보건행정 핵심 해설
이 문제는
보건통계학에서
적절한 통계 검정법 선택의 핵심 원칙을 묻고 있어요. 보건행정 현장에서는 설문조사 결과 분석, 의료 서비스 만족도 평가, 환자 특성과 질병 발생 간의 연관성 파악 등 다양한 상황에서 통계 분석이 필요하죠. 올바른 검정법을 선택하는 것은 신뢰할 수 있는 결론을 도출하는 첫걸음이에요.
핵심 개념 분석 (Key Concept): 문제의 핵심은 "범주형 변수(Categorical variable)" 간의 연관성을 검정하는 방법입니다. 범주형 변수는 성별(남/여), 혈액형(A/B/O/AB), 치료 반응(유/무) 등과 같이 질적인 범주로 구분되는 변수를 말해요. 이와 대비되는 양적 변수(Quantitative variable)는 연령, 혈압 수치, 입원일수 등과 같이 수치로 측정되는 변수입니다. 통계 검정법은 분석하려는 변수의 유형(범주형 vs 양적)과 분석 목적(연관성 검정 vs 평균 비교 등)에 따라 결정돼요.
정답 근거 (Answer Rationale):
핵심! 두 범주형 변수 간의 독립성(연관성)을 검정하는 데 가장 일반적이고 표준적으로 사용되는 방법은
카이제곱 검정(Chi-square test)입니다. 이 검정은 관찰된 빈도(Observed frequency)와 기대 빈도(Expected frequency)를 비교하여, 두 변수가 서로 독립적이라는 귀무가설(Null hypothesis)을 기각할 수 있는지 판단해요. 예를 들어, '흡연 여부'와 '폐암 발생 여부' 사이에 통계적으로 유의한 연관성이 있는지 분석할 때 카이제곱 검정을 사용합니다.
오답 분석 (Distractor Analysis):
①
혼동 주의! 회귀분석(Regression analysis): 주로 하나 이상의 독립 변수(예측 변수)가 종속 변수(결과 변수)에 미치는 영향을 분석하는 방법입니다. 독립 변수와 종속 변수가 모두
양적 변수일 때 사용하는 선형 회귀분석(Linear regression)이 대표적이에요. 범주형 변수를 포함할 수는 있지만(로지스틱 회귀분석 등), 순수한 범주형-범주형 변수 간 연관성 검정의 '가장 일반적인' 방법은 아닙니다.
②
혼동 주의! 분산분석(ANOVA, Analysis of Variance):
세 개 이상의 집단 간 평균을 비교할 때 사용하는 검정법이에요. 예를 들어, A, B, C 세 가지 치료법에 따른 혈압 강하 효과의 평균이 서로 다른지 비교할 때 사용합니다. 따라서 변수 유형은 '범주형 독립 변수(치료법)'와 '양적 종속 변수(혈압 강하량)'의 조합이에요.
③
상관분석(Correlation analysis): 두
양적 변수 간의 선형적 관계의 강도와 방향(정/부)을 파악하는 방법입니다. 대표적으로 피어슨 상관계수(Pearson's correlation coefficient)를 계산해요. 변수의 유형이 맞지 않아요.
⑤
t-검정(t-test):
두 집단의 평균을 비교할 때 사용하는 검정법입니다. 예를 들어, 신약 투여군과 위약 투여군의 혈당 평균이 다른지 비교할 때 사용해요. 따라서 하나는 범주형 변수(군 구분), 다른 하나는 양적 변수(혈당 수치)가 포함된 분석이에요.
연관 개념 정리 (Related Concepts):
-
피셔의 정확 검정(Fisher's exact test): 표본 크기가 작거나 기대 빈도가 5 미만인 셀이 많을 때 카이제곱 검정 대신 사용하는 정확 검정법입니다.
-
로지스틱 회귀분석(Logistic regression): 종속 변수가 범주형(특히 이분형, 예: 질병 유/무)이고, 독립 변수가 범주형 또는 양적 변수일 때 사용합니다. 여러 변수의 영향을 동시에 분석할 수 있어요.
-
맥니마 검정(McNemar's test): 동일한 대상에게 사전-사후 측정을 했을 때(예: 치료 전후 증상 호전 여부)와 같이
짝지어진 범주형 자료(Paired categorical data)의 변화를 분석할 때 사용합니다.
개념 정리
| 검정 방법 | 주요 용도 | 변수 유형 (주로) | 예시 |
|---|
| 카이제곱 검정 | 두 범주형 변수의 독립성/연관성 검정 | 범주형 vs 범주형 | 성별과 특정 질병 선호도 관계 |
| t-검정 | 두 집단 평균 비교 | 범주형(2집단) vs 양적 | 남녀 평균 키 비교 |
| 분산분석(ANOVA) | 세 집단 이상 평균 비교 | 범주형(3집단↑) vs 양적 | 연령대별 평균 의료비 비교 |
| 상관분석 | 두 양적 변수의 선형 관계 분석 | 양적 vs 양적 | 나이와 혈압의 관계 |
| 회귀분석 | 변수 간 인과/예측 관계 분석 | 독립변수(다양), 종속변수(양적/범주) | 흡연량이 폐암 위험도에 미치는 영향 |
실무 포인트
보건행정 실무에서 통계 분석은 연구, 평가, 정책 수립의 근거가 돼요.
-
만족도 조사 분석: 환자 만족도(매우 불만/불만/보통/만족/매우 만족 - 서열형)와 병원 유형(종합병원/병원/의원)의 연관성을 볼 때는
카이제곱 검정을 사용합니다.
-
의료 질 지표(Healthcare Quality Indicator) 비교: A병원과 B병원의 수술 후 감염률(%)을 비교할 때는 두 비율의 비교이므로, 범주형 변수(병원, 감염 유무) 간 분석으로 카이제곱 검정을 적용할 수 있어요.
- 주의사항: 카이제곱 검정을 사용하기 전에 기대 빈도가 너무 작은지 확인해야 해요. 일반적으로 기대 빈도가 5 미만인 셀이 20%를 넘지 않아야 결과를 신뢰할 수 있어요.
암기 팁
"카테고리(범주)는 카이(χ²)"라고 외우세요! 범주형 변수(Categorical)의 분석에는 카이제곱(Chi-square)이 가장 기본이라는 연결점을 기억하면 쉽습니다.
국시 빈출 포인트
통계 검정법 선택 문제는 매년 빠지지 않고 출제되는 고정 출제 영역이에요. 출제 패턴은 크게 두 가지:
1. 용도 직접 묻기: (이 문제처럼) "두 범주형 변수의 연관성 검정 방법은?"과 같이 직접적으로 묻습니다.
2. 사례 적용형: "성별에 따른 특정 건강행태 유무의 차이를 분석하려고 할 때 적합한 통계 검정법은?"과 같이 간접적으로 묻기도 합니다. 변수 유형을 파악하는 훈련이 필요해요.
기출 변형 주의!
동일한 개념으로 다음과 같이 변형 출제될 수 있어요:
- "다음 중 명목척도로 측정된 두 변수 간의 관계를 분석하는 데 사용되는 비모수 검정법은?" → 정답은 동일하게 카이제곱 검정.
- "환자의 연령대(청년/중년/노년)와 입원 기간(양적 변수)의 관계를 분석하는 데 가장 적합한 방법은?" → 이 경우 독립 변수는 범주형(연령대), 종속 변수는 양적(입원 기간)이므로, 분산분석(ANOVA)이 정답이 됩니다. 변수 유형 구분을 정확히 하세요!