설문조사 계산기

설문조사는 전문적인 통계 지식이 없어도 활용할 수 있지만, 학술 연구나 여론조사처럼 높은 신뢰성이 요구되는 경우에는 통계적 검증이 필수입니다.
나우앤서베이는 표본 설계부터 결과 분석까지 필요한 14가지 통계 계산기를 제공하여, 누구나 쉽고 빠르게 통계 계산을 수행할 수 있도록 지원합니다.

계산기를 선택하세요
표본 크기 오차범위·신뢰구간 목표 발송량 소요시간 예측 응답률 기본 통계량 NPS 리커트 · CSAT 크론바흐 알파 A/B 유의성 Z-점수 ↔ P-값 회귀분석 교차분석 평균 비교 설문조사 가이드 →

📐 설계 · 표본 계산기

01

표본 크기 계산기

원하는 신뢰수준과 오차범위를 만족하려면 몇 명에게 물어야 하는지 계산합니다.

필요 표본 수
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법
  • 모집단 크기 — 조사 대상 전체 인원수입니다. 모르면 비워두세요. 자동으로 매우 큰 모집단(사실상 무한) 기준으로 계산합니다.
  • 신뢰수준 — 결과를 얼마나 믿을 수 있는지의 척도입니다. 일반 시장조사는 95%, 학술·의학 조사는 99%를 주로 씁니다.
  • 오차범위 — 실제 값과 표본조사 결과가 최대 몇 %p 차이 나는 것을 허용할지 정합니다. 5%가 업계 표준이며, 더 정밀하게는 3%를 씁니다.
📊 결과 해석 가이드
보고서 기재 예시"본 조사는 신뢰수준 95%에서 오차범위 ±5%p 이내를 충족하도록 설계되었으며, 이를 위한 최소 표본 수는 370명입니다."

표본이 커질수록 오차는 줄지만 응답을 모으는 비용과 시간도 늘어납니다. 무응답·불성실 응답을 감안해 계산된 값보다 10~20% 여유 있게 목표를 잡는 것을 권장합니다.

02

오차범위 · 신뢰구간 계산기

이미 모은 응답으로 "이 결과를 얼마나 믿을 수 있는지" 확인합니다.

허용 오차 범위(±)
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법
  • 표본 수 — 불성실 응답과 결측치를 제외한, 실제 분석에 쓸 유효 응답자 수를 입력하세요.
  • 관측 비율 — 예를 들어 "만족한다" 응답이 60%였다면 60을 입력합니다. 가장 보수적인(넓은) 오차범위를 보고 싶다면 기본값 50%를 그대로 두세요.
📊 결과 해석 가이드
보고서 기재 예시"조사 결과 지지율이 60%로 나타났으며, 오차범위 ±4.3%p를 반영한 실제 값은 95% 신뢰수준에서 55.7%~64.3% 사이일 가능성이 높습니다."

오차범위가 좁을수록(표본이 클수록) 이 결과를 더 신뢰할 수 있습니다. 두 항목의 차이가 오차범위보다 작다면 "우열을 가릴 수 없는 수준"으로 해석하는 것이 안전합니다.

03

목표 발송량 계산기

원하는 완료 응답 수를 채우려면 몇 명에게 설문을 보내야 하는지 역산합니다.

필요 발송(노출) 인원
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

예상 응답률을 모른다면 일반 이메일·문자 발송은 10~20%, 자체 고객 대상은 20~30%를 보수적으로 가정해보세요. 패널 조사는 통상 이보다 높은 응답률을 기대할 수 있습니다.

📊 결과 해석 가이드
활용 예시"완료 응답 300건이 목표이고 예상 응답률이 20%라면, 최소 1,500명에게 설문을 발송해야 합니다."

계산된 인원보다 조금 더 넉넉하게(10~20%) 발송하면 중도 이탈이나 예상보다 낮은 응답률에도 목표를 채울 수 있습니다.

📥 수집 현황 계산기

04

설문 소요시간 예측 계산기

문항 구성만으로 응답자가 대략 몇 분 걸릴지 미리 가늠해봅니다.

예상 소요시간
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

객관식 문항당 12초, 척도·매트릭스 문항당 8초, 주관식 문항당 40초의 평균 응답 시간을 가정해 계산합니다. 응답자마다 속도 차이가 있으니 참고용 추정치로 활용하세요.

📊 결과 해석 가이드
판단 기준예상 소요시간이 10분을 넘으면 응답 포기율이 눈에 띄게 올라갑니다.

10분을 넘는다면 문항 수를 줄이거나, 여러 항목을 하나의 매트릭스 문항으로 묶어 체감 소요시간을 줄여보세요.

05

응답률 계산기

발송·시작·완료 인원만 넣으면 응답률과 이탈률을 한 번에 계산합니다.

완료 미완료/미발송 응답
응답률(완료 기준)
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

"시작 수"까지 입력하면 시작한 사람 중 몇 %가 끝까지 완료했는지(완료율)와 중간에 그만둔 비율(이탈률)까지 함께 확인할 수 있습니다.

📊 결과 해석 가이드
병목 진단 팁이탈률이 높다면 문항 수, 예상 소요시간 안내, 초반 문항의 난이도를 점검해보세요.

일반적으로 이메일·문자 발송 응답률은 10~20%, 패널 조사는 그보다 높은 수준을 기대할 수 있습니다. 업종·대상마다 편차가 크니 과거 자체 캠페인 데이터와 비교하는 것이 가장 정확합니다.

📊 결과 분석 계산기

06

기본 통계량 계산기

숫자 데이터를 붙여넣으면 표본 수부터 왜도·첨도까지 주요 기술통계량을 한 번에 계산합니다.

기본 요약
-
왼쪽에 데이터를 입력하고 계산하기를 눌러주세요.
💡 상세 사용법
  • 숫자만 쉼표나 줄바꿈으로 구분해 붙여넣으세요. 엑셀에서 한 열을 그대로 복사해도 됩니다.
  • "백분위수"는 원하는 지점을 직접 지정할 수 있습니다. 예를 들어 90을 입력하면 상위 10%에 해당하는 경계값(P90)을 계산합니다. 비워두면 기본값 90이 적용됩니다.
  • 왜도는 데이터 3개 이상, 첨도는 4개 이상부터 계산되며, 그보다 적으면 "n<3" 처럼 표시됩니다.
📊 결과 해석 가이드
해석 포인트평균과 중앙값이 크게 다르면 극단값(이상치)이 있다는 신호입니다. 왜도가 0에 가까우면 좌우 대칭, 양수면 오른쪽 꼬리(고값 쪽), 음수면 왼쪽 꼬리(저값 쪽)가 깁니다.

첨도(초과 첨도 기준)가 0에 가까우면 정규분포와 비슷한 분포, 0보다 크면 평균 근처에 몰려있고 꼬리가 두꺼운 분포(극단값이 잦음), 0보다 작으면 완만하고 고르게 퍼진 분포입니다. 변동계수(CV)는 평균 대비 흩어짐의 정도라, 단위가 다른 두 데이터의 "상대적인 변동성"을 비교할 때 유용합니다.

07

NPS 계산기

추천·중립·비추천 인원수로 순추천고객지수(NPS)를 계산합니다.

비추천 중립 추천
NPS 점수
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

"이 서비스를 주변에 추천할 의향이 있습니까?"를 0~10점으로 물은 뒤, 9~10점은 추천고객, 7~8점은 중립고객, 0~6점은 비추천고객으로 분류해 각각의 인원수를 입력합니다.

NPS = (추천고객 비율 − 비추천고객 비율) × 100

📊 결과 해석 가이드
NPS 판정 기준(업계 통용)
  • 🔴 0 미만 — 개선이 시급합니다
  • 🟡 0~30 — 보통·양호한 수준입니다
  • 🟢 30~70 — 우수한 수준입니다
  • 🏆 70 이상 — 세계 최고 수준입니다

중립고객(7~8점)은 점수 계산에서 빠지지만 전체 인원(분모)에는 포함됩니다. 비추천고객의 불만 요인을 개선해 중립으로, 중립고객을 추천으로 끌어올리는 것이 NPS를 높이는 핵심 전략입니다.

08

리커트 5점 척도 & CSAT 분석기

"매우 불만족"부터 "매우 만족"까지 5점 척도 응답의 빈도(인원수)를 입력하면 가중평균, 표준편차, 긍정률(Top-2 Box)을 계산합니다.

1점 2점 3점 4점 5점
척도 분석 요약
-
왼쪽에 척도별 응답 인원수를 입력하고 계산하기를 눌러주세요.
💡 상세 사용법
  • 5점 리커트 척도 문항에서 각 점수를 선택한 응답자 수를 순서대로 입력하세요.
  • 긍정률(Top-2 Box) — "만족(4점)"과 "매우 만족(5점)"을 선택한 응답자의 비율입니다. 흔히 CSAT(고객만족도) 지표로도 사용됩니다.
  • 표준편차(SD) — 응답이 얼마나 흩어져 있는지 보여줍니다. 작을수록 의견이 일치하고, 클수록 호불호가 갈린다는 뜻입니다.
📊 결과 해석 가이드
해석 가이드라인평균 3.5점 이상, 긍정률(Top-2) 70% 이상이면 우수한 수준의 만족도로 봅니다. 평균이 보통(3.0) 수준이어도 표준편차가 1.2 이상으로 크다면, 소수의 강한 지지층과 반대층이 대립하고 있다는 신호이니 그룹별(성별·연령 등)로 나눠 다시 살펴보세요.
09

크론바흐 알파 계산기

여러 문항을 하나의 척도로 묶어도 되는지, 문항 간 신뢰도를 확인합니다.

크론바흐 알파(α)
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

문항 간 평균 상관계수는 통계 프로그램(SPSS 등)에서 문항 간 상관행렬을 구한 뒤 평균을 낸 값입니다. 이 계산기는 이 값과 문항 수만으로 표준화 알파를 근사 계산합니다.

📊 결과 해석 가이드
판정 기준통상 알파값이 0.7 이상이면 여러 문항을 하나의 척도로 묶어 해석해도 무리가 없다고 봅니다. 0.9를 넘으면 문항끼리 지나치게 중복될 수 있다는 신호이기도 합니다.

알파값이 0.7보다 낮다면 문항 중 일부가 다른 개념을 측정하고 있을 가능성이 있으니, 이질적인 문항을 제외하거나 다시 검토해보세요.

10

A/B 유의성(두 비율 비교) 계산기

두 그룹(A안·B안)의 전환율 차이가 우연인지 진짜 차이인지 검정합니다.

통계적 유의성 판정
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

설문 응답 비교뿐 아니라 랜딩페이지 A/B 테스트, 두 문항의 "예" 응답 비율 비교 등에도 쓸 수 있습니다. 각 그룹의 전체 표본 수(N)와 원하는 행동을 한 전환 수(x)를 입력하세요.

📊 결과 해석 가이드
보고서 기재 예시"A안(15.0%) 대비 B안(18.4%)은 전환율이 더 높게 관찰되었으며, 비율 비교 검정 결과 p값은 0.021로 유의수준 5%(p<0.05) 안에서 통계적으로 유의미한 차이입니다."

p값이 0.05보다 크면 겉보기 차이가 있어도 "우연에 의한 흔들림"일 수 있으므로, 전면 도입보다는 표본을 늘려 추가로 검증하는 것을 권장합니다.

11

Z-점수 ↔ P-값 변환기

통계 프로그램에서 나온 Z값만 있을 때 유의확률(p-value)로 바로 바꿔줍니다.

유의확률(p-value)
-
왼쪽 값을 입력하고 계산하기를 눌러주세요.
💡 상세 사용법

방향을 미리 정하지 않은 일반적인 분석은 "양측 p값"을, "이전보다 늘었는지/줄었는지"처럼 방향이 정해진 가설은 "단측 p값"을 봅니다.

📊 결과 해석 가이드
판정 기준양측 기준으로 p값이 0.05보다 작으면 "통계적으로 유의미하다", 0.05 이상이면 "유의하다고 보기 어렵다"고 해석합니다.
12

회귀분석(단순선형회귀) 계산기

두 변수(X, Y)의 데이터 쌍을 입력하면 회귀식, 상관계수, 결정계수(R²)를 계산해 두 변수의 관계를 파악합니다.

회귀식
-
왼쪽에 X,Y 데이터를 입력하고 계산하기를 눌러주세요.
💡 상세 사용법
  • 엑셀에서 X값 열과 Y값 열을 각각 복사해 왼쪽 칸에 그대로 붙여넣으세요. (한 줄에 값 하나씩, 쉼표로 구분해도 됩니다.)
  • X는 원인(독립변수), Y는 결과(종속변수)로 두는 것이 일반적입니다. (예: 광고 노출 횟수 → 구매 전환율)
  • 같은 순서로 짝지어 계산되므로, 두 목록의 순서가 서로 맞는지 확인하세요. 개수가 다르면 앞에서부터 짧은 쪽 개수만큼만 계산합니다.
  • 최소 3쌍 이상의 데이터가 있어야 의미 있는 추세를 계산할 수 있습니다. 형식이 헷갈린다면 "예시 데이터 채우기"를 눌러 먼저 확인해보세요.
📊 결과 해석 가이드
해석 포인트결정계수(R²)는 X가 Y의 변화를 얼마나 잘 설명하는지 나타냅니다. 0.7 이상이면 강한 관계, 0.3~0.7이면 중간 정도, 0.3 미만이면 약한 관계로 봅니다.

기울기(b)의 부호가 양수면 X가 커질수록 Y도 커지는 관계(양의 상관), 음수면 X가 커질수록 Y가 작아지는 관계(음의 상관)입니다. 다만 상관관계가 있다고 해서 반드시 인과관계인 것은 아니므로, 다른 요인이 함께 작용하지 않았는지 함께 살펴보세요.

13

교차분석 계산기 (카이제곱 포함)

두 범주형 변수의 교차표를 입력하면 행·열·전체 백분율과 카이제곱 검정(χ², p-value, Cramer's V)을 한 번에 계산합니다.

💡 상세 사용법
  • 비교하고 싶은 두 범주형 문항(예: 성별 × 구매 여부, 연령대 × 선호 브랜드)을 정하고, 행/열 개수를 선택한 뒤 "표 만들기"를 누르세요.
  • 표가 만들어지면 각 칸(행 라벨, 열 라벨, 응답자 수)을 채우고 "계산하기"를 누릅니다.
  • 기대빈도(각 칸의 이론적 기대값)가 5 미만인 칸이 많으면 카이제곱 검정의 정확도가 떨어질 수 있으니, 가능하면 각 칸에 충분한 응답자 수를 확보하세요.
📊 결과 해석 가이드
해석 포인트p-value가 0.05보다 작으면 "두 변수 사이에 통계적으로 유의한 관계가 있다"고 해석합니다. Cramer's V는 그 관계의 강도를 0~1 사이 값으로 보여줍니다(0.1 미만: 매우 약함, 0.1~0.3: 약함, 0.3~0.5: 중간, 0.5 이상: 강함).

예시: "성별에 따른 구매 여부는 통계적으로 유의한 차이가 있습니다(p=0.012). 연관성의 크기는 약한 수준(Cramer's V=0.18)입니다." 카이제곱 검정은 "관계가 있는지"만 알려줄 뿐, 어느 방향인지는 각 백분율표를 직접 비교해서 확인해야 합니다.

14

평균 비교 계산기 (t-검정 · ANOVA 자동)

비교할 그룹의 데이터를 입력하면 그룹이 2개면 t-검정을, 3개 이상이면 분산분석(ANOVA)을 자동으로 실행합니다.

💡 상세 사용법
  • 비교하고 싶은 그룹 수(예: 성별 2개, 연령대 4개)를 선택하고 "그룹 입력칸 만들기"를 누르세요.
  • 각 그룹 이름(예: 남성/여성, 20대/30대)을 정하고, 해당 그룹의 응답 점수를 한 줄에 하나씩 붙여넣으세요.
  • 그룹이 2개면 t-검정(두 평균 비교), 3개 이상이면 ANOVA(분산분석, 여러 평균을 동시에 비교)가 자동으로 실행됩니다.
  • 각 그룹에 최소 2개 이상의 데이터가 필요합니다.
📊 결과 해석 가이드
해석 포인트p-value가 0.05보다 작으면 그룹 간 평균 차이가 "우연이 아니라 통계적으로 유의미하다"고 해석합니다. t-검정의 Cohen's d나 ANOVA의 η²(에타제곱)는 그 차이가 실제로 얼마나 큰지(효과크기)를 보여줍니다.

예시: "연령대별 만족도는 통계적으로 유의한 차이가 있습니다(F=6.82, p<0.001). 사후검정 결과 20대와 40대 사이에서 유의한 차이가 나타났습니다." ANOVA에서 유의한 결과가 나오면, 어느 그룹끼리 차이가 나는지 알기 위해 사후검정(그룹 간 쌍별 비교) 결과를 함께 확인하세요. 이 계산기의 사후검정은 본페로니(Bonferroni) 보정을 적용한 쌍별 t-검정으로, 여러 번 비교할 때 생기는 오류를 보수적으로 통제합니다.

계산이 끝났다면, 이제 나우앤서베이에서 설문을 직접 만들고 배포해보세요.

설문 만들기 → 설문조사 가이드 →