---
title: 존재하지 않는 79만 4,000명 — Reble이 한국 인구를 대표하는 합성패널을 만든 이야기
date: 2026-11-07
category: 방법론
tags: 합성패널, 통계적시민, 쉬운설명
summary: Reble의 합성패널 79만 4,000명이 무엇으로 만들어졌고, 얼마나 믿을 만하며, 어디서 틀리는지를 숫자 몇 개와 그림 네 장으로 쉽게 설명한다. 전문 용어 없이, 음성으로도 들을 수 있다.
listen: visible
---

<style>.ez-lead{font-size:1.08em;line-height:1.85;padding:.9rem 1.1rem;border-left:3px solid var(--accent);background:var(--bg-elev);border-radius:0 8px 8px 0;margin:0 0 1.2rem}
.ez-stats{display:grid;grid-template-columns:repeat(auto-fit,minmax(9.5rem,1fr));gap:.6rem;margin:1.4rem 0 2rem}.ez-stats div{border:1px solid var(--line);border-radius:8px;padding:.75rem .85rem .65rem;background:var(--bg-elev)}.ez-stats b{display:block;font-family:var(--folio);font-size:1.45rem;line-height:1.15;font-variant-numeric:tabular-nums}.ez-stats span{display:block;font-size:.8rem;line-height:1.45;color:var(--ink-2);margin-top:.25rem}
.ez-num{font-family:var(--folio);font-size:.74rem;letter-spacing:.12em;color:var(--accent);margin:2.4rem 0 -.6rem}
ul.ez-plain{padding-left:1.15rem}ul.ez-plain li{margin:.35rem 0}
.ez-one{margin:1.2rem 0 0;padding:.85rem 1rem;background:var(--bg-elev);border:1px solid var(--line);border-radius:8px;font-size:.95em;color:var(--ink-2)}.ez-one b{color:var(--accent);font-weight:700;margin-right:.35rem}
.ez-more{border-top:1px solid var(--line);padding-top:1.2rem;margin-top:1.6rem}.ez-more ul{margin:.4rem 0 0;padding-left:1.15rem}</style>

<figure id="fig-hero" class="reble-figure wide"><style>.reble-figure{margin:2.2rem 0}.reble-figure svg{width:100%;height:auto;display:block}.reble-figure figcaption{margin:.7rem 0 0;font-size:.86em;opacity:.72;line-height:1.7}.reble-figure.wide{width:min(56rem,calc(100vw - 2.5rem));max-width:none;margin-left:50%;transform:translateX(-50%)}.reble-figure.wide figcaption{max-width:41rem;margin-left:auto;margin-right:auto}.reble-figure svg.fig-m{display:none}@media(max-width:640px){.reble-figure.wide{width:100%;margin-left:0;transform:none}.reble-figure svg.fig-d{display:none}.reble-figure svg.fig-m{display:block;width:100%}}</style>
<!--figure: panel-molecule.svg-->
<!--figure: panel-molecule-m.svg-->
<figcaption><b>합성패널 한 사람.</b> 통계청 표본에서 함께 온 조건이 고리(뼈대)를 이루고, 모델이 확률과 함께 추측한 조건(점선)과 규칙으로 정한 조건이 결합해 통계적 시민 한 사람이 됩니다. 이것이 79만 4,000번 모여 합성패널이 됩니다.</figcaption>
</figure>

<p class="ez-lead" id="lead">Reble은 여론을 알기 위해 사람에게 전화를 걸지 않습니다. 대신 한국을 통째로 축소한 모형을 만들어 두고, 그 모형에게 묻습니다. 이 글은 그 모형이 무엇으로 만들어졌고, 얼마나 믿을 만하며, 어디서 틀리는지를 숫자 몇 개와 그림 네 장으로 설명합니다. 전문 용어는 되도록 쓰지 않았습니다.</p>

<div class="ez-stats" aria-label="핵심 숫자">
<div><b>794,000</b><span>통계청 자료와 여러 자료로 만든, 한국 성인 인구를 대표하는 합성패널의 사람 수</span></div>
<div><b>238칸</b><span>시도 17 × 남녀 × 연령대 7의 좌석표</span></div>
<div><b>56명</b><span>모형 속 한 사람이 대신하는 실제 사람 수(평균)</span></div>
</div>

<section id="s1">
<div class="ez-num">1</div>
<h2>여론조사는 왜 늘 1,000명일까</h2>
<p>뉴스에 나오는 여론조사는 대개 전화로 1,000명에게 묻습니다. 「오차범위 ±3.1%포인트」라는 말이 따라붙습니다. 숫자만 보면 정교해 보이지만, 세 가지 벽이 있습니다.</p>
<ul class="ez-plain">
<li>전화를 받은 100명 중 끝까지 답하는 사람은 5명쯤입니다. 그 5명이 나머지 95명을 대신한다는 보장은 없습니다.</li>
<li>1,000명을 지역·성별·나이로 나누면 한 칸에 4명이 남습니다. 「서울 20대 남성의 생각」을 4명에게 물은 셈입니다.</li>
<li>질문을 정하고 전화를 돌려 집계하기까지 며칠에서 일 주가 걸립니다.</li>
</ul>
<aside class="ez-one"><b>한 줄로</b>전화조사는 사진입니다. 찍는 데 오래 걸리고, 응한 사람만 찍히고, 작은 동네는 화소가 모자라 뭉개집니다.</aside>
</section>
<section id="s2">
<div class="ez-num">2</div>
<h2>그래서 사진 대신 모형을 만들었다</h2>
<p>Reble은 사람을 모으는 대신 한국을 축소한 모형을 만듭니다. 재료는 통계청 인구통계와 인구주택총조사의 응답 가운데 2%, 약 85만 명분의 익명 자료입니다. 이름도 주소도 없고, 사는 곳·나이·성별·학력·직업·결혼 여부 같은 칸만 있습니다.</p>
<p>여기서 79만 4,000명을 만듭니다. 만드는 방법은 <strong>「조합」</strong>입니다. 먼저 통계청 표본에서 사는 곳·나이·성별·학력·직업·결혼 여부가 한 사람에게 함께 붙어 있는 실제 조합을 뼈대로 가져옵니다. 칸을 하나씩 따로 지어 붙이면 「대학원을 나온 농부, 소득 하위 20%」처럼 있을 법하지 않은 사람이 생기지만, 실제 응답의 조합을 쓰면 「고졸·기혼·사무직·서울 50대 여성」은 현실에 있는 사람입니다. 그 뼈대 위에 사회조사와 여론조사로 배운 정치 성향, 규칙으로 정한 칸을 조합해 한 사람을 완성합니다.</p>
<p>뼈대를 가져올 때는 전국을 작은 칸으로 나누고, 칸마다 실제 인구에 비례한 수만큼 가져옵니다. 여론조사에서 지역·성별·나이별로 응답자 수를 미리 정해 두는 「할당(quota)」과 같은 원리입니다. 아래 좌석표가 그 결과입니다.</p>
</section>
<figure id="fig1" class="reble-figure wide">
<!--figure: explorer-grid.svg-->
<!--figure: explorer-grid-m.svg-->
<figcaption><b>그림 1.</b> 모형의 좌석표. 17개 시도 × 남녀 × 7개 연령대 = 238칸. 칸의 숫자는 그 칸에 앉은 사람 수이고 진할수록 많습니다. 굵은 테두리가 가장 큰 칸인 경기 50대 여성 18,796명, 점선 테두리가 가장 작은 칸인 세종 10대 여성 39명입니다. 400배가 넘는 차이는 인구 그대로입니다(10대는 18~19세뿐입니다). 붉은 테두리 칸을 그림 3에서 엽니다.</figcaption>
</figure>
<section id="s3">
<div class="ez-num">3</div>
<h2>한 사람은 어떻게 생겼나</h2>
<p>좌석표의 한 칸을 열고 그 안의 한 사람을 꺼내 보면 24칸짜리 기록이 나옵니다. 칸은 세 가지 색으로 나뉩니다.</p>
<ul class="ez-plain">
<li><strong>통계청에서 그대로 온 칸</strong> — 사는 곳, 성별, 나이, 학력, 결혼 여부, 직업, 소득, 출신 지역, 종교. 모두 표본의 한 응답에서 함께 왔습니다.</li>
<li><strong>모델이 추측한 칸</strong> — 지지하는 정당, 이념, 많이 보는 매체, 정치에 대한 관심, 투표할 생각. 옆에 「이 추측에 얼마나 자신 있나」가 0에서 1 사이 숫자로 붙어 있습니다.</li>
<li><strong>규칙으로 정한 칸</strong> — 가구 구성, 주거 형태, 병역. 표본에 없어서 성별·나이·결혼 여부로 정합니다.</li>
</ul>
<aside class="ez-one"><b>한 줄로</b>이 사람은 존재하지 않습니다. 이름도 주소도 없고 번호뿐이며, 「이런 조건의 사람이 한국에 이만큼 있다」는 사실을 대신 들고 있는 통계 단위입니다.</aside>
</section>
<figure id="fig2" class="reble-figure wide">
<!--figure: explorer-persona.svg-->
<!--figure: explorer-persona-m.svg-->
<figcaption><b>그림 2.</b> 모형 속 한 사람, KR-V2-002515. 서울 종로구에 사는 54세 고졸 기혼 사무직 여성입니다. 위 아홉 칸은 통계청 표본의 한 응답에서 함께 왔고, 가운데 일곱 칸은 모델의 추측(확률이 붙어 있습니다), 아래 네 칸은 계산값입니다.</figcaption>
</figure>
<section id="s4">
<div class="ez-num">4</div>
<h2>정치 성향은 어떻게 채웠나 — 그리고 왜 한 사람 단위로는 믿지 않나</h2>
<p>통계청 자료에는 정치가 없습니다. 어느 당을 지지하는지, 진보인지 보수인지는 물어보지 않으니까요. 그래서 대학 연구소가 모아 둔 사회조사, 11,476명의 응답과 시계열별로 진행된 여론조사 데이터로 배운 모델이 사는 곳·나이·학력·직업을 보고 추측합니다.</p>
<p>그 추측은 어느 정도일까요. 인구 정보만으로 한 사람의 지지 정당을 맞힐 확률은 <strong>48%</strong>입니다. 동전 던지기보다 조금 나은 정도입니다. 그래서 Reble은 한 사람의 답을 쓰지 않습니다. 대신 한 칸, 그러니까 한 동네 수천 명의 <strong>비율</strong>만 씁니다. 틀린 추측이 서로 상쇄되기 때문에 비율은 한 사람의 답보다 훨씬 믿을 만합니다.</p>
<aside class="ez-one"><b>한 줄로</b>「서울 50대 여성 중 25%가 국민의힘을 지지한다」는 쓸 수 있지만, 「이 사람은 국민의힘 지지자다」는 쓰지 않습니다.</aside>
</section>
<figure id="fig3" class="reble-figure wide">
<!--figure: explorer-cell.svg-->
<!--figure: explorer-cell-m.svg-->
<figcaption><b>그림 3.</b> 서울 50대 여성 칸 11,912명의 비율. 고졸 46.5%, 기혼 74.7%처럼 통계청에서 온 비율(A)과, 국민의힘 25.4% · 더불어민주당 23.6% · 무당층 20.7%처럼 모델이 추측한 비율(B)이 함께 보입니다. 이 비율은 쓸 만하지만, 그중 한 사람이 누구를 지지하는지는 모릅니다.</figcaption>
</figure>
<section id="s5">
<div class="ez-num">5</div>
<h2>한 사람의 무게</h2>
<p>모형은 79만 4,000명인데 18세 이상 한국인은 4,450만 명입니다. 그래서 모형 속 한 사람은 평균 <strong>56명 몫</strong>입니다.</p>
<p>그런데 표본은 2020년 것이고 실제 인구는 2026년 것입니다. 그 사이 사람들은 이사했고 나이를 먹었습니다. 이 차이를 맞추는 방법이 「무게」입니다. 실제보다 많이 뽑힌 칸의 사람은 1명보다 가볍게, 적게 뽑힌 칸의 사람은 1명보다 무겁게 셉니다. 사람을 지우거나 복제하지는 않습니다. 지우면 그 사람이 가진 학력·직업·결혼의 조합이 함께 사라지기 때문입니다.</p>
</section>
<figure id="fig4" class="reble-figure wide">
<!--figure: explorer-weights.svg-->
<!--figure: explorer-weights-m.svg-->
<figcaption><b>그림 4.</b> 시도별로 뽑힌 수(위)와 실제 인구 몫(아래). 전남 70대 여성 한 사람은 0.5명 몫, 세종 10대 여성 한 사람은 2.1명 몫으로 셉니다. 무게를 다 더하면 그대로 79만 4,000입니다.</figcaption>
</figure>
<section id="s6">
<div class="ez-num">6</div>
<h2>시간이 흐르면 모형도 바뀐다</h2>
<p>정치는 바뀝니다. 2025년에는 정권이 바뀌었습니다. 그래서 모형의 정치 칸은 최신 여론조사와 선거 결과에 맞춰 다시 맞춥니다. 사는 곳과 나이 칸은 그대로 둡니다.</p>
<p>극장에 빗대면 이렇습니다. 관객은 그대로 앉아 있고, 손에 든 표만 바뀝니다. 처음에는 모두의 표를 걷어서 전국 비율대로 새로 나눠 줬습니다. 그러자 호남과 영남이, 20대와 70대가 똑같은 극장이 됐습니다. 전국 합계는 맞는데 구조가 죽은 것입니다. 지금은 자기 구역 안에서, 꼭 필요한 사람의 표만 바꿉니다.</p>
<p>지금까지 이런 시점이 열네 개 있습니다. 그중 선거 개표 세 번(2024년 총선, 2025년 대선, 2026년 지방선거)은 오차가 없는 정답지이고, 나머지는 여론조사입니다.</p>
</section>
<section id="s7">
<div class="ez-num">7</div>
<h2>이것은 여론조사가 아니다 — 예측하고, 조건을 바꿔 돌려 본다</h2>
<p>여론조사는 「지금 사람들이 무엇이라고 답하는가」를 찍은 사진입니다. 합성패널은 사진을 찍는 도구가 아니라 「이런 조건이면 어떻게 되는가」를 돌려 보는 모형입니다. 그래서 할 수 있는 일이 다릅니다.</p>
<ul class="ez-plain">
<li><strong>예측</strong> — 선거처럼 답이 나오는 일을 미리 예측하고, 나중에 개표로 채점받습니다. 2026년 지방선거 12곳의 당선자 예측이 그렇게 공개됐고, 8곳이 맞았습니다.</li>
<li><strong>시뮬레이션</strong> — 아직 일어나지 않은 상황을 조건을 바꿔 가며 돌려 봅니다. 2026년 8월 <a href="https://reble.ai/dp-leader/" target="_blank" rel="noopener">민주당 당대표 선거</a>에서는 권리당원을 본뜬 합성패널 4,433명에게 남은 지역을 투표시키고, 투표율·연령 구성·2순위 표의 이동 같은 조건을 바꿔 가며 수천 번씩 돌려 각 후보의 승리 조건을 읽었습니다. 결과는 당선자 적중, 최종 득표율은 1.2%포인트 차이였습니다.</li>
<li><strong>「누구를 움직이면 결과가 바뀌나」</strong> — 특정 연령이나 성별의 마음이 5%포인트 움직이면 결과가 어떻게 달라지는지도 같은 모형에서 바로 볼 수 있습니다. 사람에게 묻는 조사로는 할 수 없는 질문입니다.</li>
<li><strong>그래도 여론조사는 아닙니다</strong> — 이 사람들은 존재하지 않고, 뼈대는 2020년 자료이며, 채점은 만든 사람이 했습니다. 그래서 Reble은 「승률 50.5%」 같은 한 숫자 대신 범위와 오차를 함께 말하고, 틀린 곳은 틀렸다고 적습니다.</li>
</ul>
<aside class="ez-one"><b>한 줄로</b>여론조사는 지금을 찍고, 합성패널은 「만약」을 돌려 봅니다.</aside>
</section>
<section id="s8">
<div class="ez-num">끝</div>
<h2>정리하면</h2>
<p>합성패널은 진짜 유권자를 그대로 닮은 <strong>통계적 유권자 모델</strong>입니다. 인구총조사에서 나이·성별·지역 같은 실제 분포를 가져와 그 분포에 맞는 통계적 시민을 만든 것으로, 실존 인물이 아니라 통계로 빚은 인형에 가깝습니다. Reble에는 이런 합성패널이 79만 4,000명 있고, 이들에게 확률로 답하게 해 실제로 투표를 시켜 보는 것이 시뮬레이션입니다. 하는 일은 둘입니다. 실제 결과를 미리 맞히는 것, 그리고 조건을 바꿔 가며 「이렇게 되면 어떻게 될까」를 실험해 보는 것입니다.</p>
<div class="ez-more">
<strong>더 읽기</strong>
<ul>
<li>자세한 방법과 숫자: 방법론 글 「한국 인구를 합성패널로 만들다 — 통계적 시민 79만 4,000명의 구성과 검증」(준비 중)</li>
<li><a href="https://reble.ai/blog/posts/election-sim-vs-results/" target="_blank" rel="noopener">2026년 지방선거 및 국회의원 보궐선거 — 시뮬레이션과 선거 결과 비교분석</a> — 12곳 채점표 전체</li>
<li><a href="https://reble.ai/blog/posts/dp-leader-scorecard/" target="_blank" rel="noopener">최종 득표율을 1.2%p로 맞히고 호남은 편차가 생겼다</a> — 당대표 선거 시뮬레이션의 채점</li>
<li><a href="https://reble.ai/blog/posts/synthetic-panel-explained/" target="_blank" rel="noopener">합성패널은 어떻게 만들어지고, 어떻게 답하는가 (쉬운 설명 버전)</a> — 한 사람이 질문에 답하는 방식</li>
<li><a href="https://reble.ai/blog/posts/reble-in-30-seconds/" target="_blank" rel="noopener">이 사람들은 존재하지 않는다 — 30초로 보는 Reble</a></li>
</ul>
</div>
</section>
