3개 이상의 집단 평균을 비교할 때 사용하는 통계적 검정 방법은?

일원분산분석(One-way ANOVA)은 세 개 이상의 독립된 집단 간 평균 차이를 비교할 때 사용한다. 두 집단 비교에는 t-검정을 사용한다.

보건행정 핵심 해설 이 문제는 보건통계학에서 가장 기본적이면서도 핵심적인 가설 검정 방법의 선택 기준을 묻고 있어요. 보건행정이나 의학 연구에서 데이터를 분석할 때, 어떤 통계 기법을 써야 할지 혼동하기 쉬운 부분이죠. 이 원리를 이해하면 연구 설계와 결과 해석에 큰 도움이 될 거예요. 핵심 개념 분석 (Key Concept): 문제의 핵심은 "3개 이상의 집단 평균 비교"입니다. 통계적 검정 방법은 비교하고자 하는 집단의 수와 특성(독립적/대응적), 측정 변수의 수준(연속형/범주형)에 따라 달라져요. 일원분산분석(One-way ANOVA)은 정확히 하나의 독립변수(요인)에 따른 세 개 이상의 독립된 집단 간 평균 차이를 검정하는 방법이에요. 정답 근거 (Answer Rationale): 핵심! 통계학의 기본 원칙에 따르면, 두 집단의 평균을 비교할 때는 t-검정(t-test)을, 세 집단 이상의 평균을 비교할 때는 분산분석(ANOVA)을 사용합니다. 이는 t-검정을 여러 번 반복하면 제1종 오류(귀무가설을 잘못 기각하는 오류)의 가능성이 누적되어 증가하기 때문이에요. ANOVA는 이 문제를 해결하며, 전체적으로 "집단 간 평균에 유의미한 차이가 있는가"를 한 번에 검정해줍니다. 정답인 ③ 일원분산분석(ANOVA)은 이 조건에 완벽히 부합해요. 오답 분석 (Distractor Analysis):
혼동 주의! ①번 카이제곱 검정(Chi-square test): 이는 평균이 아닌 비율이나 분포를 비교할 때 사용합니다. 예를 들어, 성별에 따른 흡연 여부의 분포 차이를 검정할 때 쓰죠. 연속형 자료의 평균 비교에는 사용하지 않아요.
②번 독립표본 t-검정(Independent samples t-test)과 ④번 대응표본 t-검정(Paired samples t-test): 이 둘 모두 두 집단의 평균을 비교하는 방법입니다. 독립표본은 서로 무관한 두 그룹(예: 치료군 vs 대조군), 대응표본은 동일 집단의 전후 비교(예: 약 복용 전후의 혈압)에 사용해요. 문제는 '3개 이상'이라고 명시했으므로 틀린 선택지입니다.
⑤번 단순선형회귀분석(Simple linear regression analysis): 이는 한 변수가 다른 변수에 미치는 영향을 분석하거나 예측하는 관계 분석 방법입니다. 예를 들어, 나이와 혈압의 관계를 분석할 때 사용하지, 여러 집단의 평균을 직접 비교하는 데는 사용하지 않아요. 연관 개념 정리 (Related Concepts): ANOVA 결과가 유의하다면, 사후 검정(Post-hoc test)을 통해 구체적으로 어느 집단들 사이에 차이가 있는지 추가로 분석해야 합니다. 대표적인 사후 검정으로 Tukey's HSD, Scheffé test 등이 있어요. 또한, 두 개의 독립변수(요인)에 따른 평균 차이를 분석할 때는 이원분산분석(Two-way ANOVA)을 사용합니다. 개념 정리

검정 방법	사용 목적	비교 대상	데이터 특성
t-검정	평균 차이 검정	2개의 집단	연속형 변수
일원분산분석(ANOVA)	평균 차이 검정	3개 이상의 집단	연속형 변수
카이제곱 검정	비율/분포 차이 검정	2개 이상의 집단	범주형 변수
상관/회귀분석	변수 간 관계 분석	변수 간 인과/예측	주로 연속형 변수

한눈에 비교!

구분	독립표본 t-검정	대응표본 t-검정	일원분산분석(ANOVA)
집단 수	2개	2개 (동일 집단)	3개 이상
관계	서로 독립	서로 대응(짝지음)	서로 독립
사용 예시	남성 vs 여성의 평균 키	운동 프로그램 전후 체중	A병원, B병원, C병원의 평균 재원일수

실무 포인트 보건행정이나 병원 경영 연구에서 이 통계 기법들은 매우 중요해요. 예를 들어, 서로 다른 세 가지 진료 프로토콜이 환자의 평균 회복 기간에 미치는 영향을 비교할 때(독립 3집단)는 ANOVA를, 두 가지 마케팅 전략의 고객 만족도 평균 점수를 비교할 때(독립 2집단)는 독립표본 t-검정을 사용합니다. 올바른 검정법 선택은 연구의 타당성을 보장하는 첫걸음이에요. 암기 팁 "2는 t, 3↑는 A"라고 외우세요! 두 집단(two groups)은 t-test, 세 집단 이상(three groups and above)은 ANOVA라는 뜻이에요. 간단하지만 가장 효과적인 구분법입니다. 국시 빈출 포인트 통계 검정법 선택 문제는 매년 빠지지 않고 출제되는 고정 출제 영역이에요. t-검정 vs ANOVA vs 카이제곱 검정의 구분을 명확히 하는 것이 최우선입니다. 특히 "독립표본"과 "대응표본" t-검정의 차이도 함께 묻는 경우가 많으니 주의하세요. 기출 변형 주의! 이 개념은 단순 지식 확인형에서 벗어나, 연구 시나리오

를 제시하고 적절한 검정 방법을 고르는 형태로 자주 변형 출제됩니다. 예: "A, B, C 세 지역 보건소의 예방접종률을 비교하려고 한다. 어떤 통계 검정법을 사용해야 하는가?" → 접종률(비율) 비교이므로 정답은 카이제곱 검정이 됩니다. 평균 비교가 아닌지 항상 확인하세요! (qn_case): 보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 새로 도입한 세 가지 전자의무기록(EMR) 시스템(A, B, C)이 의사들의 평균 업무 처리 시간에 미치는 영향을 평가하려고 합니다. 각 시스템을 사용하는 세 개의 다른 진료과(내과, 외과, 소아과)에서 의사 10명씩 표본을 추출해 업무 시간을 측정했습니다. 어떤 통계 분석을 수행해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 비교 대상은 EMR 시스템 A, B, C라는 3개의 독립된 집단입니다. 측정 지표는 '평균 업무 처리 시간'이라는 연속형 변수입니다. 2. 법적/규정 검토: 통계학적 원칙에 따라, 3개 독립 집단의 평균 비교에는 일원분산분석(ANOVA)이 적합합니다. 3. 대응 및 처리: 데이터를 수집한 후 통계 소프트웨어(SPSS, R 등)를 이용해 일원분산분석을 실시합니다. 분석 결과, p-value가 0.05 미만으로 나와 "세 시스템 간 업무 처리 시간 평균에 통계적으로 유의한 차이가 있다"는 결론을 내릴 수 있습니다. 4. 사후 분석: ANOVA가 유의하다면, Tukey 사후 검정을 추가로 실행해 구체적으로 'A와 B 사이', 'B와 C 사이'에 차이가 있는지 확인합니다. 최종 보고서에는 ANOVA 결과(F값, p값)와 사후 검정 결과를 함께 제시해야 해요. 법적 안전 및 주의사항 (Precautions): 통계 분석 시 가장 중요한 것은 가정 조건 충족입니다. ANOVA를 사용하려면 데이터가 정규성을 띄고, 집단 간 분산이 동일해야 합니다(등분산성). 이러한 가정을 검정하지 않고 무분별하게 분석하면 잘못된 결론을 도출할 위험이 큽니다. 또한, 표본 크기가 너무 작으면 검정력이 낮아 유의한 차이를 발견하지 못할 수 있어요. 업무 프로토콜 1. 연구 설계 단계: 비교 집단 수 확인 → 적절한 검정법 선정. 2. 데이터 수집: 표본 크기 확보, 측정 도구 표준화. 3. 가정 검정: 정규성 검정(Shapiro-Wilk test), 등분산성 검정(Levene's test) 실시. 4. 본 분석: 가정 충족 시 ANOVA 실시. 가정 위반 시 비모수 검정법(Kruskal-Wallis H test) 고려. 5. 결과 해석 및 보고: p-value, 효과 크기(effect size)를 함께 보고. 유의 시 사후 검정 결과 포함. 선배의 한마디 "통계는 보건행정의 언어와 같아요. 복잡한 병원 데이터 속에서 의미 있는 패턴을 찾아내고, 의사결정을 뒷받침하는 강력한 도구죠. 't-검정은 2집단, ANOVA는 3집단 이상'이라는 기본기를 탄탄히 하면, 연구 논문을 읽거나 자체 성과 평가를 할 때 훨씬 자신감이 생길 거예요. 숫자에 겁내지 마세요!"