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.