사회과학 연구를 위한 2차 데이터셋 찾기

영어 원문: Finding Secondary Datasets for Social Science Research (2024년 9월 5일 게시)

1차 데이터 vs. 2차 데이터

1차 데이터는 연구자가 자신의 현재 연구를 위해 직접 수집한 정보입니다. 여기에는 설문조사, 인터뷰, 실험 또는 직접 관찰의 수행이 포함될 수 있습니다. 1차 데이터 수집은 연구자가 자신의 연구 질문에 맞추어 데이터 수집 과정을 정밀하게 설계할 수 있게 해주지만, 시간과 비용이 많이 들고 물류 및 실행 측면에서 어려움이 따를 수 있습니다.

반면 2차 데이터는 다른 연구자나 기관이 현재의 연구 질문과 관련이 있거나 없을 수 있는 목적으로 이미 수집해 놓은 데이터를 의미합니다. 여기에는 정부 통계, 다른 연구의 설문조사 데이터, 행정 기록, 또는 이전 연구 프로젝트의 데이터가 포함될 수 있습니다.

사회과학 연구에서의 데이터 유형

구체적인 데이터 출처를 살펴보기에 앞서, 사회과학 연구에서 흔히 사용되는 다양한 데이터 구조의 유형을 알아두는 것이 유용합니다. 대표적인 세 가지 유형은 횡단 데이터, 반복 횡단 데이터, 종단 데이터입니다. 각 유형은 고유한 강점과 한계를 가지고 있습니다.

1. 횡단 데이터

횡단 데이터는 단일 시점에서의 모집단 스냅샷을 제공합니다.

• 특징:
  • 동일한 시점에 수많은 서로 다른 개인이나 단위로부터 수집된 데이터
  • 특정 시점에서 모집단의 특성에 대한 폭넓은 개관을 제공
  • 유병률 및 변수 간의 연관성을 연구하는 데 유용
• 예시: 선거 전 유권자 선호도에 대한 1회성 설문조사
• 한계:
  • 시간에 따른 변화를 추적할 수 없음
  • 인과관계를 확립하기 어려움

2. 반복 횡단 데이터

반복 횡단 데이터는 여러 시점에 걸쳐 동일한 모집단의 서로 다른 표본으로부터 데이터를 수집하는 방식입니다.

• 특징:
  • 시간의 흐름에 따라 연속적으로 실시되는 일련의 횡단 설문조사
  • 매 조사마다 개인은 서로 다르지만 동일한 모집단 대상
  • 모집단 수준에서의 추세 및 변화 분석 가능
• 예시: 1972년부터 정기적으로 실시되어 온 General Social Survey (GSS)
• 장점:
  • 시간에 따른 사회적 변화(추세)를 추적 가능
  • 패널 탈락 문제를 피할 수 있음
• 한계:
  • 개인 수준의 변화를 추적할 수 없음
  • 코호트 효과의 영향을 받을 수 있음

3. 종단 데이터

종단 데이터는 동일한 개인이나 단위를 오랜 기간 동안 추적하여 여러 시점에 걸쳐 데이터를 수집합니다.

• 특징:
  • 시간의 흐름에 따라 동일한 표본을 추적
  • 개인 수준의 변화 및 궤적 분석 가능
  • 인과관계 규명에 도움을 줄 수 있음
• 유형:
  • 패널 연구: 동일한 개인을 반복해서 인터뷰
  • 코호트 연구: 공통된 특성(예: 출생 연도)을 가진 집단을 추적
• 예시: 1968년부터 가구를 추적해 온 Panel Study of Income Dynamics
• 장점:
  • 시간에 따른 개인의 변화를 추적 가능
  • 인과관계 추론에 보다 강력함
  • 생애과정 궤적 연구 가능
• 한계:
  • 수행하는 데 더 많은 비용과 시간이 소요됨
  • 패널 탈락(시간이 지남에 따라 참여자가 이탈하는 현상)을 겪을 수 있음

데이터 출처

1. ICPSR (Inter-University Consortium for Social and Political Research)

ICPSR은 사회과학 연구를 위한 가장 방대한 데이터 아카이브입니다:

• 19,000개 이상의 데이터셋 이용 가능
• 변수별 검색 및 주제별 브라우징을 포함한 다양한 검색 방식 제공
• 보유 데이터 파일을 활용한 연구 논문 검색 서지 정보 제공
• 전체 이용을 위해 무료 회원가입 필요

2. IPUMS (Integrated Public Use Microdata Samples)

IPUMS는 전 세계의 센서스 및 설문조사 데이터를 시간과 공간을 넘어 조화롭게 연계하여 제공합니다. IPUMS의 데이터 연계와 문서화 덕분에 변화를 연구하고, 비교 연구를 수행하며, 다양한 유형의 데이터를 병합하고, 가족 및 지역사회 맥락 내에서 개인을 분석하기가 수월합니다. 데이터와 서비스는 무료로 제공됩니다.

• IPUMS USA: 인구 데이터 (US Census 및 American Community Survey)
• IPUMS CPS: 인구 데이터 (Current Population Survey)
• IPUMS NAPP:
• IPUMS Global Health: 조화롭게 표준화된 데이터를 포함한 전 세계 보건 설문조사 데이터
• IPUMS IHGIS: 전 세계 인구, 주택 및 농업 센서스의 표 형태 및 GIS 데이터
• IPUMS Time Use: 1930년부터 현재까지의 역사적 및 현대적 생활시간 활용 데이터
• IPUMS Higher Ed: 교육 데이터 (NSF STEM 데이터 – SESTAT)
• IPUMS Health Surveys: 보건 데이터 (MEPS 및 NHIS)
• IPUMS CDOH: The Contextual Determinants of Health (CDOH)

3. The General Social Survey (GSS)

General Social Survey (GSS)는 1972년부터 실시되어 온 미국 성인 대상의 전국 대표 설문조사입니다. GSS는 여론, 태도, 행동의 변화 추세를 모니터링하고 설명하기 위해 현대 미국 사회에 관한 데이터를 수집합니다.

• 1972년부터 수행됨
• 사회, 경제, 정치적 이슈에 대한 사람들의 의견 데이터 수집
• 반복 횡단 데이터 제공 (패널 데이터 아님)
• GSS는 인구통계학적, 행동적, 태도적 문항으로 구성된 표준 핵심 문항과 함께 특별 관심 주제들을 포함합니다. 다루는 주제로는 시민의 자유, 범죄 및 폭력, 집단 간 관용, 도덕성, 국가 재정 지출 우선순위, 심리적 복지, 사회적 이동성, 스트레스 및 외상 사건 등이 있습니다.

4. California Health Interview Survey (CHIS)

CHIS는 미국에서 가장 규모가 큰 주 단위 보건 설문조사입니다. CHIS는 의료 서비스 이용 및 접근성, 건강 상태 및 건강 행동에서부터 건강에 영향을 미치는 다양한 주제(공공 프로그램 참여, 주거, 소득 및 고용, 기후 변화, 식품, 총기 폭력, 부정적 아동기 경험 등)에 이르기까지 광범위한 보건 문제에 대해 20,000가구 이상을 인터뷰합니다:

• 캘리포니아 내 다양한 인종 및 민족 집단에 관한 데이터
• 다국어로 수행되는 설문조사 – CHIS는 영어 외에도 스페인어, 중국어(보통화 및 광둥어 방언), 한국어, 베트남어, 타갈로그어로 진행됩니다.
• 성인 (18세 이상), 청소년 (12~17세), 아동 (출생~11세)을 대상으로 별도의 인터뷰가 진행됩니다.

5. Youth Risk Behavior Surveillance System (YRBSS)

Youth Risk Behavior Survey (YRBS)는 청소년기 및 성인기 주요 사망 및 질병 원인이 되는 핵심 건강 위험 행동과 경험에 대해 9~12학년 학생들로부터 데이터를 수집합니다.

• 반복 횡단 데이터 제공 (패널 데이터 아님)
• 전국 단위 및 주/학구 단위 데이터 모두 제공

6. Add Health (National Longitudinal Study of Adolescent to Adult Health)

National Longitudinal Study of Adolescent to Adult Health (Add Health)는 1994-95 학년도에 7~12학년이었던 2만 명 이상의 청소년 전국 대표 표본을 대상으로 현재까지 5차례(가장 최근은 2016-18년)에 걸쳐 추적 조사한 종단 연구입니다. 수년에 걸쳐 부수 연구들이 추가되며 더욱 방대한 데이터가 축적되었습니다.

• Add Health는 수년에 걸쳐 참여자와 그 부모로부터 인구통계학적, 사회적, 가족적, 사회경제적, 행동적, 심리사회적, 인지적, 건강 관련 설문조사 데이터를 풍부하게 수집했으며, 참여자의 학교, 동네, 거주 지역에 대한 방대한 맥락적 데이터와 유전자 마커, 혈액 기반 분석, 신체 계측치, 복용 약물을 포함한 가정 방문 신체 및 생물학적 데이터를 함께 수집해 왔습니다.
• 패널 데이터
• 전국 대표 표본 제공

7. Panel Study of Income Dynamics

PSID는 1968년 미국의 5,000가구에 거주하는 18,000명 이상의 개인으로 구성된 전국 대표 표본과 함께 시작되었습니다.

• 이들 개인과 그 후손들에 관한 정보가 지속적으로 수집되어 왔으며, 여기에는 고용, 소득, 자산, 지출, 건강, 결혼, 출산, 아동 발달, 기부, 교육 및 수많은 기타 주제를 포괄하는 데이터가 포함됩니다.
• 패널 데이터
• 원래 참여자 및 그 후손들에 대한 연속적인 데이터 제공

8. Future of Families and Child Wellbeing Study

Future of Families and Child Wellbeing Study (FFCWS)는 1998년에서 2000년 사이에 미국의 대도시(인구 20만 명 이상)에서 태어난 약 5,000명의 아동을 대상으로 한 층화 다단계 표본에 기반하며, 미혼모의 출생아를 3대 1의 비율로 과대표집했습니다.

• 이러한 표집 전략을 통해 다수의 흑인, 히스패닉 및 저소득층 가정이 표본에 포함되었습니다.
• 어머니들은 출산 직후 인터뷰를 진행했고, 아버지들은 병원이나 전화를 통해 인터뷰를 진행했습니다.
• 주제: 1998-2000년의 기초 인터뷰를 시작으로, 핵심 연구는 연구자와 정책 입안자들의 큰 관심을 끄는 네 가지 주요 질문에 답하도록 설계되었습니다: (1) 미혼 부모, 특히 아버지의 여건과 역량은 어떠한가?; (2) 미혼 부모 간 관계의 본질은 무엇인가?; (3) 이러한 가정에서 태어난 아동들은 어떻게 성장하는가?; 그리고 (4) 정책과 환경적 여건은 가족과 아동에게 어떤 영향을 미치는가?
• 패널 데이터

9. Health and Retirement Study (HRS)

Health and Retirement Study (HRS)는 미시간대학교 Institute for Social Research에서 실시하는 종단 가구 설문조사입니다. 이 다학제적 데이터는 연구자들에게 미국의 인구 고령화와 관련된 다양한 측면을 탐구할 기회를 제공합니다.

• HRS는 독창적이고 심층적인 인터뷰를 통해, 연구자들이 노화에 따른 도전과 기회에 관한 중요한 질문을 해결하는 데 활용할 수 있는 매우 가치 있고 지속적으로 확장되는 다학제적 데이터를 제공합니다.
• 패널 데이터

10. The Generation Study

Generations 연구는 레즈비언, 게이, 양성애자(LGB) 세 세대에 걸친 건강과 복지를 조사한 최초의 5개년 장기 연구입니다. 이 연구는 서로 다른 역사적 맥락에서 성인이 된 세 세대의 성인 LGB를 대상으로 정체성, 스트레스, 건강 결과, 의료 및 서비스 이용을 조사합니다. 연구에 대한 자세한 내용은 여기에서 확인할 수 있습니다.

• 양적 설문조사 절차를 통해 미국의 흑인, 라티노, 백인 LGB 개인을 식별합니다. 응답자들은 나이가 들어감에 따른 사회적 환경의 변화를 감지하기 위해 5년 동안 연구에 참여하게 됩니다.
• 패널 데이터

11. Pew Research Center Datasets

Pew Research Center는 전화 설문조사 데이터뿐만 아니라 대부분의 미국 기반 설문조사 연구의 주요 원천이자 전국 대표 온라인 패널인 American Trends Panel(ATP)에서 수행된 여론조사 데이터를 공개합니다. 이용 가능한 ATP 데이터셋의 전체 목록과 다루는 주제는 이 페이지에서 확인할 수 있습니다. 다운로드 가능한 데이터셋을 찾는 방법은 두 가지가 있습니다. 웹사이트 상단의 “Tools & Resources” 탭으로 이동하면 모든 이용 가능한 데이터셋의 링크가 제공되며, 설문조사는 주요 연구 분야별로 정리되어 최신순으로 정렬되어 있습니다.

• 횡단 데이터
• American Trends Panel – 반복 횡단 데이터

2차 데이터 활용 단계

1. 선호하는 형식(예: Stata, SPSS, CSV)으로 데이터를 다운로드하십시오.
   • 사용 중인 통계 소프트웨어에 적합한 파일 형식(예: Stata는 .dta, SPSS는 .sav, 일반적인 용도는 .csv)을 선택하십시오. 원하는 형식으로 데이터를 제공하지 않는 경우 호환 가능한 형식을 다운로드한 후 통계 소프트웨어나 파일 변환 도구를 사용하여 변환하시기 바랍니다.
2. 코드북과 변수 목록 검토
   • 코드북은 데이터셋을 체계적으로 설명한 문서입니다. 일반적으로 다음 내용이 포함됩니다:
   • 자신의 연구 질문과 관련된 변수 목록을 작성하십시오.
   • 다음 사항에 유의하십시오:
     • 표본 크기 및 하위 표본
     • 조사 대상 기간
     • 포함된 지리적 영역
     • 차수 간 변수 정의의 변경 사항 (종단 또는 반복 횡단 데이터의 경우)
   • 코드북이 제공되지 않는 경우 코드북을 생성하는 Stata 명령어를 활용하는 것을 고려해 보십시오.
3. 해당 데이터셋을 사용한 출판 논문 검토
   • 관심 있는 데이터셋을 활용한 학술 논문들을 검색하십시오.
   • 이를 통해 다음 사항에 대한 통찰을 얻을 수 있습니다:
     • 데이터의 강점과 한계
     • 흔히 사용되는 분석적 접근법
     • 데이터 작업 시 발생할 수 있는 잠재적 위험이나 난관
     • 연구 질문이나 분석 전략에 대한 아이디어
4. 표집 설계 및 가중치 확인
   • 표본이 어떻게 추출되었는지, 어떤 층화 방식이 사용되었는지 파악하십시오.
   • 표집 가중치가 제공되는지, 그리고 언제 적용해야 하는지 확인하십시오.
5. 데이터 품질 평가
   • 특정 문항의 높은 무응답률과 같은 데이터 품질 관련 유의사항을 살펴보십시오.
   • 이상치, 결측치 패턴, 데이터 불일치를 점검하십시오.
   • 데이터셋에서 결측치가 어떻게 코딩되어 있는지 파악하십시오.
6. 분석을 위한 데이터 준비
   • 필요한 경우 파일 병합
   • 필요에 따라 변수 재코딩