가설검정에서 '귀무가설'에 대한 설명으로 옳은 것은?

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "보건소에서 운영하는 '금연 캠페인'의 효과를 평가하기로 했어요. 캠페인에 참여한 집단(실험군)과 참여하지 않은 집단(대조군)의 6개월 후 일산화탄소 호기 측정값을 비교 분석하려고 해요. 데이터를 수집한 후, 통계 컨설턴트에게 분석을 의뢰해야 하는데, 어떤 가설을 검정해야 할지 기획서에 명시해야 합니다." 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 프로그램 효과성 평가는 보건사업의 핵심 관리 항목이에요. 예산 집행 근거와 향후 사업 확장 결정에 중요한 자료가 됩니다. 2. 법적/규정 검토: 특별한 법규보다는 과학적 근거에 기반한 정책 평가(Science-based Policy Evaluation) 원칙에 따라 가설검정을 설계해야 해요. 3. 대응 및 처리: 기획서에 다음과 같이 가설을 명시합니다. - 귀무가설(H0): 금연 캠페인 참여 집단과 비참여 집단의 6개 후 일산화탄소 호기 측정값 평균은 차이가 없다. (μ참여 = μ비참여) - 대립가설(H1): 금연 캠페인 참여 집단의 6개 후 일산화탄소 호기 측정값 평균이 비참여 집단보다 낮다. (μ참여 < μ비참여) (단측 검정) 4. 사후 기록/보고: 분석 결과(p-value)를 보고서에 포함하고, H0 기각 여부에 따라 "캠페인 효과가 통계적으로 유의미하게 확인됨" 또는 "효과를 확인하기 위한 추가 자료 수집이 필요함"이라는 결론을 도출합니다. 법적 안전 및 주의사항 (Precautions) - 연구 윤리: 대조군 설정 시 윤리적 문제(필수 치료 제공 거부 등)가 없는지 확인해야 해요. - 개인정보: 통계 분석용 데이터는 반드시 익명화(Anonymization) 처리해야 하며, 개인정보보호법(Personal Information Protection Act)을 준수해야 해요. - 결과 해석 주의: 통계적 유의성(Statistical Significance)과 실질적 유의성(Clinical/Practical Significance)은 다를 수 있어요. p-value가 작아도 평균 차이가 미미하면 실무적 의미는 적을 수 있어요.
업무 프로토콜 프로그램 효과 평가를 위한 가설검정 프로토콜 1. 목적 설정: 평가하려는 효과(예: 지표 감소, 증가, 변화)를 명확히 정의. 2. 가설 수립: H0(차이 없음)와 H1(기대하는 효과 방향)을 기술. 3. 측정 지표 & 도구 선정: 객관적으로 측정 가능한 지표(예: 혈압 수치, 설문 점수)와 도구 선택. 4. 데이터 수집: 실험군/대조군 할당, 표본 크기 고려, 표준화된 방법으로 데이터 수집. 5. 통계 분석 의뢰/수행: 적절한 검정 방법(t-test, ANOVA, 카이제곱 검정 등) 선택 및 분석. 6. 결과 해석 및 보고: p-value, 신뢰구간(Confidence Interval)을 함께 제시하고, H0 기각 여부에 따른 결론 도출.
선배의 한마디 "통계는 숫자 놀음이 아니라, 불확실한 세상에서 합리적인 의사결정을 돕는 도구예요. 귀무가설(H0)은 우리가 늘 의심하고 넘어뜨려야 할 '편견'이나 '낡은 상식'과도 같아요. 보건행정가로서 데이터를 통해 H0를 기각하고, 더 나은 정책과 서비스를 위한 증거(H1)를 찾아내는 것이 우리의 임무라고 생각해요. 처음엔 개념이 어려울 수 있지만, '차이가 없다는 전제를 깨는 과정'이라는 기본 논리를 이해하면 훨씬 수월해질 거예요!"