간호연구에서 범주형 변수 간의 관계를 검정하고자 할 때 사용하는 통계 분석 방법으로 가장 적절한 것은? | 마이메르시 MyMerci
자료 분석과 해석
문제
간호연구에서 범주형 변수 간의 관계를 검정하고자 할 때 사용하는 통계 분석 방법으로 가장 적절한 것은?
A 간호사는 입원 환자의 성별(남성/여성)과 낙상 발생 여부(발생/미발생) 간의 관련성을 조사하는 연구를 수행하고 있다. 총 200명의 환자를 대상으로 하였으며, 각 변수는 명목척도로 측정되었다.
1독립표본 t-검정(Independent t-test)
2일원분산분석(One-way ANOVA)
3피어슨 상관분석(Pearson correlation)
4카이제곱 검정(Chi-square test)✓ 정답
5회귀분석(Regression analysis)
해설
범주형 변수 간의 관계를 검정할 때는 카이제곱 검정을 사용한다. 성별과 낙상 발생 여부는 모두 명목척도의 범주형 변수이므로 카이제곱 검정이 적절하다.
심화 해설
범주형 변수 간의 관계 검정은 간호연구에서 매우 중요한 분석 방법 중 하나이다. 범주형 변수는 명목척도나 서열척도로 측정되는 변수로, 수치적 의미보다는 범주나 집단을 나타내는 특성을 가진다.
카이제곱 검정(Chi-square test)은 두 개 이상의 범주형 변수 간의 독립성을 검정하는 비모수 통계 방법이다. 이 검정은 관찰빈도와 기대빈도 간의 차이를 통해 변수들 간의 관련성을 평가한다. 제시된 연구 상황에서 성별(남성/여성)과 낙상 발생 여부(발생/미발생)는 모두 명목척도의 범주형 변수이므로, 이들 간의 관련성을 검정하기 위해서는 카이제곱 검정이 가장 적절하다.
카이제곱 검정의 기본 원리는 귀무가설(H₀: 두 변수는 독립적이다)과 대립가설(H₁: 두 변수는 독립적이지 않다) 설정 후, 관찰된 빈도와 기대빈도의 차이를 χ² 통계량으로 계산하여 p값을 구하는 것이다. 일반적으로 유의수준 0.05를 기준으로 하여 p
임상 시나리오
종합병원 내과 병동에서 근무하는 김 간호사는 환자안전 개선을 위한 연구를 계획하고 있다. 최근 6개월간 병동에서 발생한 낙상 사고를 분석한 결과, 성별에 따른 낙상 발생률에 차이가 있을 것이라는 가설을 세웠다.
연구 대상은 내과 병동에 입원한 만 65세 이상 환자 200명이며, 이들의 성별(남성 120명, 여성 80명)과 입원 기간 중 낙상 발생 여부(발생 30명, 미발생 170명)를 조사하였다. 김 간호사는 이 두 변수가 서로 독립적인지, 아니면 통계적으로 유의한 관련성이 있는지 확인하고자 한다.
이러한 분석을 통해 성별이 낙상 위험요인인지 파악하고, 향후 성별을 고려한 맞춤형 낙상 예방 간호중재 프로그램을 개발하는 데 활용할 계획이다. 또한 이 연구 결과는 병동의 낙상 예방 가이드라인 수정과 간호사 교육 프로그램 개선에도 중요한 근거자료로 활용될 예정이다.
핵심 개념
카이제곱 검정(Chi-square test) — 두 개 이상의 범주형 변수 간의 독립성을 검정하는 비모수 통계 방법으로, 관찰빈도와 기대빈도의 차이를 이용하여 변수들 간의 관련성을 평가한다.
관찰빈도(Observed frequency) — 실제 연구에서 각 범주에 속하는 대상자의 수로, 카이제곱 검정에서 기대빈도와 비교하여 통계량을 계산하는 데 사용된다.
기대빈도(Expected frequency) — 두 변수가 독립적이라고 가정했을 때 각 셀에서 기대되는 빈도로, 행 합계와 열 합계의 곱을 전체 표본 수로 나누어 계산한다.
독립성(Independence) — 한 변수의 값이 다른 변수의 값에 영향을 주지 않는 상태로, 카이제곱 검정의 귀무가설에서 두 범주형 변수 간의 관계가 없음을 의미한다.
Fisher의 정확검정(Fisher's exact test) — 카이제곱 검정의 가정이 충족되지 않을 때, 특히 기대빈도가 5 미만인 셀이 많을 때 사용하는 대안적 검정 방법이다.
마이메르시로 국가고시 완벽 대비
기출문제와 상세 해설을 무료로. 내 약점을 분석하고 진도를 관리하며 더 똑똑하게 공부하세요.