범주형 변수 간의 관련성을 분석하는 통계 방법은?

카이제곱 검정은 두 개 이상의 범주형 변수 간의 관련성 또는 독립성을 검정하는 방법이다.

핵심 해설 이 문제는 변수의 유형에 따라 적절한 통계 분석 방법이 무엇인지 묻고 있어요. 통계 분석 방법을 선택할 때 가장 먼저 고려해야 할 것은 분석하고자 하는 변수가 연속형인지, 범주형인지를 구분하는 거예요. 핵심 개념 분석: 카이제곱 검정(Chi-square test)은 두 개 이상의 범주형 변수(Categorical variable) 간에 통계적으로 유의미한 관련성(Association)이 있는지, 혹은 서로 독립적인지를 검정하는 비모수적 방법이에요. 예를 들어, '흡연 여부(예/아니오)'와 '폐암 발생 여부(발생/미발생)'처럼 두 범주형 변수 간의 연관성을 분석할 때 사용합니다. 정답 근거: 핵심! 문제에서 "범주형 변수 간의 관련성"을 분석한다고 명시했기 때문에, 이 조건에 정확히 부합하는 분석 방법은 카이제곱 검정입니다. 이 검정은 관찰된 빈도(Observed frequency)와 기대 빈도(Expected frequency)의 차이를 계산하여 두 변수가 서로 독립적이라는 귀무가설(Null hypothesis)을 검정합니다. 오답 분석: 혼동 주의! ① 분산분석(ANOVA, Analysis of Variance): 세 집단 이상의 연속형 종속변수의 평균을 비교할 때 사용하는 방법이에요. 예를 들어, 'A약, B약, C약(범주형 독립변수)'을 투여한 후 '혈압 수치(연속형 종속변수)'의 평균 차이를 비교할 때 사용하므로, 범주형 변수 간의 관련성 분석과는 거리가 멀어요. 혼동 주의! ② t-검정(t-test): 두 집단의 연속형 종속변수의 평균을 비교할 때 사용하는 방법이에요. 예를 들어, '남성과 여성(범주형 독립변수)'의 '키(연속형 종속변수)' 평균 차이를 분석하는 것이죠. 혼동 주의! ③ 상관분석(Correlation analysis): 두 개의 연속형 변수 간의 선형 관계의 강도와 방향을 분석할 때 사용해요. 예를 들어, '공부 시간(연속형)'과 '시험 점수(연속형)'의 관계를 분석하는 것이 대표적이에요. 혼동 주의! ④ 회귀분석(Regression analysis): 하나 이상의 독립변수(연속형 또는 범주형)가 연속형 종속변수에 미치는 영향을 분석할 때 사용해요. 인과관계를 추론할 수 있는 강력한 도구이지만, 종속변수가 연속형이라는 점이 핵심이에요. 연관 개념 정리: 통계 방법 선택의 가장 기본적인 기준은 분석하려는 변수의 유형입니다. 분석 목적에 따라 올바른 검정법을 연결하는 사고 흐름을 익혀두는 것이 중요해요.

분석 목적	독립변수 유형	종속변수 유형	적절한 통계 방법
두 집단 평균 비교	범주형 (2집단)	연속형	독립표본 t-검정(Independent t-test)
세 집단 이상 평균 비교	범주형 (3집단 이상)	연속형	분산분석(ANOVA)
관련성/연관성 분석	범주형	범주형	카이제곱 검정(Chi-square test)
선형 관계의 강도	연속형	연속형	상관분석(Correlation analysis)
인과관계/영향력 분석	연속형/범주형	연속형	회귀분석(Regression analysis)

개념 정리: 범주형 변수(Categorical variable)는 성별, 혈액형, 질병 유무처럼 비연속적인 특성을 가진 변수이며, 연속형 변수(Continuous variable)는 키, 몸무게, 혈압, 체온처럼 무한한 범위의 값을 가지는 변수입니다. 카이제곱 검정(Chi-square test)은 오직 범주형 변수를 위한 검정이라는 점을 기억하세요.
암기 팁: 카이제곱은 카테고리(범주)! '카이제곱'과 '카테고리(범주)'의 앞 글자 '카'를 연결지어 기억하면, 범주형 변수를 분석할 때는 카이제곱 검정을 떠올리기 쉬워요.

핵심 포인트 이 개념은 실제 연구 데이터를 해석할 때 기초적이면서도 매우 중요한 판단 기준이에요. 데이터를 수집한 후 어떤 통계 기법을 적용할지 결정하는 첫 단추는 변수의 유형을 정확히 파악하는 것입니다. * 실제 적용 의미: 연구 논문을 읽거나 데이터를 분석할 때, '흡연 여부'와 '고혈압 유병률'의 관계처럼 범주형으로 수집된 자료가 어떻게 처리되는지 이해하는 것이 중요해요. 카이제곱 검정(Chi-square test)은 두 범주형 변수 사이에 통계적으로 유의미한 연관성이 있는지를 숫자(p-value)로 명확히 제시해 주기 때문에 연구 결론의 근거를 마련하는 데 핵심적인 역할을 합니다. * 판단 사고 흐름: 변수 유형 확인 → 분석 목적 확인 (평균 비교 vs. 연관성 분석) → 적합한 통계 기법 선택의 순서로 진행됩니다. 예를 들어, '성별에 따라 운동 습관(규칙적/비규칙적)에 차이가 있는가?'라는 질문은 두 범주형 변수의 연관성을 보는 것이므로 카이제곱 검정을 선택해야 합니다. 만약 '성별에 따른 혈당 수치의 차이'를 본다면 이는 범주형 독립변수와 연속형 종속변수의 관계이므로 t-검정을 선택하는 것이 옳습니다. * 흔한 오류 및 주의사항: 혼동 주의! 종속변수가 연속형인데 두 집단 간의 빈도만을 비교하기 위해 카이제곱 검정을 사용하는 것은 잘못된 적용이에요. 예를 들어, 두 그룹의 '혈압' 차이를 보기 위해 t-검정 대신 임의로 '정상혈압/고혈압'으로 범주화하여 카이제곱 검정을 하면 정보 손실이 발생하고 검정력(Power)이 떨어질 수 있어요. 연속형 변수는 되도록 연속형 그대로 분석하는 것이 원칙입니다.