보건행정 핵심 해설
이 문제는 보건통계학의 핵심 개념인
가설검정(Hypothesis Testing)에서
검정력(Power)의 정의를 묻고 있어요. 검정력은 연구 설계나 표본 크기 결정에서 매우 중요한 개념으로, 실제 효과가 존재할 때 이를 올바르게 발견해내는 능력을 수치화한 거예요.
핵심 개념 분석 (Key Concept)
가설검정에는 두 가지 중요한 오류가 있어요.
-
제1종 오류(α, Type I Error): 귀무가설이 참인데 잘못 기각하는 오류. 즉, '가짜 양성' 오류예요.
-
제2종 오류(β, Type II Error): 귀무가설이 거짓인데(대립가설이 참인데) 채택하는 오류. 즉, '가짜 음성' 오류예요.
핵심! 검정력(Power)은
1 - β로 정의되며, '대립가설이 참일 때(즉, 귀무가설이 거짓일 때) 이를 올바르게 기각할 확률'이에요. 쉽게 말해, '실제로 존재하는 차이나 효과를 통계적으로 발견해낼 확률'이죠.
정답 근거 (Answer Rationale)
정답은 ③번 '귀무가설이 거짓일 때 이를 기각할 확률'이에요. 이는 검정력의 표준적 정의로, 모든 통계학 교재에 명시되어 있어요. 검정력이 높을수록 연구의 신뢰도가 높아지며, 일반적으로 0.8(80%) 이상을 목표로 표본 크기를 산정해요.
오답 분석 (Distractor Analysis)
혼동 주의! 각 오답을 분석해볼게요.
① '귀무가설이 참일 때 이를 채택할 확률': 이는
1 - α에 해당하며, '유의수준을 통과할 확률'이 아니라 '올바르게 귀무가설을 채택할 확률'이에요. 검정력과는 반대 개념이죠.
② '대립가설이 거짓일 때 이를 채택할 확률': 대립가설이 거짓이라는 것은 귀무가설이 참이라는 뜻이에요. 따라서 이는
제1종 오류(α)를 설명하는 말이에요.
④ '표본 오차를 통제할 수 있는 확률': 표본 오차는 신뢰구간(Confidence Interval)과 관련된 개념이지, 검정력의 직접적 정의가 아니에요.
⑤ '귀무가설이 참일 때 이를 기각할 확률': 이는 바로
제1종 오류의 확률(α, 유의수준)을 의미해요. 가장 많이 혼동하는 포인트예요!
연관 개념 정리 (Related Concepts)
검정력에 영향을 미치는 주요 요소는 세 가지예요.
1.
효과 크기(Effect Size): 실제 차이의 크기. 효과가 클수록 검정력이 높아져요.
2.
표본 크기(Sample Size): 표본이 클수록 검정력이 높아져요. (가장 직접적인 조절 요소)
3.
유의수준(α, Significance Level): α를 크게 설정하면(예: 0.05 → 0.10) 검정력이 높아지지만, 제1종 오류 위험도 함께 증가해요.
개념 정리
| 용어 | 정의 | 기호/공식 |
|---|
| 검정력(Power) | 귀무가설이 거짓일 때(대립가설이 참일 때) 올바르게 기각할 확률 | 1 - β |
| 제1종 오류(Type I Error) | 귀무가설이 참인데 기각하는 오류 (가짜 양성) | α (유의수준) |
| 제2종 오류(Type II Error) | 귀무가설이 거짓인데 채택하는 오류 (가짜 음성) | β |
| 유의수준(Significance Level) | 제1종 오류를 허용할 최대 확률 | 보통 0.05 또는 0.01 |
한눈에 비교!
| 비교 항목 | 검정력(Power, 1-β) | 유의수준(α) |
|---|
| 의미 | 효과를 발견할 능력 | 잘못된 효과를 보고할 위험 |
| 관련 오류 | 제2종 오류(β)와 반비례 | 제1종 오류(α) 그 자체 |
| 연구 설계 시 목표 | 보통 0.8(80%) 이상 유지 | 0.05(5%) 이하로 고정 |
| 실무적 중요성 | 표본 크기 산정의 근거, 연구의 신뢰성 지표 | 결과 해석의 기준선, '통계적 유의성' 판단 기준 |
실무 포인트
보건행정이나 의학 연구에서
검정력 분석(Power Analysis)은 연구를 설계하기 전
반드시 수행해야 하는 절차예요. 예를 들어, 새로운 환자 교육 프로그램의 효과를 평가하는 연구를 계획할 때, 충분한 검정력(예: 80%)을 확보하려면 몇 명의 환자가 필요한지 미리 계산해야 해요. 검정력이 너무 낮은 연구는 아무리 유의한 결과가 나와도 신뢰받기 어려워요.
암기 팁
-
Power는 '힘': 실제 효과를 잡아내는 힘! → '거짓인 귀무가설을 기각하는 힘' = 검정력.
-
α vs β 대조 암기:
- α(Alpha): 첫 번째 오류. 'A'는 'Accidentally reject true(참을 우연히 기각)'.
- β(Beta): 두 번째 오류. 'B'는 'Blindly accept false(거짓을 맹목적으로 채택)'.
- Power(1-β): β의 반대. '참을 찾아내는 힘'.
국시 빈출 포인트
검정력은
정의 자체를 묻는 기본 문제로 매우 자주 출제돼요. 특히 '제1종 오류(α)'와의 정의 비교, 또는 '검정력을 높이는 방법'을 묻는 문제도 많아요. "표본 크기를 늘리면 검정력이 어떻게 변하는가?" 같은 질문에 자신 있게 대답할 수 있어야 해요.
기출 변형 주의!
1.
사례 적용형: "어떤 연구에서 검정력이 0.7로 계산되었다. 이는 무엇을 의미하는가?" → "실제 효과가 존재할 때, 70%의 확률로 그 효과를 통계적으로 발견할 수 있다는 의미"라고 답해야 해요.
2.
역산 문제: "검정력이 0.9일 때, 제2종 오류(β)의 확률은?" → 1 - 0.9 = 0.1
3.
참/거짓 판단형: "검정력을 높이기 위해 유의수준(α)을 0.01에서 0.05로 높이는 것은 바람직하다." → 이는
참인 명제예요. α를 높이면 검정력은 높아지지만, 제1종 오류 위험도 함께 증가한다는 트레이드오프(Trade-off) 관계를 이해해야 해요.