을 지킨다고 계산했다. 공화당 쪽 조사 전문가 패트릭 루피니의 분석으로는 트럼프 시대에 선거 한 달 전 아이오와, 미시간, 오하이오 조사의 93%가 민주당을 높게 잡았다. 반대편에서 모리스는 9월에 지금의 가중 방식이 민주당 격차를 최대 1점 줄이고 있을 수 있다고 썼고, 워싱턴포스트는 10월에 트럼프 투표자의 투표율이 무너지면 2024년 유권자에 맞춘 조사가 민주당을 덜 잡을 수 있다고 경고했다. 선거가 끝나자 서퍽대의 데이비드 팔레올로고스는 앞으로는 이 문제를 한쪽만 보고 물을 수 없다고 말했다.

지난 오차를 고치면 다음 오차의 조건이 바뀐다

왜 방향이 바뀌는가. 표집오차는 표본 크기로 계산할 수 있다. 비응답 편향은 식이 있어도 값을 모른다. 응답자 평균의 편향은 대략 다음과 같다.

편향 ≈ 공분산(응답 확률, 투표 선택) ÷ 평균 응답 확률

분자는 조사에 응할 가능성과 특정 정당에 투표할 가능성이 얼마나 같이 움직이는지를 나타낸다. 누가 왜 응답하지 않는지가 선거마다 달라지므로 이 값은 크기만이 아니라 부호도 바뀐다. 편향의 공식이 그때그때 바뀐다고 말해도 틀리지 않다.

NYT/시에나의 응답 격차가 좋은 예다. 올해 최종 전국 조사에서 백인 민주당 지지자의 응답 가능성은 백인 공화당 지지자보다 약 30% 높았다. 2024년의 16%보다 크고 2020년과 비슷한 수준이다. 2020년에는 조사들이 트럼프를 평균 4점쯤 덜 잡았다. 그런데 2018년과 2022년에는 민주당 쪽 응답이 많았어도 NYT/시에나 조사가 정확했고, 올해는 응답 격차가 컸는데 민주당을 덜 잡았다. 응답 격차의 크기만으로는 오차의 방향을 알 수 없다.

조사회사가 가만히 있었던 것은 아니다. 2016년 뒤에는 학력 가중을 넣었고 2020년 뒤에는 정치 변수를 넣었다. 퓨에 따르면 2024년 전국 조사의 70% 가까이가 정당이나 과거 투표로 가중했다. 퓨 자체 조사에서는 정당 가중으로 격차 정확도가 2점에서 3점 나아졌고, AAPOR 집계로 2024년 조사 611건의 평균 절대 오차는 3.3점으로 2020년의 5.3점보다 줄었다.

문제는 이 보정의 기준이 지난 선거라는 데 있다. 과거 투표 가중은 응답자가 회상한 2024년 투표 분포를 실제 결과에 맞춘다. 여기에는 2024년 투표자와 이번 투표자가 크게 다르지 않고 응답자가 과거 투표를 정확히 말한다는 가정이 들어 있다. 이번 선거에서는 이 가정이 네 경로로 어긋날 수 있었다(표 3). 두 경로는 결과를 공화당 쪽으로, 두 경로는 민주당 쪽으로 기울인다. 합이 어느 쪽인지는 개표 전에 알 수 없다.

표 3. 과거 투표 가중이 어긋나는 경로

경로

일어나는 일

기우는 쪽

2026년에 나온 근거

회상 이탈

실망한 트럼프 투표자가 트럼프를 찍었다고 말하지 않아 남은 충성층의 가중치가 커진다

공화당

모리스의 패널 2,028명 재질문에서 트럼프 투표자의 3.2%가 해리스로 답했고 반대는 1.4%였다. 응답자로는 22명과 11명이다

투표자 구성 변화

트럼프 투표자가 이번에 덜 나왔는데 2024년 분포에 맞추면 이들이 많게 잡힌다

공화당

NBC 출구조사 투표자의 2024년 회상은 해리스 49%, 트럼프 44%다. 2024년 실제 득표는 해리스 48.3%, 트럼프 49.8%였다

이탈자 과다 응답

조사에 응한 트럼프 투표자가 응하지 않은 트럼프 투표자보다 이탈 성향이 강하다

민주당

자인이 9월에 이번 조사의 가장 큰 우려로 꼽았다

열성층 과다 응답

정치 관심이 높은 민주당 지지자가 더 응답한다

민주당

모리스는 이들이 많이 들어오면 공화당이 평균 1점에서 2점 손해를 본다고 추정했다

주: 출구조사의 회상 분포에는 회상 오차와 기권이 함께 들어 있어 둘을 나눌 수 없다. 출구조사는 개표 결과에 맞춰 조정되는 잠정 자료다.

자료: Morris(2026); NBC News 출구조사; GD Politics(2026)

회상 이탈의 작동 방식은 가상의 숫자로 계산해 보면 분명하다. 2024년 투표자 100명이 트럼프 50명, 해리스 50명이라고 하자. 해리스 투표자는 모두 민주당을 찍고 트럼프 투표자 중 5명이 민주당으로 옮긴다. 실제 결과는 민주당 55, 공화당 45로 민주당 +10점이다. 옮겨 간 5명 중 2명이 조사에서 2024년에 해리스를 찍었다고 답하면 회상 분포는 트럼프 48명, 해리스 52명이 된다. 이때 표본은 모집단과 똑같으니 가중 전 격차 +10점은 정확하다. 회상 분포를 실제 득표인 50 대 50에 맞추면 민주당을 찍은 응답자의 가중치가 줄어 격차가 +6.25점이 된다(표 4).

표 4. 회상이 바뀐 표본에 과거 투표 가중을 하면(가상의 100명)

구분

트럼프 회상

해리스 회상

민주당

공화당

격차

가중 전

48명

52명

55.00

45.00

민주 +10.00

가중 후

50명

50명

53.13

46.88

민주 +6.25

주: 내가 만든 계산 예시다. 트럼프 회상 집단의 가중치는 50/48, 해리스 회상 집단의 가중치는 50/52다. 반올림 때문에 민주당과 공화당의 합이 100을 넘는다.

표본에 아무 문제가 없어도 가중 때문에 3.75점이 틀어진다. 회상을 바꾼 사람은 트럼프 투표자의 4%로 모리스가 잰 3.2%와 크게 다르지 않다. 이 계산은 회상을 바꾼 사람이 모두 이탈자이고 반대 방향의 변화는 없다고 놓은 것이어서 실제보다 크다. 모리스가 8월 조사 자료로 추정한 값은 0.8점이었다.

기준 선거를 무엇으로 잡느냐도 문제다. 채즈 너티콤은 많은 조사가 2022년과 비슷한 유권자를 가정했지만 트럼프 첫 임기 중간선거인 2018년이 더 맞는 비교 대상이었다고 봤다. 그는 선거 전에 민주당을 덜 잡고 있을 수 있다는 보고서를 냈고, 이번 오차를 2020년 수준의 오차가 방향만 뒤집힌 것이라고 평가했다.

NYT/시에나의 올해 변경도 같은 고민에서 나왔다. 이 조사는 5월부터 회상 응답 대신 유권자 명부와 모형으로 과거 투표를 추정하는 합성 과거 투표를 가중 기준으로 도입했다. 옛 방식이었다면 최종 조사의 민주당 격차가 평균 3점 더 컸다. 네이트 콘은 이 차이를 두고 조사가 이제 맞아졌거나, 민주당을 덜 잡고 있거나, 응답 격차가 지금까지 중 가장 심한 것일 수 있다고 썼다. 선거 전에는 세 해석을 구분할 수 없었다. 앞의 여섯 주로 계산해 보면 새 방식의 평균 오차는 +0.8점이고, 옛 방식이었다면 민주당을 2점쯤 높게 잡았을 것이다. 이번에는 새 방식이 나았지만 한 번의 선거 결과다.

가중 기준을 어떻게 잡느냐만으로도 숫자가 움직인다. 모리스가 자기 조사를 정당 기준값만 바꿔 다시 가중했더니 민주당 격차가 +7.1점에서 +9.2점까지 달라졌다. 그는 이 2점이 전적으로 연구자의 재량이고 어느 선택도 틀렸다고 할 수 없다고 썼다. 같은 글의 제목이 '이제 모든 조사는 모형이다'이다. 응답률이 낮을수록 표본 설계보다 분석자의 가정이 결과를 더 많이 정한다.

응답하지 않은 대다수는 가중으로 채울 수 없다

이 모든 문제의 바탕에는 낮은 응답률이 있다. 퓨 전화조사 응답률은 1997년 36%에서 2018년 6%로 떨어졌고, NYT/시에나는 접촉한 사람 50명 중 1명도 응답하지 않는다고 밝혔다. 앞의 식에서 평균 응답 확률은 분모에 있다. 공분산이 같다면 응답률이 6%일 때 편향은 60%일 때의 10배다. 응답하지 않은 대다수가 어떤 사람인지 알 수 없으니 가중은 응답한 사람이 그들의 몫까지 답했다고 가정하는 일이다.

응답률만으로 설명이 끝나지는 않는다. Groves & Peytcheva(2008)의 메타분석에서 응답률과 비응답 편향의 관계는 약했다. 응답률 36.7%였던 2020년 ANES 사전조사는 바이든 +11.2점을 보고했고 실제 격차는 +4.5점이었다. 6.7점 오차다. ANES 연구진은 인구·지역 변수를 통제해도 트럼프 지지자가 응답을 덜 했고 면접도 덜 마쳤다고 결론 내렸다. 응답 여부가 투표 선택과 연결되어 있으면 응답률이 높아도 편향을 막지 못한다.

미국은 그나마 비응답자를 일부 안다. 유권자 명부에 투표 이력이 있고 주에 따라 정당 등록도 있다. 그래도 같은 등록 공화당원 안에서 응답한 사람과 응답하지 않은 사람의 차이는 볼 수 없다. 응답 여부가 투표 선택과 이렇게 연결된 배경에 유권자 양극화가 있다고 나는 본다.

쌍봉 분포에서는 구성비 1%의 값이 커진다

미국 유권자가 양쪽으로 갈린 정도는 여러 지표로 확인된다. ANES에서 강한 당파층은 20년 전 30% 남짓에서 2024년 무렵 44%로 늘었다. 1976년에는 대통령과 연방의회를 다른 당으로 찍은 투표자가 4분의 1이 넘었는데 2020년에는 90%가 같은 당으로 찍었다. 2024년 대선에서는 공화당 지지자의 95%가 트럼프를, 민주당 지지자의 95%가 해리스를 찍었다. 상대 당 사람이 다른 미국인보다 비도덕적이라는 응답은 2016년 공화당 47%, 민주당 35%에서 2022년 72%, 63%로 늘었다.

의견 분포가 쌍봉이면 개인의 표는 맞히기 쉬워진다. 지지 정당만 알면 대부분 맞는다. 전체 결과는 반대로 맞히기 어려워진다. 두 집단의 민주당 지지율이 a와 b일 때 한 집단의 구성비가 1%포인트 틀리면 격차는 2(a−b)%포인트 움직인다. 두 집단이 60%와 40%로 갈리면 0.4점이고 95%와 5%로 갈리면 1.8점이다(그림 3). 같은 구성비 오차가 4.5배로 커진다.

쌍봉 구도에서는 승부가 마음을 바꾸는 사람보다 투표장에 나오는 사람에게서 갈린다. 퓨가 투표 기록과 대조한 패널을 보면 2020년 트럼프 투표자의 85%가 2024년에 다시 트럼프를 찍었고 3%는 해리스로 옮겼으며 11%는 투표하지 않았다. 바이든 투표자는 79%가 해리스를 찍었고 5%는 트럼프로 옮겼으며 15%는 투표하지 않았다(그림 4). 양쪽 모두 투표하지 않은 사람이 표를 바꾼 사람의 세 배가량이다.

그러면 조사가 맞혀야 할 대상이 표심에서 구성비로 옮겨 간다. 어려운 점은 응답자 구성과 투표자 구성이 모두 정치 관심과 관련이 있다는 데 있다. 겔먼 외(2016)는 2012년 대선에서 8만 3,283명 패널을 45일 동안 추적해 조사 수치의 출렁임 대부분이 표심 변화가 아니라 응답자 구성 변화였음을 보였다. 자기 후보가 불리해 보이는 시기에는 그 지지자들이 조사에 덜 응했다. 조사에 나타난 변화가 실제 표의 변화인지 응답자 구성의 변화인지는 조사 안에서 구분하기 어렵다.

투표 참여와 지지 정당의 관계도 바뀌었다. 콘에 따르면 2024년에는 공화당이 참여가 낮은 유권자에서 강했는데 올해는 민주당의 상승분이 젊은 층과 비백인, 정치 관심이 낮은 유권자에 몰렸다. NYT/시에나의 9월과 10월 조사에서 등록유권자와 투표예상층의 격차가 거의 같았던 이유다. 그런데 투표 의향이 높거나 이미 투표한 사람만 따로 보면 민주당이 14점 앞섰다. 콘은 민주당 투표율이 조사의 가정보다 높을 수 있다고 썼다. NYT/시에나의 투표층 모형은 과거 투표 이력과 응답자의 투표 의향을 섞는다. 이런 모형은 평소 잘 나오지 않던 사람에게 낮은 가중치를 주므로, 그들이 한쪽 당으로 몰려 나오는 해에는 그 당을 덜 잡게 된다.

양극화는 과거 투표 가중의 효과도 키웠다. AAPOR는 2024년 투표자 대부분이 2020년과 같은 쪽을 찍었으므로 누가 투표할지와 과거 투표를 알았다면 결과를 거의 완벽하게 맞혔을 것이라고 썼다. 위원회가 조사 자료를 다시 가중한 실험에서는 2020년 투표만으로 조사 자료와 2024년 결과의 관계를 50%에서 80% 넘게 설명했다. 표가 잘 움직이지 않는 시기에는 이 보정의 효과가 크다. 같은 이유로 한쪽 지지층만 움직이는 해에는 가중을 할수록 그 변화가 결과에 덜 나타난다.

올해 수치를 넣어 보면 크기를 알 수 있다. NBC 출구조사에서 2024년 해리스 투표자의 97%, 트럼프 투표자의 7%가 민주당을 찍었다. 그림 3의 맨 아래 줄에 가까운 분포다. 같은 출구조사에서 투표자의 2024년 회상은 해리스 49%, 트럼프 44%, 그 밖 7%였다. 해리스와 트럼프 투표자의 비율만 2024년 실제 득표 비율(48.3 대 49.8)로 바꾸면 내 계산으로 격차가 약 5.8점 줄어든다. 이 분포에는 회상 오차와 실제 기권이 섞여 있고 실제 조사는 투표층 모형을 따로 쓰므로 이만큼 차이가 나지는 않는다. 그래도 과거 투표 구성을 어떻게 잡느냐에 이번 전국 오차 4점보다 큰 값이 걸려 있다.

이번 선거는 양극화만으로 설명되지 않는다

내 설명에도 빈틈이 있다. 쌍봉 이야기는 표가 잘 움직이지 않는다는 전제를 깔고 있는데 이번에는 표가 움직였다. 같은 출구조사에서 민주당으로 옮긴 트럼프 투표자는 7%이고 공화당으로 옮긴 해리스 투표자는 2%다. 캔자스에서는 트럼프 투표자의 10%가 민주당 후보에게 갔다. 무당파 남성은 54% 대 42%, 무당파 여성은 63% 대 34%로 민주당을 택했다. 자인은 9월 조사를 바탕으로 민주당 상승분의 약 70%가 표를 바꾼 사람에게서, 약 30%가 투표율에서 나온다고 추정했다. 퓨가 2024년 변화를 주로 투표율로 설명한 것과 다르다.

선거 전 조사에도 신호는 있었다. 퓨의 10월 조사에서 2024년 트럼프 투표자의 77%가 공화당 후보를 지지했고 해리스 투표자의 87%가 민주당 후보를 지지했다. 공화당을 비호감으로 보는 트럼프 투표자 중 공화당 후보 지지는 49%뿐이었고, 민주당을 비호감으로 보는 해리스 투표자 중 민주당 후보 지지는 73%였다. 쌍봉이어도 이탈이 한쪽에서만 생기면 결과는 크게 움직인다. 2%와 7%의 차이는 과거 투표 가중으로 잡기 어려운 변화다. 실망한 사람일수록 과거 투표를 다르게 말할 가능성이 크기 때문이다.

콘이 선거 직전에 가장 걱정한 것은 반대 방향이었다. 공화 강세 다섯 주 조사에서 트럼프 투표자의 미결정 비율이 해리스 투표자의 두 배가 넘었고, 트럼프 투표자의 약 9%가 민주당 후보를 지지했다. 그는 이들이 막판에 돌아오면 지금 조사가 정확하더라도 공화당이 조사보다 잘 나올 수 있다고 봤다. 출구조사 수치로 보면 이들이 대거 돌아온 모습은 아니다. NPR은 트럼프 시대처럼 정치 재편이 큰 시기에는 조사가 어렵다고 썼다. 양극화와 재편이 같이 오면 지난 선거를 기준으로 한 보정은 더 어긋난다.

어렵다는 말과 오차가 커졌다는 말은 다르다

선거 예측이 점점 어려워진다는 느낌이 곧 오차 증가를 뜻하지는 않는다. Jennings & Wlezien(2018)은 1942~2017년 45개국 351개 선거의 조사 3만여 건을 분석해 평균 절대 오차가 2점 안팎에서 커지지 않았다고 보고했다. 이번 선거도 승패 방향은 대체로 맞혔다. 쇼는 캔자스가 접전이고 텍사스가 민주당 쪽으로 움직인다는 것을 선거 전 자료로 알고 있었고, 다만 텍사스의 폭은 놀라웠다고 말했다.

내가 어렵다고 느끼는 부분은 오차의 성격이다. Shirani-Mehr 외(2018)는 1998~2014년 608개 선거의 조사 4,221건을 분석해 실제 오차가 약 3.5점으로 공표된 오차범위가 시사하는 값의 두 배라고 보고했다. 같은 선거의 조사들이 같은 편향을 공유하기 때문이다. 이 부분은 평균을 내도 사라지지 않는다. 표본 1,000명 조사의 오차범위 ±3.1점은 한 후보 지지율의 값이고, 두 후보 격차의 오차범위는 ±6점에 가깝다. 여기에 공통 편향이 더해지는데 그 방향을 미리 알 방법이 없다.

조사를 읽는 사람이 할 수 있는 일은 몇 가지 있다. 지난 선거의 오차를 이번 숫자에 더하거나 빼지 않는 것이 첫째다. 숫자 하나보다 가중 가정별 범위를 보는 것이 좋다. 모리스는 자기 조사가 가정에 따라 D+7이기도 하고 D+9이기도 하다고 함께 공개했고, Andridge 외(2019)가 제안한 방식으로 비응답을 시뮬레이션해 보자고 권했다. 등록유권자와 투표예상층 결과도 나란히 봐야 한다. 평균을 볼 때는 어떤 조사가 들어갔는지 확인해야 한다. AAPOR는 2024년에 공화당 계열 조사가 약간 더 정확했던 것이 공화당에 유리한 숫자를 내는 경향 때문일 수 있고, 그런 경향은 평균 조사가 민주당을 높게 잡는 해에만 정확도로 나타난다고 지적했다. 올해는 그 반대의 해였다.

우리나라 조사는 더 적게 안다

한국 선거에서도 오차 방향은 일정하지 않았다. 2016년 20대 총선에서는 대부분의 사전 조사가 새누리당 과반을 예상했는데 여소야대가 됐다. 2025년 21대 대선에서 방송 3사 출구조사는 이재명·김문수 격차를 12.4점으로 봤고 개표 결과는 8.2점이었다. 앞의 경우는 보수 쪽을 높게 잡았고 뒤의 경우는 민주당 쪽을 높게 잡았다. 조사 종류가 달라 나란히 놓고 비교할 수는 없지만 한쪽이 늘 덜 잡힌다고 말할 근거는 없다.

조건은 미국보다 나쁘다. 미국 조사회사는 유권자 명부로 투표 여부를 확인하고 일부 주에서는 정당 등록까지 본다. 우리는 과거 투표를 쓰려면 투표 여부와 후보 선택을 모두 응답자의 기억에 기대야 하고, 정당 분포의 기준이 될 고응답률 참조조사도 없다. 미국의 2024년 성과를 근거로 과거 투표 보정을 들여온다면 2026년 사례도 같이 봐야 한다. 대통령 평가가 나빠질 때 과거 투표 회상이 어느 쪽으로 움직이는지를 같은 사람을 다시 조사해 확인한 국내 자료를 나는 아직 보지 못했다. 패널을 가진 곳이라면 해 볼 수 있는 일이다.

2028년 대선이 가까워지면 이번에는 민주당을 몇 점 얹어서 읽어야 한다는 말이 나올 것이다. 2022년에 공화당을 얹었던 사람들의 성적은 앞에서 봤다.

참고자료

경향신문(2025.6.4). 21대 대선 방송 3사 출구조사와 개표 결과 보도. khan.co.kr/article/202506041825001

뉴스1(2026.11.5). 美여론조사, 민주당 승리 예측했지만 '블루 쓰나미'는 놓친 이유.

서울신문(2016.4.14). 새누리 과반이라더니… 여론조사 또 빗나갔다.

AAPOR(2025). Task Force on 2024 Pre-Election Polling: Report.

Andridge, R. R., West, B. T., Little, R. J. A., Boonstra, P. S., & Alvarado-Leiton, F.(2019). Indices of non-ignorable selection bias for proportions estimated from non-probability samples. Journal of the Royal Statistical Society Series C 68(5), 1465-1483.

Axios(2026.11.4). Polls missed bigger on the midterms than in 2016.

Ballotpedia News; The Democratic Strategist. 중간선거 정당 지지 평균과 하원 득표 비교 기사.

Cohn, N.(2026.10.30). Questions for a Pollster: What Are Your 'Fears' for the Midterms? The New York Times.

Daily Torch(2025.4.18). 중간선거 정당 지지 평균과 득표 비교 기사. dailytorch.com

El Cronista(2026.11.4). 62 uncalled races are holding Congress hostage.

Forbes(2026.11.2). Final 2026 Midterm Polls: Democrats Lead Key Senate Races In Last New York Times Poll.

Fox News(2026.11.4). Midterm polls undercounted Democrats significantly, pollsters say.

GD Politics(2026.9.28). If The Polls Are Wrong, This Is Why.

Gelman, A., Goel, S., Rivers, D., & Rothschild, D.(2016). The Mythical Swing Voter. Quarterly Journal of Political Science 11(1), 103-130.

Groves, R. M., & Peytcheva, E.(2008). The Impact of Nonresponse Rates on Nonresponse Bias. Public Opinion Quarterly 72(2), 167-189.

Jennings, W., & Wlezien, C.(2018). Election polling errors across time and space. Nature Human Behaviour 2, 276-283.

Keeter, S., & Kennedy, C.(2026.9.16). Weighting Polls on Party Affiliation and Past Vote. Pew Research Center.

Kennedy, C., & Hartig, H.(2019.2.27). Response rates in telephone surveys have resumed their decline. Pew Research Center.

Morris, G. E.(2026). Two big questions about the polls right now(8.28); All polls are models now(9.15); How to update your beliefs with new polling data(9월); The case for and against the polls(10.8); These 2024 Trump voters no longer admit to voting for him(10.22). Strength In Numbers.

NBC News(2026). 2026 Exit Polls; Many voters saw midterm election as a rebuke of Trump.

NPR(2026.11.4). 6 takeaways from Democrats' big midterm wave.

Pew Research Center(2022). As Partisan Hostility Grows, Signs of Frustration With the Two-Party System.

Pew Research Center(2025). Behind Trump's 2024 Victory, a More Racially and Ethnically Diverse Voter Coalition.

Pew Research Center(2026.10.8). With Americans in a Sour Mood, Democratic Voters Are More Engaged in Midterms.

PJ Media(2026.9.1). What if the polls are underestimating the GOP?

PollCheck(2026). US midterms 2026 / Senate. pollcheck.co.uk

RealClearPolling(2025). Are NJ and Virginia Governors' Races Now Toss-Ups?; How Polls Undercounted Democratic Support on Tuesday.

Roll Call(2024.5.14). Will the last ticket-splitting voter please turn out the light.

Shirani-Mehr, H., Rothschild, D., Goel, S., & Gelman, A.(2018). Disentangling Bias and Variance in Election Polls. Journal of the American Statistical Association 113(522), 607-614.

Straight Arrow News(2026.11.2). Polls project a big Democratic win, but they've missed the mark before.

The Hill(2026.11.4). Polls saw the Democratic wave. Here's why they missed the tsunami.

The National Desk(2024). Drop in split-ticket voting shows just how partisan US voters have become: expert.

Washington Examiner(2026.10.9). Are the polls overestimating Senate Democrats again?

필요도는 ‘필요하십니까’로 재지 않는다

  필요도는 ‘ 필요하십니까 ’ 로 재지 않는다 개념 이름을 그대로 물어도 되는 문항 , 안 되는 문항 공공기관 설문지를 보면 재려는 개념의 이름이 질문에 그대로 들어간 문항이 많다 . 필요도를 알고 싶으면 “ 얼마나 필요하다고 생각...