평균만 보게 되면 놓칠 수 있는 것은?

통계분석 결과를 정리할 때 가장 익숙하게 접하는 값 중 하나가 평균입니다.

이 평균을 확인하면 연구대상자들의 응답이 대체로 어느 정도 수준에 있는지 파악할 수 있긴 하나 데이터의 특징을 모두 설명하기는 어렵습니다.

같은 평균을 가진 데이터라도 각각의 값이 평균 주변에 모여 있는지, 넓게 흩어져 있는지에 따라 데이터의 모습이 달라질 수 있기 때문입니다.

A집단과 B집단의 만족도 평균이 모두 4점이라고 가정해보겠습니다.

A집단의 응답이 대부분 4점 주변에 모여 있다면 구성원들의 만족도 수준이 비교적 비슷하다고 볼 수 있습니다.

반면 B집단에서는 1점과 5점처럼 낮은 응답과 높은 응답이 함께 나타났는데 결과적으로 평균이 4점이 되었을 수도 있습니다.

두 집단의 평균은 같지만 실제 응답의 분포는 서로 다른 것입니다.

이러한 차이를 살펴볼 때 함께 확인하는 값이 표준편차입니다.

각각의 값이 평균을 중심으로 어느 정도 퍼져 있는지를 보여주는 지표이죠.

표준편차가 상대적으로 작다면 응답값들이 평균 주변에 비교적 모여 있다는 의미이고, 크다면 응답값들이 보다 넓게 분포하고 있다는 의미로 이해할 수 있습니다.

연구대상자의 주요 변수를 기술할 때는 평균만 제시하기보다 표준편차를 함께 확인하는 것이 좋습니다.

특히 여러 집단이나 변수를 비교한다면 평균의 높고 낮음뿐 아니라 각 데이터가 어떻게 분포하고 있는지도 살펴봐야 합니다.

하지만 측정 척도의 범위와 변수의 특성 등을 함께 고려하여 해석해야 하기 때문에 표준편차 역시 숫자 하나만 보고 크다거나 작다고 단정하지 않길 바랍니다.

통계분석에서 평균은 데이터를 이해하는 출발점이 될 수 있지만 그것만으로 데이터 전체의 모습을 보여주지는 못합니다.

평균과 표준편차를 함께 살펴보면 연구대상자의 전반적인 수준과 응답이 어느 정도 흩어져 있는지를 보다 구체적으로 파악할 수 있습니다.