한 간호연구자가 새로운 상처 드레싱 방법의 효과를 검증하기 위해 무작위 대조군 실험을 실시하였다. 연구자는 "새로운 드레싱 방법이 기존 방법보다 상처 치유 시간을 단축시킨다"는 대립가설을 설정하고 유의수준 α=0.05로 검정을 실시하였다. 연구 결과 p값이 0.03으로 나타나 귀무가설을 기각하고 새로운 방법이 효과적이라고 결론지었다.
1제1종 오류는 실제로 효과가 있는데 효과가 없다고 결론내리는 오류이다
2제2종 오류는 실제로 효과가 있는데 효과가 없다고 결론내리는 오류이다✓ 정답
3통계적 검정력이 높을수록 제1종 오류가 증가한다
4유의수준을 낮추면 제2종 오류의 확률이 감소한다
5표본 크기가 클수록 제1종 오류와 제2종 오류가 모두 증가한다
해설
제2종 오류(β 오류)는 실제로는 귀무가설이 거짓인데(효과가 있는데) 귀무가설을 채택하는(효과가 없다고 결론내리는) 오류이다.
통계적 가설 검정에서 발생할 수 있는 오류는 제1종 오류(Type I error, α 오류)와 제2종 오류(Type II error, β 오류)로 구분된다.
제1종 오류는 실제로는 귀무가설이 참인데(효과가 없는데) 귀무가설을 기각하는(효과가 있다고 결론내리는) 오류이다. 이는 '거짓 양성(false positive)' 또는 '허위 발견'이라고도 한다. 제1종 오류의 확률은 유의수준 α와 같으며, 연구자가 미리 설정한다.
제2종 오류는 실제로는 귀무가설이 거짓인데(효과가 있는데) 귀무가설을 채택하는(효과가 없다고 결론내리는) 오류이다. 이는 '거짓 음성(false negative)' 또는 '놓친 발견'이라고도 한다. 제2종 오류의 확률은 β로 표시되며, 통계적 검정력(1-β)과 반비례 관계에 있다.
간호연구에서 이러한 오류들은 임상적으로 중요한 의미를 갖는다. 예를 들어, 새로운 간호중재의 효과를 검증하는 연구에서 제1종 오류가 발생하면 실제로는 효과가 없는 중재를 효과적이라고 잘못 결론내려 환자에게 불필요한 중재를 제공할 수 있다. 반대로 제2종 오류가 발생하면 실제로는 효과적인 중재를 놓쳐서 환자가 더 나은 치료를 받을 기회를 상실할 수 있다.
통계적 검정력이 높을수록 제2종 오류는 감소하지만 제1종 오류와는 직접적인 관계가 없다. 유의수준을 낮추면(예: 0.05에서 0.01로) 제1종 오류는 감소하지만 제2종 오류는 증가한다. 표본 크기가 클수록 통계적 검정력이 증가하여 제2종 오류는 감소하지만, 제1종 오류는 유의수준에 의해 결정되므로 표본 크기와 무관하다.
중환자실에서 근무하는 간호사 김○○는 새로운 욕창 예방 프로토콜의 효과를 검증하는 연구에 참여하고 있다. 연구팀은 기존 2시간마다 체위변경하는 방법과 새로운 압력 분산 매트리스를 사용하는 방법을 비교하고자 한다.
연구 설계 단계에서 연구자들은 다음과 같은 가설을 설정했다:- 귀무가설(H₀): 새로운 프로토콜과 기존 방법 간에 욕창 발생률의 차이가 없다- 대립가설(H₁): 새로운 프로토콜이 기존 방법보다 욕창 발생률을 감소시킨다
연구 결과 분석에서 p값이 0.08로 나타났다. 유의수준을 0.05로 설정했으므로 귀무가설을 채택하여 "새로운 프로토콜의 효과가 통계적으로 유의하지 않다"고 결론지었다. 그러나 실제로는 새로운 프로토콜이 욕창 예방에 효과적이었다면, 이는 제2종 오류에 해당한다.
이러한 오류를 줄이기 위해 연구자들은 적절한 표본 크기 산출, 효과 크기 고려, 통계적 검정력 분석 등을 통해 연구 설계를 개선해야 한다. 특히 간호연구에서는 환자의 안전과 직결되는 문제이므로 통계적 오류의 임상적 의미를 신중히 고려해야 한다.
제1종 오류(Type I error) — 실제로는 귀무가설이 참인데 귀무가설을 기각하는 오류로, α 오류라고도 한다. 확률은 유의수준과 같으며, 거짓 양성 결과를 의미한다.
제2종 오류(Type II error) — 실제로는 귀무가설이 거짓인데 귀무가설을 채택하는 오류로, β 오류라고도 한다. 거짓 음성 결과를 의미하며, 통계적 검정력과 반비례 관계에 있다.
통계적 검정력(Statistical Power) — 실제로 효과가 있을 때 이를 올바르게 탐지할 확률로, 1-β로 계산된다. 일반적으로 0.8 이상이 적절하다고 여겨진다.
유의수준(Significance Level) — 제1종 오류를 범할 확률의 최대 허용치로, α로 표시된다. 일반적으로 0.05 또는 0.01을 사용하며, 연구자가 미리 설정한다.
효과 크기(Effect Size) — 두 집단 간 차이의 실질적 크기를 나타내는 지표로, 통계적 유의성과 함께 임상적 의미를 판단하는 데 중요한 역할을 한다.