자료의 중심 경향을 측정하는 대표적인 지표가 아닌 것은?

분산은 자료의 퍼짐 정도(산포도)를 측정하는 지표이다. 평균, 중앙값, 최빈값, 가중평균은 모두 자료가 어디에 밀집해 있는지를 나타내는 중심 경향 측정 지표이다.

보건행정 핵심 해설 이 문제는 보건통계학의 기초가 되는 기술통계(Descriptive Statistics) 개념을 묻고 있어요. 자료를 요약하고 설명하는 데 가장 기본적인 두 가지 측정치, 즉 중심 경향(Central Tendency)과 산포도(Dispersion)를 구분할 수 있어야 해요. 핵심 개념 분석 (Key Concept) 중심 경향 측정치는 데이터 전체를 대표할 수 있는 하나의 값을 찾는 것이 목적이에요. "대부분의 값이 어디에 몰려 있는가?"를 보여주는 지표죠. 반면, 산포도 측정치는 데이터 값들이 얼마나 퍼져 있는지, 즉 변동성이나 불확실성을 수치화하는 것이 목적이에요. 정답 근거 (Answer Rationale) 정답은 5번 '분산'이에요. 핵심! 분산(Variance)은 각 자료 값이 평균으로부터 얼마나 떨어져 있는지의 평균적인 거리의 제곱을 나타내는 지표로, 자료의 퍼짐 정도, 즉 산포도를 측정하는 대표적인 지표입니다. 따라서 중심 경향을 측정하는 지표가 아니죠. 오답 분석 (Distractor Analysis) 혼동 주의! 각 오답 선택지들은 모두 중심 경향 측정치의 정확한 예시입니다.
① 중앙값(Median): 자료를 크기 순으로 나열했을 때 정 가운데 위치하는 값입니다. 극단값(Outlier)의 영향을 받지 않아 비대칭 분포에서 유용해요.
② 가중평균(Weighted Mean): 각 자료 값에 중요도나 빈도에 따른 가중치(Weight)를 부여하여 계산한 평균입니다. 보험 수가 산정이나 병원 성과 지표 계산 등 보건행정 실무에서 자주 활용되는 개념이에요.
③ 평균(Mean): 모든 자료 값을 더한 후 자료의 개수로 나눈 값으로, 가장 일반적인 중심 경향 측정치입니다.
④ 최빈값(Mode): 자료에서 가장 자주 나타나는 값입니다. 질적 자료(예: 가장 많이 발생한 질병 코드)의 중심을 나타낼 때 사용해요. 연관 개념 정리 (Related Concepts) 산포도를 측정하는 다른 주요 지표로는 표준편차(Standard Deviation), 범위(Range), 사분위수 범위(Interquartile Range, IQR) 등이 있어요. 특히 표준편차는 분산의 제곱근으로, 원래 자료와 단위가 같아 해석이 더 쉬운 장점이 있답니다. 개념 정리

구분	측정 목적	대표 지표	특징
중심 경향	자료의 대표값 찾기	평균, 중앙값, 최빈값, 가중평균	데이터가 '어디에' 모여 있는지 보여줌
산포도	자료의 퍼짐 정도 측정	분산, 표준편차, 범위, 사분위수 범위	데이터의 '변동성'이나 '불확실성'을 보여줌

한눈에 비교!

중심 경향 지표	정의	장점	단점/사용 시기
평균 (Mean)	모든 값의 합 / 개수	모든 데이터 정보 활용, 수학적 처리 용이	극단값(Outlier)에 민감함
중앙값 (Median)	크기 순 정렬 시 중앙 값	극단값의 영향을 받지 않음	데이터의 실제 모든 정보를 반영하지는 않음
최빈값 (Mode)	가장 빈번한 값	질적 자료에도 적용 가능	최빈값이 여러 개일 수 있음

실무 포인트 병원 경영이나 보건 정책 분석에서 데이터를 해석할 때는 평균과 표준편차(또는 중앙값과 사분위수 범위)를 함께 보는 습관이 중요해요. 평균 수입일(Average Length of Stay, ALOS)이 짧아졌다고 해서 무조건 좋은 건 아니에요. 표준편차가 크다면 환자군 간 편차가 심하다는 뜻으로, 특정 질환군의 관리가 필요할 수 있다는 신호가 될 수 있답니다. 암기 팁 "중심(中心)은 모아(Mean, Median, Mode) 있고, 산포(散布)는 퍼져(Variance) 있다." 라고 연상하면 쉽게 구분할 수 있어요! 국시 빈출 포인트 통계학 기초 개념은 매년 1-2문제 꼴로 출제되는 필수 영역이에요. 중심경향 vs 산포도 구분, 각 측정치의 정의와 특징(특히 극단값에 대한 민감도), 그리고 실무 적용 사례(예: 왜 건강검진 결과는 중앙값을 보고할까?)를 연결 지어 공부하세요. 기출 변형 주의! 동일한 개념을 "다음 중 자료의 산포도를 측정하는 지표로 옳은 것은?"으로 물어볼 수 있어요. 또는 "한 병원의 외래 환자 대기 시간 분포가 오른쪽으로 치우쳐 있을 때, 대표값으로 가장 적절한 것은?"과 같이 사례 적용형으로 출제될 가능성이 높으니, 각 지표의 장단점을 상황에 맞게 적용하는 연습이 필요해요.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 최근 1년간 관상동맥우회술(CABG) 환자의 평균 재원일수를 분석했어요. 평균은 7.5일로 전년 대비 0.5일 감소했지만, 표준편차가 4.2일로 매우 컸어요. 이 데이터를 어떻게 해석하고, 어떤 추가 분석이 필요할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 평균은 감소했지만, 표준편차가 크다는 것은 환자별 재원일수 차이가 매우 크다는 의미예요. (예: 3일 퇴원한 환자도 있고, 15일 이상 입원한 환자도 많음) 2. 법적/규정 검토: 건강보험심사평가원의 적정성 평가 관점에서 과다 또는 과소 재원은 모두 관리 대상이 될 수 있어요. 3. 대응 및 처리: 단순 평균만 보지 말고, 중앙값과 사분위수 범위(IQR)를 추가로 계산해보세요. 또한, 재원일수가 극단적으로 길거나 짧은 환자 군을 별도로 추출하여, 동반이환(Comorbidity), 수술 후 합병증 발생 여부, 사회경제적 요인 등을 분석해야 합니다. 4. 사후 기록/보고: 분석 결과를 바탕으로 '재원일수 변동성 감소'를 위한 QI(Quality Improvement) 프로젝트를 기획하고, 의료진과 협의하여 표준 진료 경로(Clinical Pathway)를 개선하는 방안을 모색할 수 있어요. 법적 안전 및 주의사항 (Precautions) 통계 데이터를 공표하거나 내부 보고할 때는 평균만 제시하는 것은 오해의 소지가 있습니다. 반드시 산포도 지표(표준편차 또는 IQR)를 함께 명시하여 데이터의 신뢰구간(Confidence Interval)을 보여주는 것이 전문성과 투명성을 높이는 방법이에요. 업무 프로토콜

단계	행동	산출물/도구
1. 데이터 수집	전자의무기록(EMR) 또는 병원정보시스템(HIS)에서 대상 환자 데이터 추출	SQL 쿼리, Excel
2. 기술통계 계산	평균, 중앙값, 표준편차, 최소/최대값, 사분위수 계산	Excel의 `AVERAGE`, `MEDIAN`, `STDEV.P`, `QUARTILE` 함수
3. 시각화	히스토그램(Histogram) 또는 상자그림(Box Plot) 작성	Excel 차트, 통계 소프트웨어
4. 심층 분석	이상치(Outlier) 군의 특성 분석 (진단명, 연령, 주치의 등)	데이터 마이닝(Data Mining) 기법
5. 보고 및 개선안 제시	분석 결과를 바탕한 경영 보고서 작성 및 QI 제안	PPT 보고서, PDCA 사이클 계획서

선배의 한마디 "보건행정가는 데이터를 읽는 사람이에요. 평균이라는 숫자 하나 뒤에는 수많은 환자의 이야기가 숨어 있어요. '평균'에 만족하지 말고, 그 데이터가 '얼마나 다양하게 퍼져 있는지(산포도)'를 꼭 함께 보는 안목을 길러야 해요. 이것이 바로 데이터 기반 의사결정(Data-Driven Decision Making)의 첫걸음이랍니다!"