보건행정 핵심 해설
이 문제는 보건통계학의 기초이자, 연구 설계와 데이터 해석의 핵심인
가설검정(Hypothesis Testing)에서 발생하는 오류 유형을 묻고 있어요. 특히,
핵심! 제1종 오류(Type I Error)와
제2종 오류(Type II Error)의 정의를 정확히 구분하는 것이 중요해요.
핵심 개념 분석 (Key Concept): 가설검정은 연구자가 세운
대립가설(Alternative Hypothesis, H1)을 입증하기 위해, 그 반대인
귀무가설(Null Hypothesis, H0)을 기각하는 방식으로 진행돼요. 이 과정에서 표본 데이터의 변동성 때문에 판단에 오류가 발생할 수 있어요. 이러한 오류는 크게 두 가지로 나뉘며, 이는 모든 통계적 검정(예: t-검정, 카이제곱 검정)의 근간을 이루는 개념이에요.
정답 근거 (Answer Rationale): 정답은
② 제1종 오류입니다.
핵심! 제1종 오류(α 오류)는
"귀무가설(H0)이 사실은 참인데, 표본 데이터를 근거로 이를 잘못 기각하는 오류"를 말해요. 쉽게 말해, '없는 효과를 있다고 잘못 판단하는 오류'예요. 이 오류가 발생할 확률을
유의수준(Significance Level, α)이라고 하며, 일반적으로 연구에서 0.05(5%)나 0.01(1%)로 설정해요.
오답 분석 (Distractor Analysis):
혼동 주의! ①번 '제2종 오류'는 정반대의 상황이에요. 제2종 오류(β 오류)는
"귀무가설(H0)이 사실은 거짓(즉, 대립가설 H1이 참)인데, 이를 기각하지 못하고 받아들이는 오류"입니다. '있는 효과를 없다고 잘못 판단하는 오류'죠.
③번 '표본오류'는 표본을 추출하는 과정에서 모집단을 대표하지 못해 발생하는 전체적인 오차를 포괄하는 개념이에요. 제1종/제2종 오류보다 더 넓은 의미예요.
④번 '혼란오류'는 공식적인 통계 용어가 아니에요. 연구 설계상 교란변수(Confounding Variable)를 통제하지 못해 발생하는 오류를 의미할 수 있지만, 가설검정의 공식 오류 유형은 아니에요.
⑤번 '측정오류'는 도구의 부정확성, 관찰자 차이 등으로 데이터 자체에 발생하는 오류로, 측정의 신뢰도(Reliability)와 타당도(Validity) 문제와 관련돼 있어요.
연관 개념 정리 (Related Concepts):
-
검정력(Power, 1-β): 제2종 오류를 범하지 않을 확률, 즉 '있는 효과를 제대로 발견해낼 확률'이에요. 연구 설계 시 표본 수를 결정하는 중요한 요소죠.
-
p-value: 귀무가설이 참이라는 가정 하에, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률이에요. p-value가 유의수준(α)보다 작으면 귀무가설을 기각해요.
개념 정리
| 오류 유형 | 다른 이름 | 정의 (귀무가설 H0 기준) | 확률 기호 | 비유 |
|---|
| 제1종 오류 | α 오류, False Positive | H0이 참인데 기각함 | α (알파) | 무죄인 사람을 유죄로 판결 |
| 제2종 오류 | β 오류, False Negative | H0이 거짓인데 기각하지 않음 | β (베타) | 유죄인 사람을 무죄로 판결 |
한눈에 비교!
| 비교 항목 | 제1종 오류 (Type I Error) | 제2종 오류 (Type II Error) |
|---|
| 관계 | 일반적으로 트레이드오프(Trade-off) 관계. α를 줄이면 β가 늘고, β를 줄이면 α가 늘어남. | |
| 연구에서의 중요도 | 더 위험한 오류로 간주. 유의수준(α)을 엄격히 통제함. (예: 0.05) | 검정력(1-β)을 높이기 위해 표본 크기를 늘리는 전략 사용. |
| 보건의료 예시 | 실제로는 효과 없는 새 약이 효과 있다고 잘못 결론. (위험: 비용 낭비, 부작용 위험) | 실제로는 효과 있는 새 약이 효과 없다고 잘못 결론. (위험: 효과적인 치료 기회 상실) |
실무 포인트
보건행정이나 의료연구에서 통계 결과를 해석할 때, 단순히 'p