다음 중 질적 자료의 분석에 주로 사용되는 통계 방법은?

카이제곱 검정은 명목척도나 서열척도와 같은 질적 자료(범주형 자료)의 연관성이나 적합도를 분석하는 데 사용된다. 나머지는 주로 양적 자료 분석에 사용된다.

보건행정 핵심 해설 이 문제는 보건통계 및 연구방법론에서 자료의 척도와 적합한 통계 분석 방법을 구분하는 핵심 개념을 묻고 있어요. 보건행정 업무에서 데이터를 올바르게 분석하고 해석하는 능력은 정책 평가, 병원 경영 지표 분석, 연구 설계 등 모든 분야의 기초가 되죠. 핵심 개념 분석 (Key Concept): 통계 분석에서 사용되는 자료는 크게 질적 자료(Qualitative data)와 양적 자료(Quantitative data)로 나뉘어요. 질적 자료는 명목척도(Nominal scale, 예: 성별, 혈액형)나 서열척도(Ordinal scale, 예: 통증 정도: 경증/중등도/중증)처럼 숫자로 측정되지만 그 크기나 간격에 의미가 없는 범주형 자료예요. 반면, 양적 자료는 등간척도(Interval scale)나 비율척도(Ratio scale)처럼 측정값 사이의 거리나 비율에 의미가 있는 수치형 자료예요. 정답 근거 (Answer Rationale): 핵심! 정답인 카이제곱 검정(Chi-square test)은 두 개의 범주형 변수(질적 자료) 간에 통계적으로 유의한 연관성이 있는지 검정하는 데 가장 널리 사용되는 비모수 검정법이에요. 예를 들어, '흡연 여부'와 '폐암 발병 여부' 사이의 관계를 분석할 때 사용됩니다. 이는 교차분석(Cross-tabulation)의 일환으로, 관찰된 빈도와 기대 빈도를 비교하여 검정합니다. 오답 분석 (Distractor Analysis): ① t-검정(t-test): 두 집단의 평균을 비교할 때 사용되며, 혼동 주의! 이는 양적 자료(예: 혈압 수치, 체중)에 적용되는 모수 검정법이에요. ③ 상관분석(Correlation analysis): 두 변수 간의 선형적 관계의 강도와 방향을 파악하는 방법으로, 혼동 주의! 주로 양적 자료(예: 나이와 혈압) 간의 관계를 분석하는 데 사용돼요. ④ 회귀분석(Regression analysis): 하나 이상의 독립변수가 종속변수에 미치는 영향을 분석하고 예측 모형을 만드는 방법으로, 혼동 주의! 일반적으로 종속변수가 양적 자료일 때 적용되는 기법이에요. ⑤ 분산분석(ANOVA, Analysis of Variance): 세 개 이상의 집단 간 평균 차이를 비교할 때 사용되며, t-검정을 확장한 개념으로, 혼동 주의! 마찬가지로 양적 자료에 적용되는 모수 검정법이에요. 연관 개념 정리 (Related Concepts): - 비모수 검정(Non-parametric test): 자료가 정규분포를 따르지 않거나, 척도가 명목/서열일 때 사용(예: 맨-휘트니 U 검정, 윌콕슨 부호순위 검정, 카이제곱 검정). - 모수 검정(Parametric test): 자료가 정규분포를 따르고, 등간/비율척도의 양적 자료일 때 사용(예: t-검정, ANOVA, 상관분석, 회귀분석).
개념 정리

자료 유형	척도 예시	주요 분석 방법
질적 자료 (범주형)	명목척도: 성별, 진단명 서열척도: 통증 정도, 만족도(좋음/보통/나쁨)	빈도 분석, 카이제곱 검정, 로지스틱 회귀분석*
양적 자료 (수치형)	등간척도: 체온(℃), IQ 비율척도: 키, 체중, 나이, 혈압	평균/표준편차, t-검정, ANOVA, 상관분석, 선형회귀분석

*로지스틱 회귀분석은 종속변수가 범주형(질적)일 때 사용하는 특수한 회귀분석이에요.
한눈에 비교!

통계 검정법	주요 용도	적용 자료	비고
카이제곱 검정	두 범주형 변수의 독립성/연관성 검정	질적 (명목/서열)	교차표 분석의 핵심
t-검정	두 집단 평균 비교	양적 (등간/비율)	독립표본/대응표본 구분
ANOVA	세 집단 이상 평균 비교	양적 (등간/비율)	사후검정(예: Tukey) 필요

실무 포인트 보건행정 실무에서 데이터를 분석할 때는 먼저 "이 자료가 어떤 척도인가?"를 반드시 확인해야 해요. 예를 들어, 환자 만족도 조사 결과(5점 리커트 척도)는 서열척도로 간주되어 중앙값(Median)과 사분위수 범위(IQR)로 요약하는 것이 적절하며, 카이제곱 검정 등을 활용할 수 있어요. 평균을 내고 t-검정을 하는 것은 통계적 오류가 될 수 있죠.
암기 팁 "질문(질)에는 카이(χ²)!"
질적 자료 분석의 대표 주자는 카이제곱(Chi-square)입니다. 나머지 t-검정, ANOVA, 상관, 회귀는 주로 "숫자(양적 자료)"를 다루는 친구들이라고 연상하세요.
국시 빈출 포인트 이 주제는 보건의료정보관리사/병원행정사 시험에서 매년 1-2문제 꼴로 단순 지식 확인형으로 출제됩니다. "질적 자료 분석 방법으로 옳은 것" 또는 "다음 중 양적 자료에 사용되는 방법은?" 같은 형태로 물어보니, 자료 척도와 분석법 쌍을 확실히 외워두세요.
기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제할 수 있어요:
- 사례형: "의료기관 만족도 조사에서 성별(남/여)에 따라 서비스 만족도(만족/보통/불만족) 분포에 차이가 있는지 분석하려고 한다. 가장 적합한 통계 검정 방법은?" → 답은 카이제곱 검정.
- 역방향 질문: "카이제곱 검정에 대한 설명으로 옳은 것은?" → "범주형 자료의 연관성을 분석한다"가 정답.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "병원 기획팀에서 신규 도입한 예약 시스템의 효과를 평가하기 위해, 시스템 도입 전후의 환자 예약 취소율(취소/미취소) 데이터를 수집했습니다. 두 시기 간 취소율에 통계적으로 유의미한 차이가 있는지 분석해야 합니다." 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 분석 대상 변수는 '시기'(도입 전/후)와 '결과'(취소/미취소)로, 둘 다 범주형(질적) 자료입니다. 2. 법적/규정 검토: 통계적 유의성 검증을 위한 방법론 선택은 연구윤리나 법규보다는 방법론의 적절성 문제입니다. 3. 대응 및 처리: 두 범주형 변수의 연관성을 검정하는 핵심! 카이제곱 검정을 수행합니다. 2x2 교차표를 만들고, 관찰된 빈도와 기대 빈도를 비교하는 검정을 실시하면 돼요. 4. 사후 기록/보고: 분석 결과(p-value)와 함께, 취소율의 변화(%)를 제시하여 경영진에게 효과성을 명확히 보고할 수 있어요. 법적 안전 및 주의사항 (Precautions): 통계 분석 결과를 보고할 때는 p-value < 0.05를 '통계적으로 유의하다'고 해석하지만, 이것이 곧 '실질적으로 의미 있는 차이'를 보장하지는 않습니다. 표본 크기가 매우 크면 아주 작은 차이도 유의해질 수 있으니, 실제 취소율 감소 폭과 비용 대비 효과 등 실질적 지표와 함께 해석해야 해요.
업무 프로토콜 질적 자료 분석 단계:
1. 데이터 수집 및 코딩 (예: 취소=1, 미취소=0).
2. 교차표(Contingency table) 생성.
3. 카이제곱 검정 통계량(χ²) 계산 (통계 프로그램 활용).
4. 자유도(df)와 유의수준(α=0.05)에 따른 기각역 판단.
5. p-value 확인 및 결과 해석 (귀무가설 기각/채택).
6. 필요시 교차비(Odds Ratio) 등 효과 크기(Effect size) 추가 보고.
선배의 한마디 "보건행정가는 데이터로 말하는 전문가가 되어야 해요. 통계 방법을 잘못 선택하면 전혀 다른 결론을 내릴 수 있거든요. '이 데이터의 본질은 무엇인가?'를 항상 먼저 질문하는 습관을 들이세요. 카이제곱 검정은 그 이름처럼 독특하니까, 질적 자료 분석의 든든한 친구로 기억해두면 실무에서 큰 도움이 될 거예요!"