간호학과 학생들을 대상으로 스트레스 관리 프로그램의 효과를 검증하기 위해 연구를 수행하였다. 연구 대상자를 무작위로 세 집단(인지행동치료군, 이완요법군, 대조군)으로 배정하고, 각 집단의 스트레스 점수 평균을 비교하고자 한다. 각 집단의 표본 크기는 30명이며, 스트레스 점수는 정규분포를 따르고 집단 간 분산이 동질하다고 가정한다.
1독립표본 t-검정(Independent t-test)
2대응표본 t-검정(Paired t-test)
3카이제곱 검정(Chi-square test)
4피어슨 상관분석(Pearson correlation)
5일원분산분석(One-way ANOVA)✓ 정답
해설
세 집단 이상의 평균을 비교할 때는 일원분산분석(One-way ANOVA)을 사용한다. t-검정은 두 집단 비교에만 사용되며, 다중비교 시 제1종 오류가 증가하는 문제가 있다.
세 집단 이상의 평균 차이를 검정할 때는 일원분산분석(One-way ANOVA)을 사용해야 합니다. 이는 간호연구에서 매우 중요한 통계분석 방법 중 하나입니다.
일원분산분석의 기본 원리는 집단 간 변동(between-group variation)과 집단 내 변동(within-group variation)을 비교하여 집단 간 평균 차이가 우연에 의한 것인지, 실제 차이에 의한 것인지를 판단하는 것입니다.F-통계량을 계산하여 집단 간 분산과 집단 내 분산의 비율을 구하고, 이를 통해 귀무가설(모든 집단의 평균이 같다)을 검정합니다.
만약 세 집단을 두 집단씩 짝지어 독립표본 t-검정을 반복 시행한다면, 다중비교 문제가 발생합니다. 예를 들어, 세 집단(A, B, C)을 비교할 때 A-B, A-C, B-C로 총 3번의 t-검정을 시행하게 되면, 제1종 오류(α)가 누적되어 전체 유의수준이 증가합니다. 개별 검정의 α=0.05일 때, 전체 α는 약 0.143이 되어 오류 확률이 크게 증가합니다.
일원분산분석의 가정조건은 다음과 같습니다: ①정규성(각 집단의 종속변수가 정규분포를 따름), ②등분산성(집단 간 분산이 동질함), ③독립성(관찰값들이 서로 독립적임). 이러한 가정이 충족되지 않을 경우 비모수 검정인 Kruskal-Wallis 검정을 사용할 수 있습니다.
간호연구에서 일원분산분석은 다양한 상황에서 활용됩니다. 예를 들어, 서로 다른 간호중재법의 효과 비교, 연령대별 건강상태 차이 분석, 병동별 환자만족도 비교 등에서 사용됩니다. 분석 결과 유의한 차이가 발견되면, 사후검정(post-hoc test)을 통해 어느 집단 간에 차이가 있는지를 구체적으로 파악할 수 있습니다.
대학병원 간호부에서 신규간호사의 직무스트레스 감소를 위한 중재 프로그램의 효과를 검증하는 연구를 계획하고 있습니다.
연구팀은 신규간호사 90명을 무작위로 세 집단으로 배정했습니다: ①멘토링 프로그램군(30명), ②스트레스 관리 교육군(30명), ③일반적 오리엔테이션군(대조군, 30명). 각 집단에 8주간의 서로 다른 중재를 적용한 후, 직무스트레스 척도(Job Stress Scale)를 사용하여 스트레스 수준을 측정했습니다.
연구자는 세 집단의 직무스트레스 점수 평균이 통계적으로 유의한 차이가 있는지 검정하고자 합니다. 데이터 분석 전 정규성 검정(Shapiro-Wilk test)과 등분산성 검정(Levene's test)을 실시한 결과, 모든 가정이 충족되었습니다.
이 상황에서 연구자는 일원분산분석(One-way ANOVA)을 사용하여 세 집단 간 평균 차이를 검정해야 합니다. 만약 F-검정 결과가 유의하다면(p<0.05), 사후검정(Tukey HSD, Bonferroni 등)을 통해 어느 집단 간에 구체적인 차이가 있는지 확인할 수 있습니다. 이를 통해 어떤 중재 방법이 가장 효과적인지 판단할 수 있습니다.
일원분산분석(One-way ANOVA) — 하나의 독립변수(요인)에 대해 세 개 이상의 집단 간 종속변수의 평균 차이를 검정하는 통계분석 방법. 집단 간 변동과 집단 내 변동을 비교하여 F-통계량을 계산한다.
F-통계량(F-statistic) — 집단 간 평균제곱(MSB)을 집단 내 평균제곱(MSW)으로 나눈 값. F = MSB/MSW로 계산되며, 집단 간 차이가 클수록 F값이 커진다.
다중비교 문제(Multiple comparison problem) — 여러 집단을 두 집단씩 반복하여 비교할 때 제1종 오류가 누적되어 전체 유의수준이 증가하는 문제. 이를 해결하기 위해 일원분산분석을 사용한다.
사후검정(Post-hoc test) — 일원분산분석에서 유의한 결과가 나왔을 때, 어느 집단 간에 구체적인 차이가 있는지 확인하는 검정. Tukey HSD, Bonferroni, Scheffe 등의 방법이 있다.
등분산성(Homogeneity of variance) — 일원분산분석의 가정 중 하나로, 모든 집단의 모분산이 같다는 조건. Levene's test나 Bartlett's test로 검정할 수 있으며, 위반 시 Welch's ANOVA를 사용할 수 있다.