보건행정 핵심 해설
이 문제는
보건통계학과
연구방법론의 핵심인
회귀분석(Regression Analysis)에서, 개별 독립변수의 영향력을 검정하는 방법을 묻고 있어요. 보건행정 연구나 병원 경영 데이터 분석에서 원인과 결과의 관계를 규명할 때 필수적으로 사용되는 개념이죠.
핵심 개념 분석 (Key Concept)
단순선형회귀분석(Simple Linear Regression)은 하나의 독립변수(X, 예: 의료비)가 하나의 종속변수(Y, 예: 환자 만족도)에 미치는 선형적 영향을 모델링하는 방법이에요. 이 분석의 핵심 출력물은
회귀식 Y = a + bX입니다. 여기서
회귀계수 b는 "X가 한 단위 증가할 때 Y가 평균적으로 얼마나 변화하는가"를 나타내는
핵심! 계수예요. 따라서 이 계수 b가 통계적으로 유의미한지(0과 유의미하게 다른지) 검정하는 것이 바로 "X가 Y에 미치는 영향"을 검정하는 가장 직접적인 방법이 됩니다.
정답 근거 (Answer Rationale)
정답인 ⑤번 '
회귀계수(b)에 대한 t-검정 통계량'은 위 개념을 그대로 반영해요. 회귀분석 결과에서 각 회귀계수(b) 옆에는 표준오차(SE)와 t-통계량(t-statistic), p-value가 제시됩니다. t-검정의 귀무가설(H₀)은 "b = 0"이며, 대립가설(H₁)은 "b ≠ 0"이에요. 만약 p-value가 유의수준(예: 0.05)보다 작다면, 귀무가설을 기각하고 "독립변수 X가 종속변수 Y에 통계적으로 유의미한 영향을 미친다"고 결론 내릴 수 있어요. 이는 보건정책 효과 평가나 병원 서비스 품질 결정 요인 분석 등에서 근거 기반 결론을 도출하는 데 필수적 절차예요.
오답 분석 (Distractor Analysis)
혼동 주의! 다른 선택지들은 회귀분석의 다른 중요한 측면을 측정하지만, 질문에서 요구하는 "독립변수(X)가 종속변수(Y)에 미치는 영향을 검정"하는 직접적인 도구는 아닙니다.
①
결정계수(R²): 회귀모형이 종속변수의 변동을 얼마나 잘 '설명'하는지 나타내는
설명력 지표예요. 영향력의 '크기'를 간접적으로 보여줄 수는 있지만, 통계적 '유의성 검정'을 수행하지는 않아요.
②
상관계수(r): 두 변수 간 선형 관계의
방향과 강도를 나타내요. 인과관계를 입증하지는 않으며, 단순선형회귀에서는 R²의 제곱근과 연결되지만, 개별 변수의 영향력에 대한 검정 통계량은 아닙니다.
③
y-절편(a): 회귀식에서 X=0일 때 Y의 예측값을 의미해요. 이 값 자체에 대한 검정은 "모든 독립변수가 0일 때 종속변수의 기대값이 0인가?"를 검정하는 것이므로, X의 영향력 검정과는 직접적 관련이 적어요.
④
분산분석(ANOVA)의 F-통계량: 이는
핵심! 회귀모형 전체의 유의성을 검정하는 통계량이에요. 귀무가설은 "모든 회귀계수(b) = 0"이며, 즉 "설명변수들이 종속변수를 전혀 설명하지 못한다"는 것이에요. 단순선형회귀에서는 독립변수가 하나이므로 F-검정과 t-검정의 p-value가 동일하게 나오지만,
개념적으로 검정하는 대상이 다릅니다. F-검정은 '모델 전체', t-검정은 '개별 계수'를 검정해요.
연관 개념 정리 (Related Concepts)
-
다중회귀분석(Multiple Regression)에서는 독립변수가 여러 개이므로, 각 변수의 영향력을 검정할 때는 해당 변수의 회귀계수에 대한 t-검정을 사용합니다. 모델 전체 유의성은 F-검정으로 확인하죠.
- 표준화 회귀계수(Beta Coefficient): 변수들의 단위가 다를 때 영향력 크기를 비교할 수 있도록 표준화한 계수예요. 이 계수에 대한 t-검정도 가능합니다.
- 보건행정 실무에서 회귀분석은 의료 이용 예측, 병원 비용 분석, 환자 결과(Outcome)에 영향을 미치는 요인 규명 등에 광범위하게 활용됩니다.
개념 정리
| 통계량 | 검정 대상 | 의미 | 단순선형회귀에서 |
|---|
| 회귀계수(b)의 t-검정 | 개별 독립변수(X)의 영향력 | “X가 Y에 유의미한 영향을 미치는가?” (H₀: b=0) | 정답 |
| 분산분석(ANOVA)의 F-검정 | 회귀모형 전체의 유의성 | “모든 설명변수들이 Y를 설명하는가?” (H₀: 모든 b=0) | 단일 변수이므로 F=t² 관계 |
| 결정계수(R²) | 모형의 설명력(설명량) | “종속변수 변동의 몇 %를 설명하는가?” | 검정 통계량 아님 |
| 상관계수(r) | 두 변수 간 선형 관계 강도 | “X와 Y가 얼마나 강하게 관련 있는가?” (-1 ~ +1) | √R² (단, 부호 고려) |
실무 포인트
병원 경영 데이터나 공공보건 데이터를 분석할 때 SPSS, R, SAS 같은 통계 프로그램을 사용하면 회귀분석 결과가 표 형태로 출력돼요. 해석 순서는 보통 이렇게 진행합니다:
1. F-검정의 p-value를 먼저 보고 모형 전체가 유의한지 확인 (p < 0.05).
2. 각 변수의 회귀계수(b)와 그에 대한 t-검정 p-value를 확인하여 어떤 변수가 유의미한 영향을 미치는지 판단.
3. 결정계수(R²)를 보고 모형의 설명력을 평가.
이때, 주의! 통계적 유의성(p-value)과 실질적 유의성(회귀계수 b의 크기)은 다를 수 있어요. 매우 작은 효과도 큰 표본에서는 통계적으로 유의해질 수 있으니, 결과 해석에 주의가 필요해요.
암기 팁
- “개별은 t, 전체는 F”: 개별 변수의 영향력 검정은 t-test, 모형 전체 검정은 F-test라고 외우세요.
- R²는 설명력, r은 관계 강도: 결정계수(R²)는 설명력의 비율(0~1), 상관계수(r)는 관계의 방향과 강도(-1~1)를 나타낸다고 구분하세요.
국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 연구방법론 파트에서 핵심! 다양한 통계 검정 방법의 용도 구분이 매우 자주 출제됩니다. 회귀계수의 t-검정, 모형의 F-검정, 카이제곱 검정, T-검정(독립/대응) 등의 적용 상황을 명확히 알아두어야 해요. 특히 “원인과 결과의 관계를 분석할 때”라는 키워드가 나오면 회귀분석을 떠올리고, 그중에서도 “특정 변수의 영향”을 묻는다면 ‘회귀계수의 유의성 검정(t-검정)’을 정답으로 선택하세요.
기출 변형 주의!
이 개념은 다음과 같이 변형 출제될 수 있어요:
- 사례형: “의료기관의 만족도 조사에서 ‘진료 시간’이 ‘전체 만족도’에 미치는 영향을 분석한 결과, 회귀계수 b=0.3, p-value=0.001이 나왔다. 이 결과를 해석하시오.” → “진료 시간이 1단위 증가할 때 전체 만족도가 0.3점 유의미하게 증가한다”고 해석.
- 비교형: “다중회귀분석 결과에서 특정 변수의 영향력을 판단할 때 주로 참고하는 지표는?” → 동일하게 “해당 변수 회귀계수의 t-검정 결과(p-value)”가 정답.