다음 상황에서 연구팀이 변수 간의 연관성을 분석하기 위해 사용한 통계 기법은 무엇인가?

두 개의 범주형 변수(예/아니오) 간의 빈도 차이를 바탕으로 두 변수가 서로 독립적인지 아니면 연관성이 있는지를 확인하는 방법은 카이제곱 검정이다. 독립표본 t검정(보기1)은 두 집단의 평균 비교에, 분산분석(보기2)은 세 집단 이상의 평균 비교에, 단순선형 회귀분석(보기3)과 다중 회귀분석(보기4)은 연속형 변수 간의 관계 분석에 사용되므로, 이 경우에는 부적절하다.

작업치료 핵심 해설 이 문제는 연구 설계와 통계 분석의 기초를 묻고 있어요. 작업치료사는 근거 중심 실천(EBP, Evidence-Based Practice)을 위해 연구 결과를 읽고 비판적으로 평가할 수 있어야 하며, 간단한 연구를 설계할 때도 적절한 통계 기법을 선택하는 능력이 필요해요. 핵심 개념 분석 (Key Concept) 문제의 핵심은 "두 개의 범주형 변수(예/아니오) 간의 연관성"을 분석하는 통계 기법을 찾는 거예요. 범주형 변수(Categorical variable)는 성별(남/여), 치료 반응(유/무), 낙상 여부(예/아니오)처럼 질적인 범주로 구분되는 데이터를 말해요. 이러한 변수들 간의 관계, 즉 한 변수의 범주에 따라 다른 변수의 분포가 달라지는지를 분석할 때는 카이제곱 검정(Chi-square test)이 표준적으로 사용돼요. 정답 근거 (Answer Rationale) 핵심! 카이제곱 검정은 두 범주형 변수가 서로 독립적인지(연관이 없는지) 여부를 검정하는 방법이에요. 예를 들어, "낙상 예방 교육 참여 여부(예/아니오)"와 "6개월 내 낙상 경험 여부(예/아니오)"라는 두 변수의 관계를 분석한다고 생각해보세요. 교육 참여 그룹과 비참여 그룹 간에 낙상 발생 빈도에 유의미한 차이가 있는지를 확인하는 데 바로 카이제곱 검정을 사용하는 거예요. 분석 결과는 관찰된 빈도와 기대 빈도의 차이를 바탕으로 산출되며, p값이 0.05 미만이면 두 변수 간에 통계적으로 유의한 연관성이 있다고 해석할 수 있어요. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 선택지들은 모두 연속형 변수(Continuous variable)(예: 근력 점수, ADL 수행 시간, 통증 강도)를 다루는 기법들이에요.

① 독립표본 t검정(Independent samples t-test): 이는 두 개의 독립된 집단(예: 실험군 vs 대조군)의 평균을 비교할 때 사용해요. 변수가 범주형이 아니라 연속형이어야 해요.

② 분산분석(ANOVA, Analysis of Variance): 세 개 이상의 집단의 평균을 비교할 때 사용하는 t검정의 확장판이에요. 마찬가지로 종속 변수는 연속형이어야 합니다.

③ 단순선형 회귀분석(Simple linear regression) & ④ 다중 회귀분석(Multiple regression): 이들은 하나(단순) 또는 여러 개(다중)의 독립 변수가 종속 변수에 미치는 영향을 예측하는 모델을 만들 때 사용해요. 예를 들어, "나이"와 "운동 시간"이 "균형 능력"에 미치는 영향을 분석하는 데 사용됩니다. 주로 모든 변수가 연속형일 때 사용하며, 범주형 변수만으로는 회귀분석을 적용하기 어려워요. 연관 개념 정리 (Related Concepts) 연구에서 변수의 척도(측정 수준)는 통계 방법 선택의 핵심이에요. 1. 명목 척도(Nominal scale): 단순 분류 (성별, 혈액형) → 카이제곱 검정 2. 서열 척도(Ordinal scale): 순위가 있는 분류 (통증 정도: 경증/중등도/중증, MMT 등급) → 비모수 검정(만-위트니 U 검정, 크루스칼-왈리스 검정) 3. 등간 척도(Interval scale) & 비율 척도(Ratio scale): 숫자 간 간격과 비율이 의미 있음 (온도, 시간, 근력 값) → t검정, ANOVA, 회귀분석 개념 정리 • 카이제곱 검정(Chi-square test): 두 범주형 변수 간의 연관성(독립성) 검정. • 적용 데이터: 명목 척도 또는 서열 척도 데이터의 빈도(Frequency) 또는 비율(Proportion). • 가설: 귀무가설(H0) = "두 변수는 독립이다(연관이 없다)". 대립가설(H1) = "두 변수는 독립이 아니다(연관이 있다)". 한눈에 비교!

통계 기법	분석 목적	변수 유형 (종속/독립)	작업치료 예시
카이제곱 검정	두 범주형 변수의 연관성 확인	범주형 / 범주형	스플린트 사용 여부와 관절 구축 예방 효과 유무
독립표본 t검정	두 집단의 평균 비교	연속형 / 범주형(2집단)	신경발달치료(NDT)군과 고유수용성신경근촉진법(PNF)군의 보행 속도 비교
분산분석(ANOVA)	세 집단 이상의 평균 비교	연속형 / 범주형(3집단 이상)	약물 A, B, C를 투여한 세 군의 일상생활활동(ADL) 점수 비교
단순선형 회귀	한 독립변수가 종속변수를 예측	연속형 / 연속형(1개)	나이가 증가함에 따른 균형 능력의 변화 예측
다중 회귀	여러 독립변수가 종속변수를 예측	연속형 / 연속형(여러 개)	나이, 인지 점수, 우울 점수가 재활 예후를 예측

암기 팁 • "카이(Chi) = 카테고리(Category)": 카이제곱은 범주형(Categorical) 데이터를 분석한다고 연상하세요. • "t검정과 ANOVA는 평균(Mean)을 본다": t와 A는 숫자(연속형)의 평균을 비교하는 도구라고 기억하세요. 국시 빈출 포인트 연구방법론 과목에서 통계 기법의 선택 기준은 매년 출제되는 핵심 영역이에요. 특히 변수의 측정 수준(명목, 서열, 등간, 비율)에 따라 어떤 검정법을 써야 하는지를 묻는 문제가 많아요. 카이제곱 검정은 "빈도", "비율", "유무" 같은 키워드가 나오면 바로 떠올려야 해요. 기출 변형 주의! • 변형 1: "성별(남, 여)에 따른 작업 만족도(만족, 보통, 불만족) 차이를 분석하려면 어떤 통계 검정을 사용하는가?" → 여전히 범주형 vs 범주형이므로 카이제곱 검정. • 변형 2: "실험 전후의 동일 집단의 통증 점수 변화를 분석하는 방법은?" → 이는 대응표본 t검정(Paired t-test)을 묻는 문제예요. 독립표본 t검정과 혼동하지 마세요.

작업치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario) "요양병원에서 근무하는 작업치료사로서, 새로운 낙상 예방 프로그램의 효과를 검증하기 위해 연구를 기획하고 있어요. 대조군(기존 관리)과 실험군(새로운 프로그램 적용)으로 나눈 후, 6개월 동안 두 군의 낙상 발생 여부(예/아니오) 데이터를 수집했어요. 이 데이터를 분석하여 새로운 프로그램이 낙상 감소에 통계적으로 유의미한 효과가 있는지 확인해야 해요." 작업치료 중재 전략 (OT Intervention) 1. 평가(Assessment): 수집한 데이터는 "집단(대조군/실험군)"과 "낙상 발생(예/아니오)"라는 두 개의 명목 척도(범주형) 변수예요. 2. 목표 설정(Goal setting): 통계 분석을 통해 "두 변수 간에 유의미한 연관성이 있다(즉, 프로그램 참여가 낙상 감소와 관련이 있다)"는 증거를 얻는 것이 연구 목표예요. 3. 치료 중재(Intervention) → 여기서는 데이터 분석: 바로 카이제곱 검정을 실시해요. 교차표(Contingency table)를 만들어 각 셀의 관찰 빈도와 기대 빈도를 계산하고, 카이제곱 통계량과 p값을 도출해요. 4. 재평가(Reassessment) → 결과 해석: p값이 0.05 미만으로 나온다면, "새로운 낙상 예방 프로그램은 낙상 감소와 통계적으로 유의한 연관성이 있다"고 해석할 수 있어요. 이 결과는 근거 중심 실천(EBP)에 기반하여 병원 내 프로그램을 개선하는 데 활용될 수 있어요. 환자 안전 및 주의사항 (Precautions) • 통계적 유의성(Statistical significance)과 임상적 유의성(Clinical significance)은 다를 수 있어요. p값이 유의하더라도, 낙상률이 1% 감소한 정도가 실제 임상에서 큰 의미가 있을지는 별도로 판단해야 해요. • 카이제곱 검정 사용 시, 기대 빈도가 5 미만인 셀이 너무 많으면 검정의 정확도가 떨어질 수 있어요(피셔의 정확 검정 고려). 치료 프로토콜 작업치료 연구에서의 통계 분석 선택 프로토콜 1. 연구 질문 확인: "무엇과 무엇의 관계를 보는가?" "변수는 어떤 종류인가?" 2. 변수 유형 판단: - 종속변수와 독립변수가 모두 범주형 → 카이제곱 검정 - 종속변수가 연속형, 독립변수가 범주형(2집단) → t검정 - 종속변수가 연속형, 독립변수가 범주형(3집단 이상) → ANOVA - 종속변수가 연속형, 독립변수가 연속형 → 회귀분석 3. 데이터 조건 확인: 정규성, 등분산성 등 가정을 만족하는지 확인하여 모수/비모수 검정 선택. 선배 작업치료사의 한마디 "통계가 어렵게 느껴질 수 있지만, 작업치료사가 연구 결과를 읽고 비판적으로 평가하는 능력은 근거 중심 실천(EBP)의 핵심이에요. '이 논문의 결론이 타당한가?'를 판단하려면 사용된 통계 방법이 적절한지부터 봐야 해요. 카이제곱 검정은 특히 임상에서 흔히 마주하는 '유무'나 '차이'를 비교할 때 가장 기본이 되는 도구예요. 변수의 종류만 잘 구분하면 통계 방법 선택의 절반은 해결된 거나 마찬가지랍니다. 국시도 마찬가지로 변수 유형을 묻는 문제가 많으니, 이 포인트를 꼭 익혀두세요!"