정규분포를 따르지 않는 자료의 두 집단 비교에 적합한 통계 방법은?

Mann-Whitney U test는 비모수 검정으로 정규분포를 가정하지 않으며, 두 독립 집단의 중앙값을 비교할 때 사용한다.

물리치료 핵심 해설 이 문제는 연구 방법론 및 통계 분석 영역에서 비모수 검정(Non-parametric test)의 적응증을 묻고 있어요. 물리치료 연구나 논문을 읽을 때, "내가 가진 데이터가 정규분포(Normal distribution)를 따르는가?"를 확인하는 것은 매우 중요한 첫 단계예요. 정규분포를 따르지 않거나 표본 크기가 작아서 정규성을 가정하기 어려울 때는 모수 검정 대신 비모수 검정을 사용해야 해요. 핵심 개념 분석 (Key Concept): 자료 분석 시 모수 검정과 비모수 검정의 선택 기준을 이해하는 것이 핵심이에요. 모수 검정(Parametric test)은 데이터가 정규분포를 따르고 등간척도 이상이며 집단 간 등분산성을 만족한다는 가정을 필요로 해요. 반면, 비모수 검정(Non-parametric test)은 이러한 가정에서 자유로워 데이터의 분포 형태에 제한을 받지 않고, 주로 순위 척도로 변환하거나 중앙값(Median)을 비교해요. 정답 근거 (Answer Rationale): 핵심! Mann-Whitney U test는 대표적인 비모수 검정법이에요. 이는 두 개의 독립적인(Independent) 집단 간에 중앙값의 차이가 있는지를 비교할 때 사용하며, 데이터의 정규분포를 가정하지 않아요. 예를 들어, 물리치료 중재가 보행 속도에 미치는 효과를 확인하는 연구에서 실험군과 대조군의 보행 속도 데이터가 정규분포를 따르지 않는다면 독립 t-검정 대신 이 검정을 사용하게 돼요. 오답 분석 (Distractor Analysis): 혼동 주의! ①번 독립 t-검정(Independent t-test): 두 독립 집단의 평균을 비교하는 모수 검정이에요. 데이터가 정규분포를 따라야 한다는 기본 가정이 필요하므로 이 문제에는 적합하지 않아요. ②번 대응 t-검정(Paired t-test): 한 집단 내에서 중재 전과 후처럼 짝지어진(Paired) 데이터의 평균 차이를 비교하는 모수 검정이에요. 문제는 두 집단의 비교를 전제하므로 독립성 가정에서도 맞지 않아요. ④번 일원 분산분석(One-way ANOVA): 세 개 이상의 독립 집단 간 평균 차이를 비교하는 모수 검정이에요. 정규분포를 가정하며, 두 집단 비교 문제에는 적용할 수 없어요. ⑤번 피어슨 상관분석(Pearson correlation analysis): 두 연속형 변수 간의 선형적 상관관계를 분석하는 모수 검정이에요. 집단 간 차이를 비교하는 방법이 아니며, 정규성 가정을 필요로 해요. 연관 개념 정리 (Related Concepts): Mann-Whitney U test 외에 정규성을 가정하지 않는 검정법으로는 대응 표본 비교를 위한 Wilcoxon signed-rank test, 세 집단 이상을 비교하는 Kruskal-Wallis test가 있어요. 피어슨 상관분석의 비모수 대안은 Spearman's rank correlation이에요. 이들은 모두 데이터를 순위(Rank)로 변환하여 분석하는 공통점이 있어요. 개념 정리

분석 목적	모수 검정(정규분포 가정)	비모수 검정(정규분포 가정 없음)
두 독립 집단 비교	독립 t-검정(Independent t-test)	Mann-Whitney U test
두 대응 집단 비교	대응 t-검정(Paired t-test)	Wilcoxon signed-rank test
세 집단 이상 비교	일원 분산분석(One-way ANOVA)	Kruskal-Wallis test
상관관계 분석	피어슨 상관분석(Pearson correlation)	Spearman's rank correlation

한눈에 비교! 평균(Mean) vs 중앙값(Median): 모수 검정은 집단의 평균을 비교하지만, 비모수 검정은 중앙값이나 순위 합을 비교해요. 정규분포가 아닌 데이터에서는 평균보다 중앙값이 집단의 중심 경향을 더 잘 대표하기 때문이에요. 국시 빈출 포인트 물리치료사 국가고시에서는 연구 방법론 문제에서 "다음 중 비모수 검정에 해당하는 것은?" 혹은 "정규분포를 가정하지 않는 검정법을 고르시오."와 같은 형태로 자주 출제돼요. 각 검정법의 이름과 그에 대응하는 모수 검정을 짝지어 암기하는 것이 중요해요. 특히 Mann-Whitney U test와 독립 t-검정의 관계는 가장 빈출되는 짝이니 꼭 기억하세요! 암기 팁 '비모수'는 '모양(Parametric)에 구애받지 않는(Non-parametric) 검정'이라고 생각하면 기억하기 쉬워요. 그리고 Mann-Whitney의 'M'과 'W'를 뒤집으면 'W'와 'M', 즉 'Wilcoxon'과 'Mann-Whitney'로 연결 지을 수 있어요. Wilcoxon은 주로 대응표본(짝지은), Mann-Whitney는 독립표본을 위한 검정이라고 기억하세요! 기출 변형 주의! 임상 연구 시나리오를 제시하고 "연구 대상자의 연령 분포가 정규성을 만족하지 못하여 실험군과 대조군의 초기 중증도 차이를 비교하려고 한다. 가장 적합한 통계 방법은?"이라고 묻는 사례형 문제로 변형될 수 있어요. 이때도 두 독립 집단 비교이며 비모수 검정을 묻고 있으므로 Mann-Whitney U test가 정답이 돼요.

물리치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario): 당신은 급성기 뇌졸중 환자의 보행 능력 회복을 위한 새로운 로봇 보조 보행 훈련의 효과를 연구하는 물리치료사예요. 실험군(로봇 보행 훈련군) 12명과 대조군(전통적 보행 훈련군) 10명의 10미터 보행 속도(초) 데이터를 수집했어요. 그런데 샤피로-윌크 검정(Shapiro-Wilk test) 결과, 두 군 모두 p값이 0.05보다 작아 정규분포를 따르지 않는 것으로 확인되었어요. 이 경우, 두 군 간 보행 속도 차이를 통계적으로 검증하기 위해 어떤 방법을 선택해야 할까요? 물리치료 중재 전략 (Intervention Strategy): 이처럼 표본 수가 적거나 데이터의 정규성 가정이 위배되는 임상 연구에서는 Mann-Whitney U test를 선택하는 것이 근거 중심 물리치료의 핵심이에요. - 평가/검사(Examination): 데이터 수집 후, 반드시 히스토그램, Q-Q 도표, 또는 Shapiro-Wilk test, Kolmogorov-Smirnov test 등을 이용해 정규성을 검정하는 절차를 거쳐요. - 물리치료 진단·목표 설정(PT Diagnosis & Goal): 통계적 방법 선택은 연구의 내적 타당도를 결정하는 중요한 과정이에요. 잘못된 검정법을 사용하면 연구 결과를 신뢰할 수 없어요. - 중재 수행(Intervention): 통계 프로그램(R, SPSS, SAS 등)을 통해 'Mann-Whitney U test'를 선택하여 분석을 시행해요. 결과 해석 시에는 평균 차이가 아닌 중앙값(Median)의 차이와 사분위수 범위(IQR, Interquartile range)를 제시하는 것이 타당해요. 물리치료 프로토콜 데이터 정규성 검정 프로토콜: 1. 기술 통계 확인: 왜도(Skewness), 첨도(Kurtosis) 확인 (왜도 절댓값 2 미만, 첨도 절댓값 7 미만이면 정규성 가정 가능) 2. 도표 확인: 히스토그램, 상자 그림(Box plot), Q-Q 도표(정규분포 대각선에서 크게 벗어나면 비정규) 3. 가설 검정 시행: Shapiro-Wilk test (n < 50인 소표본에 적합), Kolmogorov-Smirnov test (n ≥ 50) 4. 판단: p > 0.05이면 정규성 만족 → 모수 검정, p ≤ 0.05이면 비모수 검정 선택 선배 물리치료사의 한마디 "처음에는 통계가 어렵게 느껴질 수 있지만, 내가 세운 가설을 검증하고 더 나은 치료법을 찾기 위한 가장 강력한 도구예요. '내 데이터의 분포는 어떤 모양일까?'를 먼저 생각하는 습관을 들이면, 환자에게 더욱 근거 있는 중재를 제공하는 전문가로 성장할 수 있답니다. 힘내세요!"