성별(남, 여)과 흡연 유무(흡연, 비흡연)와 같이 두 개의 범주형 자료(명목척도) 간에 통계적으로 유의미한 연관성이 있는지 분석할 때 가장 적절한 통계 기법은?
1독립표본 t검정
2분산분석
3단순선형 회귀분석
4상관분석
5카이제곱 검정✓ 정답
해설
카이제곱 검정은 교차표를 이용하여 관찰빈도와 기대빈도의 차이를 통해 두 범주형 변수 간의 독립성이나 관련성을 검정하는 비모수 통계 방법이다. 독립표본 t검정과 분산분석은 연속형 변수 간 평균 차이를, 단순선형 회귀분석과 상관분석은 연속형 변수 간 관계를 분석하므로 범주형 자료에 부적절하다.
작업치료 핵심 해설
이 문제는 연구방법론과 통계 분석에서, 자료의 척도에 따라 적절한 통계 검정법을 선택하는 능력을 묻고 있어요. 작업치료사는 근거 중심 실천(EBP, Evidence-Based Practice)을 위해 연구 결과를 비판적으로 읽고, 자신의 연구를 설계할 수 있어야 해요. 그 첫걸음이 바로 올바른 통계 기법을 이해하는 거예요.
핵심 개념 분석 (Key Concept): 문제의 핵심은 범주형 변수(Categorical variable) 간의 연관성을 분석하는 방법이에요. 성별과 흡연 유무는 모두 명목척도(Nominal scale)로, 각 범주(예: 남/여, 흡연/비흡연) 간에 순서나 크기가 없는 자료예요. 이러한 자료는 핵심!빈도(Frequency)를 기반으로 분석해야 해요. 즉, "남성 중 흡연자는 몇 명인가?"와 같은 교차표(Contingency table)를 만들고, 관찰된 빈도가 기대되는 빈도와 얼마나 다른지를 검정하는 방법이 필요해요.
정답 근거 (Answer Rationale): 정답인 카이제곱 검정(Chi-square test)은 두 개 이상의 범주형 변수 간의 독립성 또는 연관성을 검정하는 비모수 검정법이에요. 교차표의 각 셀(Cell)에 들어있는 관찰빈도(Observed frequency)와, 두 변수가 서로 독립이라고 가정했을 때의 기대빈도(Expected frequency)를 비교하여 차이가 통계적으로 유의한지 판단해요. 따라서 성별과 흡연 유무처럼 모두 범주형인 변수 간 관계를 분석하는 데 가장 적합한 도구예요.
오답 분석 (Distractor Analysis):
혼동 주의! 다른 선택지들은 모두 연속형 변수(Continuous variable)를 분석할 때 사용되는 기법들이에요.
① 독립표본 t검정(Independent t-test): 두 개의 독립된 집단(예: 남성 vs 여성)에서 측정된 하나의 연속형 변수(예: 혈압)의 평균을 비교할 때 사용해요. 여기서는 흡연 유무가 범주형이므로 부적절해요.
② 분산분석(ANOVA): 세 개 이상의 독립된 집단에서 측정된 하나의 연속형 변수의 평균을 비교할 때 사용해요. 마찬가지로 연속형 변수가 필요하므로 이 문제 상황에는 맞지 않아요.
③ 단순선형 회귀분석(Simple linear regression): 하나의 독립변수(연속형)가 하나의 종속변수(연속형)에 미치는 영향을 예측하는 모델을 만들 때 사용해요. 두 변수가 모두 연속형이어야 해요.
④ 상관분석(Correlation analysis): 두 연속형 변수 간의 선형적 관계의 강도와 방향(예: 키와 체중의 관계)을 분석할 때 사용해요. 피어슨 상관계수(Pearson's r)는 연속형 변수에 적용되므로 범주형 변수 분석에는 사용할 수 없어요.
연관 개념 정리 (Related Concepts):
- 피셔의 정확 검정(Fisher's exact test): 카이제곱 검정의 대안으로, 표본 크기가 작거나 기대빈도가 5 미만인 셀이 많을 때 사용해요.
- 맥니마르 검정(McNemar's test): 두 범주형 변수가 짝지어진(Paired) 또는 반복 측정된 자료일 때(예: 치료 전후의 증상 유무 변화) 사용하는 검정법이에요. 독립표본이 아닌 경우에 주의하세요.
개념 정리
검정법
적용 자료 형태
분석 목적
작업치료 예시
카이제곱 검정
두 개의 범주형 변수
연관성/독립성 검정
뇌졸중 유형(출혈/경색)과 보행 보조기 사용 유무 관계
독립표본 t검정
한 개의 범주형(2집단) & 한 개의 연속형
두 집단 평균 비교
작업치료 받은 군 vs 대조군의 MMT 점수 비교
분산분석(ANOVA)
한 개의 범주형(3집단 이상) & 한 개의 연속형
세 집단 이상 평균 비교
신경발달치료(NDT), 관절가동범위운동(ROM), 대조군의 ADL 점수 비교
상관분석
두 개의 연속형 변수
선형 관계의 강도 분석
나이와 일상생활활동(ADL) 수행 시간의 관계
회귀분석
독립변수(연속/범주), 종속변수(연속)
변수 간 인과/예측 관계 분석
치료 횟수가 기능적 독립성 측정(FIM) 점수에 미치는 영향
한눈에 비교!
구분
범주형 변수 (Categorical)
연속형 변수 (Continuous)
정의
범주로 구분되는 변수 (명목, 순서 척도)
측정값이 연속적인 변수 (등간, 비율 척도)
예시
성별, 진단명, 치료법 종류, 만족도(높음/중간/낮음)
나이, 체중, MMT 점수, ADL 수행 시간(초)
분석법
빈도, 비율, 카이제곱 검정
평균, 표준편차, t검정, 상관분석
작업치료 예
스플린트(보조기) 착용 유무(예/아니오)
스플린트 착용 후 관절가동범위(ROM) 증가 각도(도)
암기 팁"범카(범주형-카이제곱)"라고 외우세요! 두 변수가 모두 범주형이면 카이제곱 검정을 쓴다. 반대로, "연t상회" (연속형 변수는 t검정, 상관, 회귀)라고 생각하면 다른 선택지들을 구분하기 쉬워요.
국시 빈출 포인트
통계 파트는 자료의 척도 → 적절한 분석법 연결 문제가 매우 자주 나와요. 특히 카이제곱 검정의 적용 조건(범주형 변수, 독립성 검정)과 t검정/ANOVA/상관분석의 차이를 명확히 구분할 수 있어야 해요. 연구 설계나 결과 해석 문제에서도 등장하므로 꼭 익혀두세요.
기출 변형 주의!
1. "성별에 따른 우울 점수의 차이를 분석하려면?" → 성별(범주형, 2집단)과 우울 점수(연속형)이므로 독립표본 t검정이 정답이에요.
2. "치료 전후의 통증 정도(없음/약함/심함) 변화를 분석하려면?" → 같은 대상자에게 반복 측정된 범주형 자료이므로 맥니마르 검정이나 윌콕슨 부호 순위 검정(순서척도일 경우)을 고려해야 해요.
작업치료 임상 실무 가이드임상 시나리오 (Clinical Scenario): "작업치료사인 당신은 뇌졸중 클라이언트의 재활 효과에 관한 연구를 계획 중이에요. '신경발달치료(NDT) 접근법을 받은 군'과 '일반 관절가동범위운동(ROM exercise)만 받은 군' 간에, 퇴원 시점의 '식사하기' ADL 독립성(독립/부분독립/의존) 비율에 차이가 있는지 알아보고 싶어요. 어떤 통계 분석을 사용해야 할까요?"
작업치료 중재 전략 (OT Intervention):
1평가(Assessment)연구 설계 시, 분석할 변수의 척도를 먼저 정의해요. 여기서는 치료법(NDT vs ROM, 범주형)과 ADL 독립성(3범주, 순서척도 범주형)이 핵심 변수예요.
2목표 설정(Goal setting)두 치료법 간 ADL 결과의 '연관성' 또는 '분포 차이'를 검정하는 것이 연구 목표예요.
3치료 중재(Intervention) → 통계 분석수집된 자료는 교차표로 정리됩니다. 이때 핵심!카이제곱 검정을 적용하여, 관찰된 빈도 분포가 우연히 발생한 것인지, 치료법에 따른 유의미한 차이인지를 판단할 수 있어요.
4재평가(Reassessment)통계적 유의성(p-value) 결과를 해석하여, 어떤 중재가 ADL 독립성 향상에 더 연관성이 있는지 결론을 내리고, 이는 향후 근거 중심 실천(EBP)에 활용될 수 있어요.
환자 안전 및 주의사항 (Precautions):
통계 분석 자체의 안전 문제는 없지만, 연구 윤리와 결과 해석에 주의해야 해요. 인과관계와 상관관계를 혼동하지 마세요. 카이제곱 검정은 연관성을 보여줄 뿐, 'NDT가 ADL 향상의 원인이다'라는 인과관계를 증명하지는 않아요. 다른 혼란변수(Confounding variable, 예: 초기 중증도, 나이)의 영향을 통제한 분석이 필요할 수 있어요.
치료 프로토콜연구 통계 분석 선택 프로토콜:
1변수 확인분석하려는 주요 변수들의 척도(범주형/연속형)를 확인하세요.
2관계 형태 확인비교(평균 차이), 연관성(관계), 예측 중 어떤 것을 알고 싶은지 목표를 설정하세요.
3검정법 선택- 비교(차이): 범주형(2집단) vs 연속형 → t검정 / 범주형(3집단 이상) vs 연속형 → ANOVA
- 연관성: 범주형 vs 범주형 → 카이제곱 검정 / 연속형 vs 연속형 → 상관분석
- 예측: 회귀분석
4가정 확인선택한 검정법의 전제조건(예: 정규성, 등분산성)을 확인하고, 만족하지 않으면 비모수 검정법(예: 만-위트니 U 검정, 크루스칼-왈리스 검정)을 고려하세요.
선배 작업치료사의 한마디
"통계가 어렵게 느껴질 수 있지만, 작업치료사의 눈으로 보면 훨씬 이해하기 쉬워요. 우리는 항상 '클라이언트의 특성(범주형: 진단, 성별)에 따라 기능적 결과(연속형: MMT 점수)가 어떻게 다른가?'를 살펴보잖아요? 그게 바로 통계 분석의 시작이에요. 국시에서 통계 문제는 복잡한 계산을 요구하지 않고, '이런 상황에는 어떤 도구(검정법)를 써야 하는가'라는 개념적 이해를 묻습니다. 카이제곱 검정은 '범주 vs 범주'의 기본 도구라고 기억해두세요. 연구 논문을 읽을 때도 '저자가 쓴 통계 방법이 자료에 맞나?' 한번씩 생각해보는 습관을 들이면, 진정한 근거 중심 실천가로 성장할 수 있을 거예요!"