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<0.05이면 두 변수 간에 통계적으로 유의한 관련성이 있다고 해석한다.
간호 실무에서 카이제곱 검정은 다양하게 활용된다. 예를 들어, 간호중재의 효과성 평가(중재군/대조군과 개선/미개선), 환자 특성과 치료 결과의 관련성 분석(연령대와 합병증 발생), 간호사의 근무 특성과 직무만족도의 관계 등을 분석할 때 사용된다. 이러한 분석을 통해 간호사는 환자 돌봄의 질 향상과 효과적인 간호중재 개발에 필요한 근거를 마련할 수 있다.
카이제곱 검정을 수행하기 위해서는 몇 가지 가정이 충족되어야 한다. 각 셀의 기대빈도가 5 이상이어야 하며, 관찰값들이 서로 독립적이어야 한다. 만약 기대빈도가 5 미만인 셀이 20% 이상인 경우에는 Fisher의 정확검정을 사용하는 것이 더 적절하다.
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.
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.