심화 해설
보건행정 핵심 해설
이 문제는 보건통계학에서 가장 기본적이면서도 중요한 가설검정 방법 중 하나인 독립표본 t-검정(Independent two-sample t-test)의 사용 조건을 묻고 있어요. 통계 분석은 연구 설계, 정책 효과 평가, 병원 성과 비교 등 보건행정 전반에서 근거를 마련하는 핵심 도구이므로, 그 원리를 정확히 이해하는 것이 중요해요.
핵심 개념 분석 (Key Concept)
독립표본 t-검정은 서로 다른 두 집단(예: 신약 투여군 vs 대조군, A병원 환자 vs B병원 환자)의 평균을 비교하여 그 차이가 통계적으로 유의미한지 판단하는 방법이에요. 이 검정법을 올바르게 적용하기 위해서는 몇 가지 통계적 가정(Assumptions)을 만족해야 해요.
정답 근거 (Answer Rationale)
정답은 ③번 '표본 크기가 30 이상이어야 한다.'입니다.
핵심! 독립표본 t-검정은 표본 크기(n)에 관계없이 원칙적으로 사용 가능해요. 다만, 표본 크기가 작을 때(일반적으로 n
임상 시나리오
보건행정 실무 가이드
실무 시나리오 (Clinical Scenario)
"보건소에서 새로 도입한 '고혈압 관리 앱'의 효과를 평가하려고 해요. 실험군(앱 사용 그룹) 25명과 대조군(일반 상담 그룹) 25명을 무작위로 배정한 후, 3개월 후 두 그룹의 평균 수축기 혈압 강하량을 비교하려고 합니다. 데이터를 분석팀에 넘기기 전, 보건행정 담당자로서 어떤 통계적 전제 조건들을 점검해야 할까요?"
행정 중재 전략 (Admin Intervention)
1. 상황 파악: 두 집단(실험군/대조군)은 무작위 배정으로 서로 독립적입니다. 비교하려는 지표(혈압 강하량)는 연속형 변수입니다.
2. 법적/규정 검토: 통계 분석 가이드라인에 따르면, 독립표본 t-검정 사용 전 가정 점검이 필수입니다.
3. 대응 및 처리:
* 핵심! 먼저, 각 그룹의 혈압 강하량 데이터가 정규분포를 따르는지 점검합니다. 샘플 크기가 25로 30 미만이므로, 정규성 검정(Shapiro-Wilk test)을 실시하거나 Q-Q plot을 확인하는 것이 특히 중요해요.
* 다음으로, 두 그룹의 분산이 동일한지 확인하기 위해 Levene's test 등을 실시합니다.
* 만약 정규성 가정이 심각하게 위배된다면, 비모수 검정인 Mann-Whitney U 검정을 사용하는 방안을 분석팀과 논의해야 합니다.
* 등분산 가정이 위배된다면, Welch's t-test를 사용하도록 안내합니다.
4. 사후 기록/보고: 최종 분석 보고서에는 사용한 검정 방법과 그 이유(가정 점검 결과)를 명시하여 분석의 투명성과 신뢰도를 높여야 합니다.
법적 안전 및 주의사항 (Precautions)
연구나 평가 보고서에서 통계 방법을 잘못 선택하거나 가정을 무시한 채 분석하면, 그 결과를 근거로 한 정책 결정이나 자원 배분이 잘못될 수 있어요. 이는 공공자금의 비효율적 사용으로 이어질 수 있으며, 연구 윤리 문제로까지 비화될 수 있습니다. 항상 '적절한 통계 방법 선택'은 전문성과 책임의 일부임을 인지해야 해요.
업무 프로토콜
독립표본 비교 분석 체크리스트
1. 변수 확인: 종속변수 = 연속형? ✅
2. 집단 관계 확인: 두 집단이 독립? ✅
3. 정규성 점검: 표본 크기 < 30 → Shapiro-Wilk 검정 실시. ✅
4. 등분산성 점검: Levene's test 실시. ✅
5. 검정 방법 선택:
* 정규성 O & 등분산성 O → 일반 독립표본 t-검정.
* 정규성 O & 등분산성 X → Welch's t-검정.
* 정규성 X → 비모수 검정(Mann-Whitney U) 또는 데이터 변환 고려.
선배의 한마디
"보건행정에서 숫자와 데이터는 우리의 언어이자 무기예요. 하지만 그 무기를 함부로 휘두르면 안 되죠. t-검정 하나를 할 때도 '왜 이 검정을 써야 하지?', '데이터는 그 조건을 만족하나?'라는 질문을 꼭 던져보세요. 통계적 사고는 복잡한 계산보다 이 단순한 질문에서 시작된다고 생각해요. 보건정책의 근거를 만드는 일, 그 책임감을 느끼며 공부해보세요!"
학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요.