보건행정 핵심 해설
이 문제는 보건통계학에서 가장 기본적이면서도 중요한 가설 검정 방법인
독립표본 t-검정(Independent samples t-test)의 적용 전제 조건을 묻고 있어요. 보건행정 현장에서는 병원 간 성과 비교, 치료법 효과 평가, 환자 만족도 조사 분석 등 다양한 데이터 분석에 이 검정법이 활용되기 때문에 그 원리를 정확히 이해하는 것이 필수적이에요.
핵심 개념 분석 (Key Concept)
독립표본 t-검정은 서로 다른 두 집단(예: A병원 환자 vs B병원 환자, 치료군 vs 대조군)의 평균값이 통계적으로 유의미하게 차이가 나는지 검증하는 방법이에요. 이 검정을 올바르게 적용하기 위해서는 몇 가지 통계적 가정(Assumptions)을 충족해야 해요. 그중 가장 먼저, 그리고 가장 중요한 확인 절차가 바로
핵심! 두 집단의 분산이 동일한지(등분산성, Homogeneity of variance)를 검토하는 것이에요.
정답 근거 (Answer Rationale)
정답이 ①번인 이유는 통계학적 원리와 실무적 분석 절차에 근거해요. 독립표본 t-검정은 기본적으로 두 모집단의 분산이 같다는
등분산 가정을 전제로 개발된 방법이에요. 따라서 분석을 시작하기 전에
레빈 검정(Levene's test)이나 F-검정 등을 통해 이 가정이 성립하는지 먼저 확인해야 해요.
등분산성이 확인되면 일반적인
풀드 분산(pooled variance)을 이용한 t-검정을, 등분산성이 기각되면
웰치의 t-검정(Welch's t-test)을 사용해야 정확한 결과를 얻을 수 있어요. 이 절차를 무시하고 검정을 수행하면 제1종 오류(귀무가설을 잘못 기각)나 제2종 오류(귀무가설을 잘못 채택)의 가능성이 높아져 잘못된 행정적/의학적 결론을 내릴 위험이 커져요.
오답 분석 (Distractor Analysis)
혼동 주의! 각 오답이 왜 중요한 전제 조건이 아닌지 살펴볼게요.
②번 '두 집단의 자료가 서열 척도인지 여부': t-검정은
등간 척도나
비율 척도와 같은 연속형 자료에 적용하는 방법이에요. 서열 척도 자료에는
만-위트니 U 검정(Mann-Whitney U test) 같은 비모수 검정을 사용해야 해요.
③번 '두 집단의 표본 크기가 반드시 같아야 하는지 여부': 독립표본 t-검정은 표본 크기가 서로 달라도 적용 가능해요. 다만, 표본 크기가 크게 다르고 분산도 다를 경우 웰치의 t-검정 사용을 더 고려하게 됩니다.
④번 '두 집단의 중앙값이 동일한지 여부': 중앙값 비교는 t-검정의 목적이 아니에요. t-검정은
평균을 비교합니다. 중앙값을 비교하려면 앞서 언급한 비모수 검정을 사용해야 해요.
⑤번 '두 집단의 평균이 정규분포를 따르는지 여부': 이는 중요한 가정이지만,
먼저 확인해야 하는 '최우선' 조건은 아니에요. t-검정의 핵심 가정은 '두 집단의 자료가 각각 정규분포를 따른다' 또는 '표본 크기가 충분히 커서 중심극한정리에 의해 정규성 가정이 완화된다'는 것이에요. 그러나 실무에서는 등분산성 검정을 먼저 수행한 후, 필요에 따라 정규성 검정(샤피로-윌크 검정 등)을 병행하는 흐름이 일반적이에요.
연관 개념 정리 (Related Concepts)
-
대응표본 t-검정(Paired samples t-test): 동일 집단에게 사전-사후 측정을 했을 때 사용 (예: 다이어트 프로그램 전후 체중 비교). 등분산성 검정은 필요 없어요.
-
일원분산분석(One-way ANOVA): 세 집단 이상의 평균을 비교할 때 사용. 여기서도 등분산성은 중요한 가정이에요.
-
비모수 검정(Non-parametric test): 정규성 가정을 충족하지 못할 때 사용하는 대체 방법 (만-위트니 U 검정, 크루스칼-왈리스 검정 등).
개념 정리
| 용어 | 의미 | 비고 |
|---|
| 등분산성(Homogeneity of variance) | 비교하려는 두 개 이상의 집단이 분산이 서로 같다는 가정 | t-검정, ANOVA의 핵심 가정 |
| 독립표본 t-검정 | 서로 다른 두 집단의 평균 차이를 검정 | 등분산성 검정 후, 일반 t 또는 웰치 t 선택 |
| 레빈 검정(Levene's test) | 등분산성을 검정하는 대표적 방법 | p값 > 0.05 면 등분산 가정 채택 |
| 웰치의 t-검정(Welch's t-test) | 등분산 가정이 성립하지 않을 때 사용하는 t-검정 변형 | 자유도 계산 방식이 다름 |
한눈에 비교!
| 검정 방법 | 비교 대상 | 전제 조건 (확인 순서) | 사용 예시 |
|---|
| 독립표본 t-검정 | 두 독립 집단의 평균 | 1. 등분산성
2. 정규성 (또는 대표본) | 남녀 환자의 평균 입원일수 비교 |
| 대응표본 t-검정 | 동일 집단의 사전-사후 평균 | 차이값의 정규성 | 신약 투여 전후 혈압 비교 |
| 일원분산분석(ANOVA) | 세 집단 이상의 평균 | 1. 등분산성
2. 정규성
3. 관측치 독립성 | 3개 병동의 환자 만족도 평균 비교 |
실무 포인트
병원
품질개선(QI, Quality Improvement) 팀이나 기획실에서 데이터 분석을 할 때는 반드시 통계 소프트웨어(SPSS, R, SAS)의 분석 절차를 따라야 해요.
1.
데이터 탐색: 기술통계량(평균, 표준편차)과 상자그림으로 분포를 먼저 살펴보세요.
2.
가정 검정: 레빈 검정으로 등분산성 확인 → 샤피로-윌크 검정 등으로 정규성 확인.
3.
검정 방법 선택: 가정 충족 시 일반 t-검정, 등분산성 위반 시 웰치 t-검정, 정규성 위반 시 비모수 검정 선택.
4.
결과 보고: 보고서에는 사용한 검정 방법과 그 근거(예: "레빈 검정 결과 등분산 가정이 충족되어(p=.120) 일반 독립표본 t-검정을 수행함")를 명시해야 전문성을 인정받아요.
암기 팁
"
등분산 먼저 봐, t-test 길이 열려" 라고 기억하세요! 독립표본 t-검정의 문을 열기 위한 첫 번째 열쇠는 등분산성 검정이에요.
국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 통계 부분에서
핵심! 어떤 검정 방법을 사용해야 하는가?와
그 검정 방법의 가정은 무엇인가?를 묻는 문제가 매우 자주 출제돼요. t-검정, 카이제곱 검정, ANOVA의 가정과 용도를 반드시 구분해서 외워두세요.
기출 변형 주의!
이 개념은 다음과 같이 변형 출제될 수 있어요.
- 사례형: "A병원과 B병원의 평균 재원일수를 비교하는 연구를 설계했다. 통계 분석을 위해 가장 먼저 수행해야 할 것은?" → 등분산성 검정.
- OX형: "독립표본 t-검정을 수행하기 전에 두 집단의 표본 크기가 동일한지 반드시 확인해야 한다." →
X (거짓).