메타분석 출판편향 방지: Rosenthal 실패안전수 신뢰구간 연구

초록

본 논문은 Rosenthal의 실패안전수(FSN)에 대한 신뢰구간을 구축하는 통계적 방법을 제시한다. 연구자는 메타분석에 포함된 연구 수가 고정인지 무작위인지에 따라 서로 다른 분산 추정량을 도출하고, 다섯 가지 분산 추정법을 제안한다. 정규 근사와 비모수 부트스트랩을 이용한 신뢰구간을 시뮬레이션으로 검증한 결과, 반정규분포 기반 분산 추정량이 가장 높은 신뢰구간 커버리지를 보였다. 최종적으로 하한 신뢰구간 표를 제공한다.

상세 요약

이 연구는 Rosenthal이 제안한 실패안전수(FSN)가 메타분석에서 출판편향을 정량화하는 데 널리 사용됨에도 불구하고, 그 통계적 특성이 충분히 규명되지 않았다는 점에 착안한다. 저자는 먼저 메타분석에 포함된 연구 수(N)가 고정된 경우와 무작위로 추출된 경우를 구분하여 각각의 경우에 대한 분산 구조를 수학적으로 도출한다. 고정 N 상황에서는 각 연구의 효과 크기와 표준오차가 독립적으로 가정되며, 무작위 N 상황에서는 연구 수 자체가 확률변수로 모델링되어 추가적인 변동성을 반영한다.

다섯 가지 분산 추정량은 (1) 일반 정규분포 가정, (2) t‑분포 가정, (3) 반정규분포(Half‑Normal) 가정, (4) 비대칭 분포 가정, (5) 부트스트랩 기반 비모수 추정으로 구성된다. 특히 반정규분포 가정은 효과 크기의 절대값만을 고려함으로써 양의 편향을 보정하고, 실험적 데이터에서 흔히 관찰되는 비대칭성을 최소화한다.

신뢰구간 구축 방법으로는 두 가지 접근법을 사용한다. 첫 번째는 대표본 정규 근사를 이용한 전통적 방법으로, 추정된 평균 FSN에 표준오차를 곱해 z‑값을 적용한다. 두 번째는 비모수 부트스트랩으로, 원본 메타데이터를 재표본추출하여 FSN 분포를 직접 추정한다. 부트스트랩은 특히 표본 크기가 작거나 분포 가정이 위배될 때 강건한 결과를 제공한다.

시뮬레이션 단계에서는 다양한 모집단 분포(정규, t‑분포, 반정규, 로그정규 등)와 연구 수(N=5, 10, 30, 50)를 설정하고, 각 경우에 대해 10,000번 반복하여 신뢰구간의 실제 커버리지를 평가한다. 결과는 반정규분포 기반 분산 추정량이 95% 신뢰구간에서 가장 근접한 커버리지를 제공함을 보여준다. 반면 정규 가정에 기반한 추정은 표본이 작을 때 과소 혹은 과대 커버리지를 보이며, 부트스트랩은 전반적으로 안정적이지만 계산 비용이 크게 증가한다.

마지막으로 저자는 실무 연구자를 위해 FSN의 하한 신뢰구간을 제공하는 표를 작성하였다. 이 표는 연구 수와 평균 효과 크기, 표준오차를 입력하면 즉시 적용 가능한 하한값을 제시한다. 따라서 메타분석에서 출판편향을 정량적으로 평가하고, 결과의 신뢰성을 강화하는 데 실용적인 도구가 된다.