다음 상황에서 작업치료 연구자가 변수의 연관성을 확인하기 위해 사용해야 할 통계 분석 방법은 무엇인가?
1카이제곱 검정
2독립표본 t검정
3로지스틱 회귀분석
4분산분석
5상관분석✓ 정답
해설
두 연속형 변수(일상생활활동 자립도 점수와 우울 척도 점수) 간 선형적 관계의 강도와 방향을 파악하려면 상관분석(예: 피어슨 상관계수)을 사용합니다. 카이제곱 검정(보기1)은 범주형 변수 간 연관성, 독립표본 t검정(보기2)은 두 집단 평균 비교, 로지스틱 회귀분석(보기3)은 종속변수가 이분형일 때, 분산분석(보기4)은 세 집단 이상 평균 비교에 사용됩니다.
작업치료 핵심 해설
이 문제는 작업치료 연구에서 데이터를 분석할 때, 변수 간의 관계를 파악하기 위해 어떤 통계 기법을 선택해야 하는지 묻는 기본적인 연구방법론 문제예요. 연구 설계와 변수의 특성에 맞는 통계 분석법을 선택하는 것은 근거 중심 실천(EBP, Evidence-Based Practice)을 뒷받침하는 핵심 기술이에요.
핵심 개념 분석 (Key Concept)
문제의 핵심은 "변수의 연관성을 확인"하는 것이에요. 통계학에서 '연관성(Association)'은 두 변수가 함께 변화하는 경향을 의미하며, 그 강도와 방향을 수치화하는 것이 목적이에요. 이때 사용하는 대표적인 분석법이 상관분석(Correlation Analysis)이에요. 특히 두 변수가 모두 연속형 변수(예: 점수, 시간, 나이)일 때 피어슨 상관계수(Pearson's correlation coefficient, r)를 주로 사용해요.
정답 근거 (Answer Rationale)핵심! "변수의 연관성을 확인"이라는 문구는 두 변수 간의 관계가 얼마나 강한지, 그리고 어떤 방향(정적/부적)인지를 알고 싶다는 의미예요. 이는 상관분석의 고유한 목적과 정확히 일치해요. 다른 분석법들은 평균 비교나 예측 모델 구축 등 다른 목적을 가지고 있으므로, 이 문제의 정답은 5번 상관분석이 맞아요.
오답 분석 (Distractor Analysis)혼동 주의! 각 오답은 모두 유용한 통계 기법이지만, "연관성 확인"이라는 특정 질문에는 적합하지 않아요.
① 카이제곱 검정(Chi-square test): 두 범주형 변수(예: 성별, 질환 유무) 간의 독립성 또는 연관성을 검정할 때 사용해요. 연속형 변수에는 적용할 수 없어요.
② 독립표본 t검정(Independent t-test): 서로 다른 두 집단(독립변수: 범주형)의 평균(종속변수: 연속형)을 비교할 때 사용해요. '비교'와 '연관성'은 다른 개념이에요.
③ 로지스틱 회귀분석(Logistic regression analysis): 종속변수가 이분형(예: 낙상 유/무)일 때, 여러 독립변수들이 이 결과에 미치는 영향을 분석하고 예측 모델을 만들 때 사용해요. 연관성 확인보다는 '예측'이나 '요인 분석'에 가까워요.
④ 분산분석(ANOVA, Analysis of Variance): 세 개 이상의 집단(독립변수: 범주형) 간 평균(종속변수: 연속형) 차이를 비교할 때 사용해요. t검정을 확장한 개념으로, 마찬가지로 '비교'가 목적이에요.
연관 개념 정리 (Related Concepts)
상관분석에서 구한 상관계수(r)는 -1에서 +1 사이의 값을 가져요. +1에 가까울수록 강한 정적 상관(한 변수가 증가하면 다른 변수도 증가), -1에 가까울수록 강한 부적 상관(한 변수가 증가하면 다른 변수는 감소), 0에 가까울수록 상관관계가 약하거나 없음을 의미해요. 중요한 것은 상관관계가 인과관계를 의미하지는 않는다는 점이에요. 두 변수가 함께 변하는 것은 관찰할 수 있지만, 어느 것이 원인이고 결과인지는 알 수 없어요.
개념 정리
상관분석(Correlation Analysis): 두 연속형 변수 간 선형적 관계의 강도와 방향을 파악.
회귀분석(Regression Analysis): 독립변수로 종속변수를 예측하거나, 변수 간의 인과적 영향을 탐색.
t검정 / ANOVA: 집단(범주형) 간 평균(연속형)을 비교.
카이제곱 검정: 두 범주형 변수 간의 연관성/독립성 검정.
한눈에 비교!
통계 분석법
주요 목적
변수 유형 (종속/독립)
작업치료 연구 예시
상관분석
두 변수 간 관계의 강도/방향 확인
두 변수 모두 연속형
일상생활활동(ADL) 점수와 삶의 질 점수의 관계
독립표본 t검정
두 집단의 평균 비교
독립: 범주형(2집단), 종속: 연속형
신경발달치료(NDT)군 vs 일반 작업치료군의 보행 속도 비교
일원 분산분석(ANOVA)
세 집단 이상의 평균 비교
독립: 범주형(3집단 이상), 종속: 연속형
경증, 중등도, 중증 뇌졸중 환자의 인지 기능 점수 비교
카이제곱 검정
두 범주형 변수의 연관성 검정
두 변수 모두 범주형
성별(남/여)과 낙상 경험 유무의 관계
로지스틱 회귀분석
이분형 결과를 예측하는 요인 분석
종속: 이분형, 독립: 연속형 또는 범주형
나이, 균형 점수, 인지 점수가 퇴원 후 재입원 여부를 예측
암기 팁
"관계 보려면 상관": 변수 간의 관계(연관성)를 보고 싶으면 상관분석.
"비교는 t와 A": 평균을 비교할 때는 t검정(두 집단)이나 ANOVA(세 집단 이상).
"범주는 카이": 두 변수가 모두 범주형일 때는 카이제곱 검정.
"예측은 회귀": 결과를 예측하거나 원인을 찾을 때는 회귀분석.
국시 빈출 포인트
연구방법론과 통계는 매년 1-2문제 정도 꾸준히 출제되는 영역이에요. 특히 통계 분석법의 선택 기준(변수의 유형과 연구 질문)과 상관계수(r)의 해석이 가장 자주 나와요. "어떤 연구 질문에 어떤 통계 방법을 써야 하는가?"를 중심으로 공부하세요.
기출 변형 주의!
변형 1 (변수 유형 강조): "작업기억 능력(연속변수)과 시공간 구성 능력(연속변수) 간의 관계를 분석하기 위해 사용하는 통계 방법은?" → 상관분석
변형 2 (목적 변경): "인지 재활 프로그램 참여군과 대조군의 작업 수행 시간 평균을 비교하는 방법은?" → 독립표본 t검정
변형 3 (용어 해석): "피어슨 상관계수 r = -0.85일 때, 이는 두 변수 간 어떤 관계를 나타내는가?" → 강한 부적 상관관계
작업치료 임상 실무 가이드임상 시나리오 (Clinical Scenario)
"작업치료사로서 뇌졸중 환자의 재활 효과를 연구하는 프로젝트에 참여하게 되었어요. 임상에서 느끼기에, 팔 기능이 좋아질수록 일상생활활동(ADL) 자립도도 함께 향상되는 것 같아 이 관계를 객관적으로 증명하고 싶어요. 연구 설계를 위해 팔 Fugl-Meyer 평가(FMA) 점수와 기능적 독립성 측정(FIM)의 일상생활활동(ADL) 하위 점수를 수집했어요. 이 두 점수 데이터를 분석하여 관계를 확인하려면 어떻게 해야 할까요?"
작업치료 중재 전략 (OT Intervention)
이 시나리오는 연구 단계이지만, 그 결과는 곧바로 근거 중심 실천(EBP)으로 연결돼요.
1평가(Assessment)FMA(연속변수)와 FIM ADL 점수(연속변수)를 수집합니다.
2분석(Analysis)두 연속변수 간의 선형적 관계를 파악하기 위해 피어슨 상관분석을 실시합니다. 상관계수(r)가 예를 들어 0.7로 나왔다면, 이는 강한 정적 상관관계를 의미합니다. 즉, 팔 기능이 좋을수록 ADL 수행도 좋다는 가설을 통계적으로 지지하는 근거가 됩니다.
3임상 적용(Clinical Application)이 분석 결과는 팔 기능 회복이 ADL 자립에 직접적으로 기여한다는 강력한 근거가 되어, 치료 계획에서 팔 기능 훈련의 중요성을 강조하는 데 활용할 수 있습니다. 또한, 상관관계가 매우 강하다면, 팔 기능을 예측 변수로 사용하여 환자의 퇴원 시 예상 ADL 수준을 추정하는 모델을 개발(회귀분석)하는 다음 단계로 나아갈 수도 있습니다.
환자 안전 및 주의사항 (Precautions)
연구를 설계하고 통계를 적용할 때 가장 주의해야 할 점은 통계적 오류와 윤리적 문제예요.
1통계적 오류상관관계를 인과관계로 오해하지 마세요. "A가 B의 원인이다"라고 결론지을 수는 없어요. 또한, 이상치(Outlier)가 상관계수에 큰 영향을 미칠 수 있으므로 데이터를 시각화(산점도)하여 먼저 확인하는 습관이 필요해요.
2윤리적 문제모든 연구는 기관생명윤리위원회(IRB)의 승인을 받아야 하며, 참여자의 사전 동의를 반드시 얻어야 해요. 데이터는 익명화하여 처리하고, 개인정보 보호에 최선을 다해야 합니다.
치료 프로토콜작업치료 연구에서 통계 분석 선택 프로토콜
1연구 질문 명확화"비교하는가?", "관계를 보는가?", "예측하는가?"를 먼저 정하세요.
2변수 유형 확인종속변수와 독립변수가 각각 연속형인지, 범주형인지, 이분형인지 확인하세요.
3분석법 선택위의 표를 참고하여 적절한 통계 분석법을 선택하세요.
4가정 확인선택한 분석법의 전제 조건(예: 정규성, 등분산성)을 검정하세요.
5결과 해석 및 보고통계적 유의성(p-value)과 효과 크기(예: r값, Cohen's d)를 함께 보고하세요.
선배 작업치료사의 한마디
"통계가 어렵게 느껴질 수 있지만, 작업치료사로서 연구를 읽고 비판적으로 평가하며, 나아가 자신의 임상 경험을 체계적으로 정리해 공유하는 것은 정말 중요한 역량이에요. '이 치료가 정말 효과가 있을까?'라는 질문에 답하기 위해 통계는 필수적인 도구예요. 처음에는 기본 개념인 '상관, 비교, 예측'이라는 세 가지 큰 그림을 먼저 잡고, 각 분석법이 어떤 질문에 답하는지 이해해보세요. 그러면 연구 논문을 읽을 때도, 자신의 데이터를 분석할 때도 훨씬 수월해질 거예요. 클라이언트에게 더 나은 증거 기반의 치료를 제공하기 위한 첫걸음이라고 생각하세요!"
상관분석(Correlation Analysis) — 두 연속형 변수 간 선형적 관계의 강도와 방향을 파악하는 통계 분석 방법입니다. 피어슨 상관계수(r)를 주로 사용합니다.
피어슨 상관계수(Pearson's r) — 상관분석에서 두 연속변수 간 선형 관계의 강도(-1 ~ +1)와 방향(정적/부적)을 나타내는 지표입니다.
연속형 변수(Continuous Variable) — 측정값이 연속적인 스케일을 가지는 변수입니다. (예: 점수, 시간, 키, 체중). 상관분석의 주요 대상입니다.
범주형 변수(Categorical Variable) — 몇 개의 범주 또는 그룹으로 분류되는 변수입니다. (예: 성별, 진단명, 치료법). 카이제곱 검정의 대상입니다.
근거 중심 실천(EBP, Evidence-Based Practice) — 최선의 연구 근거, 임상가의 전문성, 클라이언트의 가치와 선호도를 통합하여 임상 결정을 내리는 접근법입니다. 적절한 통계 분석은 연구 근거의 신뢰성을 평가하는 데 필수적입니다.