논문 데이터 결측치·이상치 처리 실전 튜토리얼 (2026)
결측치 처리란 응답이 비어 있는 자료를 어떻게 다룰지 정하는 작업이고, 이상치 처리는 다른 사례들과 크게 동떨어진 값을 어떻게 다룰지 정하는 작업입니다. 두 작업 모두 방법을 고르기 전에 왜 그런 값이 생겼는지 진단하는 것이 먼저입니다.
진단 없이 곧바로 삭제하거나 평균으로 채우면 표본이 편향되고, 그 편향은 이후 모든 분석 결과에 그대로 실려 갑니다. 심사에서 "결측을 어떻게 처리했는가"라는 질문이 자주 나오는 이유이기도 합니다.
결측은 왜 생겼는지 먼저 확인하기
결측은 발생 메커니즘에 따라 세 가지로 구분하는 것이 통계학의 표준적인 접근입니다. Rubin이 제시한 이 구분은 어떤 처리 방법이 허용되는지를 결정합니다.
- 완전 무작위 결측(MCAR) — 결측 발생이 어떤 변수와도 관련이 없는 경우입니다. 응답자가 실수로 한 문항을 건너뛴 상황이 여기에 가깝습니다. 이 경우에는 단순 삭제도 큰 편향을 만들지 않습니다.
- 무작위 결측(MAR) — 결측 여부가 관측된 다른 변수로 설명되는 경우입니다. 예를 들어 남성 응답자가 특정 문항을 더 자주 건너뛰었다면, 성별이라는 관측 변수로 결측을 설명할 수 있습니다. 다중대체가 적합한 상황입니다.
- 비무작위 결측(MNAR) — 결측 여부가 그 변수 자체의 값과 관련된 경우입니다. 소득이 매우 높거나 낮은 사람이 소득 문항에 응답하지 않는 상황이 대표적이며, 통계적 보정만으로는 해결이 어렵습니다.
MCAR인지 확인하는 데는 Little의 MCAR 검정이 널리 쓰입니다. 유의확률이 0.05보다 크면 완전 무작위 결측이라는 가정을 기각하지 못한다는 의미로 해석합니다. 다만 이 검정 하나로 모든 판단을 대신할 수는 없으며, 자료 수집 과정에서 무슨 일이 있었는지에 대한 연구자의 이해가 함께 필요합니다.
결측치 처리 방법 비교
| 방법 | 내용 | 적합한 상황 | 주의점 |
|---|---|---|---|
| 목록별 제거 | 결측이 하나라도 있는 사례를 모두 제외 | MCAR이고 결측 비율이 낮을 때 | 사례 수가 크게 줄어들 수 있음 |
| 대응별 제거 | 해당 분석에 필요한 변수만 있으면 포함 | 상관분석 등 개별 쌍 분석 | 분석마다 사례 수가 달라짐 |
| 평균 대체 | 변수의 평균값으로 채움 | 권장되지 않음 | 분산을 축소해 표준오차를 왜곡 |
| 회귀 대체 | 다른 변수로 예측한 값으로 채움 | 변수 간 관계가 뚜렷할 때 | 불확실성을 반영하지 못함 |
| 다중대체 | 여러 개의 대체 자료를 만들어 통합 | MAR이고 결측 비율이 상당할 때 | 절차가 복잡하고 보고 항목이 많음 |
| 완전정보 최대우도 | 모든 관측 정보를 활용해 모수 추정 | 구조방정식 모형 분석 | 사용 가능한 분석 기법이 제한적 |
평균 대체는 절차가 간단해 여전히 많이 쓰이지만, 채운 값들이 모두 같아 변수의 분산이 인위적으로 줄어드는 문제가 있습니다. 그 결과 표준오차가 과소 추정되어 실제보다 유의한 결과가 나오기 쉽습니다. 결측이 적다면 목록별 제거가, 상당하다면 다중대체가 더 나은 선택인 경우가 많습니다.
이상치는 어떤 기준으로 판별할까?
이상치 판별에는 다음 기준들이 널리 쓰입니다. 하나만 쓰기보다 두세 가지를 함께 보고 일관되게 지목되는 사례를 대상으로 삼는 것이 안전합니다.
- 표준화 점수 — 표준화한 값의 절댓값이 3을 넘는 사례를 이상치 후보로 봅니다. 표본이 클 때는 3.29를 기준으로 쓰기도 합니다.
- 사분위수 범위 — 1사분위수와 3사분위수 사이 범위의 1.5배를 벗어나는 값을 이상치로 봅니다. 상자그림에서 점으로 표시되는 값들입니다.
- 마할라노비스 거리 — 여러 변수를 동시에 고려한 다변량 이상치를 찾을 때 사용하며, 유의확률 0.001을 기준으로 판정하는 관례가 있습니다.
중요한 것은 통계적으로 지목되었다고 해서 곧바로 삭제하지 않는 것입니다. 먼저 입력 오류인지 확인해야 합니다. 5점 척도에 55가 들어가 있다면 명백한 입력 오류이므로 원자료를 확인해 수정하면 됩니다. 반면 실제로 존재할 수 있는 값이라면, 그 사례가 연구 대상의 일부인지 아닌지를 이론적으로 판단해야 합니다. 극단적인 값이 오히려 연구에서 가장 의미 있는 사례인 경우도 있습니다.
SPSS 실행 절차
- 결측 패턴 확인 — 분석 메뉴의 결측값 분석에서 변수별 결측 개수와 비율을 확인하고, 필요하면 Little의 MCAR 검정을 함께 실행합니다.
- 결측 코드 정의 — 응답 거부나 해당 없음처럼 의미가 다른 결측을 서로 다른 코드로 입력했다면 변수 보기에서 결측값으로 지정합니다.
- 기술통계 확인 — 기술통계 메뉴에서 표준화 값을 변수로 저장하고, 절댓값이 3을 넘는 사례를 찾습니다.
- 상자그림 확인 — 데이터 탐색 기능으로 상자그림을 그려 극단값의 사례 번호를 확인합니다.
- 다변량 이상치 확인 — 회귀분석의 저장 옵션에서 마할라노비스 거리를 저장하고 카이제곱 기준으로 판정합니다.
- 처리 실행 — 결정한 방침에 따라 사례를 제외하거나 대체를 수행합니다. 원자료 파일은 반드시 별도로 보관합니다.
여섯 번째 단계에서 원자료를 덮어쓰지 않는 것이 핵심입니다. 처리 전후 파일을 따로 두어야 나중에 판단을 되돌리거나 심사에서 근거를 제시할 수 있습니다. 자료 파일을 단계별로 정리하는 방법은 논문 엑셀 데이터 정리 방법에서 다룹니다.
삭제와 보정, 무엇을 기준으로 결정할까?
실무적인 판단 순서는 다음과 같습니다. 먼저 변수별 결측 비율을 확인합니다. 결측이 5퍼센트 미만이면 어떤 방법을 쓰든 결과 차이가 크지 않다는 것이 널리 인용되는 경험칙입니다. 이 경우 목록별 제거로 처리하고 그 사실을 밝히면 충분합니다.
결측 비율이 이보다 높다면 발생 메커니즘을 확인해 MAR로 볼 수 있는지 판단합니다. MAR이라면 다중대체를 고려하고, 대체에 사용한 변수와 대체 횟수를 논문에 밝힙니다. 특정 변수의 결측 비율이 지나치게 높다면 그 변수를 분석에서 제외하는 것도 정당한 선택이며, 이때는 제외 사유를 반드시 서술합니다.
이상치는 삭제와 유지 중 하나를 고르기 전에 세 번째 선택지를 검토할 가치가 있습니다. 이상치를 포함한 분석과 제외한 분석을 모두 수행해 결과가 달라지는지 확인하는 민감도 분석입니다. 결과가 크게 달라지지 않는다면 이상치 처리에 대한 논란 자체가 해소되고, 크게 달라진다면 그 사실 자체가 보고할 가치가 있는 발견입니다.
논문에는 어떻게 서술할까?
연구 방법 장의 자료 분석 절에 다음 내용을 순서대로 적습니다. 최초 수집 사례 수, 제외한 사례 수와 제외 사유, 최종 분석 사례 수, 결측 비율과 처리 방법, 이상치 판별 기준과 처리 결과입니다.
가장 흔한 실수는 최초 수집 사례 수와 최종 분석 사례 수가 다른데 그 차이를 설명하지 않는 것입니다. 설문 300부를 회수했는데 분석에는 268명이 들어갔다면, 32명이 왜 빠졌는지 한 문장으로라도 밝혀야 합니다. 불성실 응답을 제외했다면 어떤 기준으로 판정했는지도 함께 적습니다.
표본을 애초에 어떻게 설계했는지와 이어 읽으면 서술이 훨씬 자연스러워집니다. 표집 절차는 표본 추출 방법 가이드에서, 전체 분석 흐름 속에서의 위치는 양적 연구 방법 가이드에서 확인할 수 있습니다. 정제한 자료로 척도 구조를 확인하는 다음 단계는 SPSS 탐색적 요인분석 튜토리얼에 이어집니다.
자료 처리 절차를 논문 문장으로 옮길 때 Tesify를 활용해 보세요. 제외 기준과 처리 방법을 학술 문체의 방법 서술로 정리하고, 인용 형식까지 함께 맞출 수 있습니다.
자주 묻는 질문
결측치가 몇 퍼센트를 넘으면 문제가 되나요?
5퍼센트 미만이면 어떤 처리 방법을 써도 결과 차이가 크지 않다는 경험칙이 널리 인용됩니다. 그보다 높으면 발생 메커니즘을 확인하고 다중대체 같은 방법을 검토해야 하며, 특정 변수의 결측이 지나치게 많다면 해당 변수를 분석에서 제외하는 것도 정당한 선택입니다.
평균 대체를 써도 되나요?
권장되지 않습니다. 채워 넣은 값이 모두 같아 변수의 분산이 인위적으로 줄고, 그 결과 표준오차가 과소 추정되어 실제보다 유의한 결과가 나오기 쉽습니다. 결측이 적으면 목록별 제거를, 상당하면 다중대체를 사용하는 편이 낫습니다.
이상치는 무조건 삭제해야 하나요?
아닙니다. 먼저 입력 오류인지 확인해 오류라면 원자료를 보고 수정합니다. 실제로 존재할 수 있는 값이라면 그 사례가 연구 대상에 포함되는지 이론적으로 판단해야 하며, 판단이 어려우면 포함한 분석과 제외한 분석을 모두 수행하는 민감도 분석을 권합니다.
Little의 MCAR 검정 결과는 어떻게 해석하나요?
유의확률이 0.05보다 크면 완전 무작위 결측이라는 가정을 기각하지 못한다는 뜻으로, 단순 제거가 큰 편향을 만들지 않을 가능성이 높다고 봅니다. 다만 이 검정만으로 결정하기보다 자료 수집 과정에서 결측이 왜 발생했는지에 대한 이해와 함께 판단해야 합니다.
불성실 응답은 어떤 기준으로 제외하나요?
모든 문항에 같은 번호로 응답한 경우, 역문항에서 응답이 모순되는 경우, 응답 소요 시간이 비상식적으로 짧은 경우 등이 흔히 쓰이는 기준입니다. 어떤 기준을 적용했든 논문에 명시해야 하며, 자료 수집 전에 기준을 미리 정해 두는 것이 사후 판단보다 신뢰도가 높습니다.
결측과 이상치 처리 기준은 분야와 학술지에 따라 요구 수준이 다르므로, 투고 예정 학술지의 최근 게재 논문에서 실제 보고 방식을 확인해 맞추는 것이 안전합니다. 국내 사례는 KCI(한국학술지인용색인)에서 검색할 수 있습니다.