기술통계에서 중심경향값은 자료의 중심위치를 나타내는 대표값으로, 평균(mean), 중위수(median), 최빈값(mode)이 있다. 각각의 특성과 적절한 사용 상황을 이해하는 것이 중요하다.
평균은 모든 자료값의 합을 자료의 개수로 나눈 값으로, 가장 일반적으로 사용되는 중심경향값이다. 그러나 평균은 이상치(outlier)의 영향을 크게 받는다는 단점이 있다. 예를 들어, 혈압 측정값 중 극단적으로 높거나 낮은 값이 있으면 평균이 실제 자료의 중심위치를 왜곡하여 나타낼 수 있다.
중위수는 자료를 크기 순으로 나열했을 때 가운데 위치하는 값으로, 이상치의 영향을 받지 않는 저항성(robust) 통계량이다. 따라서 이상치가 있는 자료나 비대칭 분포를 보이는 자료에서는 중위수가 평균보다 자료의 중심위치를 더 적절하게 나타낸다.
최빈값은 자료에서 가장 빈번하게 나타나는 값으로, 주로 범주형 자료에서 사용된다. 연속형 자료에서는 동일한 값이 반복되는 경우가 드물어 최빈값의 의미가 제한적이다.
간호연구에서는 생리적 지표, 통증 점수, 만족도 점수 등 다양한 형태의 자료를 다루게 된다. 자료의 분포 특성을 파악하고 이상치의 존재 여부를 확인한 후, 적절한 중심경향값을 선택하는 것이 연구 결과의 정확한 해석을 위해 필수적이다.
간호연구에서 기술통계 분석은 수집된 자료의 특성을 파악하는 첫 번째 단계이다. 예를 들어, 당뇨병 환자의 혈당 관리 효과를 평가하는 연구에서 공복혈당 수치를 측정했다고 가정해보자.
연구자가 30명의 환자로부터 공복혈당 수치를 수집했는데, 대부분의 값이 80-120 mg/dL 범위에 분포하지만 한 명의 환자에서 300 mg/dL라는 극단적으로 높은 값이 측정되었다. 이 경우 평균을 계산하면 이상치로 인해 실제보다 높게 나타날 수 있다.
이런 상황에서 연구자는 자료의 분포를 히스토그램이나 상자그림(box plot)으로 시각화하여 이상치의 존재를 확인하고, 중위수를 사용하여 자료의 중심위치를 더 정확하게 파악할 수 있다. 또한 사분위수 범위(IQR)를 함께 제시하여 자료의 산포도를 나타낼 수 있다.
간호연구에서는 이러한 기술통계 분석을 통해 연구 대상자의 특성을 파악하고, 추후 추론통계 분석을 위한 기초 자료로 활용한다. 정확한 기술통계 분석은 연구 결과의 신뢰성과 타당성을 높이는 데 중요한 역할을 한다.
중심경향값(Measures of Central Tendency) — 자료의 중심위치를 나타내는 대표값으로 평균, 중위수, 최빈값이 있으며, 자료의 분포 특성에 따라 적절한 값을 선택해야 한다.
이상치(Outlier) — 다른 자료값들과 현저히 다른 극단적인 값으로, 측정 오류나 특별한 상황에 의해 발생하며 통계 분석 결과에 큰 영향을 미칠 수 있다.
저항성 통계량(Robust Statistics) — 이상치나 극단값의 영향을 받지 않거나 적게 받는 통계량으로, 중위수와 사분위수 범위가 대표적인 예이다.
평균(Mean) — 모든 자료값의 합을 자료의 개수로 나눈 값으로, 정규분포를 따르는 자료에서 가장 적절한 중심경향값이지만 이상치의 영향을 크게 받는다.
중위수(Median) — 자료를 크기 순으로 나열했을 때 가운데 위치하는 값으로, 이상치의 영향을 받지 않아 비대칭 분포나 이상치가 있는 자료에서 적절한 중심경향값이다.