보건행정 핵심 해설
이 문제는 보건통계학의 핵심인
가설검정(Hypothesis testing)의 판단 원리를 묻고 있어요. 보건행정 현장에서는 연구 결과 해석, 정책 효과 평가, 의료 품질 지표 비교 등 다양한 상황에서 통계적 검정 결과를 올바르게 이해하는 능력이 필수적입니다.
핵심 개념 분석 (Key Concept)
가설검정은 표본 데이터를 바탕으로 모집단에 대한 주장(가설)의 진위를 판단하는 통계적 방법이에요. 핵심 구성 요소는 다음과 같습니다.
•
귀무가설(Null hypothesis, H₀): 효과가 없거나 차이가 없다는 기본 가정 (기각의 대상).
•
대립가설(Alternative hypothesis, H₁): 효과가 있거나 차이가 있다는 연구자가 주장하고 싶은 가설.
•
유의수준(Significance level, α): 귀무가설이 참일 때 이를 잘못 기각할(제1종 오류) 허용 가능한 최대 확률. 일반적으로 0.05(5%)를 사용해요.
•
p-value: 귀무가설이 참이라는 가정 하에, 현재 관찰된 표본 결과보다 더 극단적인 결과가 나올 확률입니다.
정답 근거 (Answer Rationale)
핵심! 가설검정의 판단 기준은 매우 명확해요:
p-value < α 이면 귀무가설(H₀)을 기각(Reject)합니다. 이 문제에서는 p-value(0.03)가 유의수준 α(0.05)보다 작으므로, 귀무가설을 기각하는 결론을 내립니다. 이는 "귀무가설 하에서 관찰된 결과가 나올 확률이 매우 낮다(3%)"는 것을 의미하며, 따라서 통계적으로 유의미한 증거가 있다고 판단하여 대립가설(H₁)을 지지하게 됩니다.
오답 분석 (Distractor Analysis)
① '귀무가설을 채택한다': p-value가 α보다 클 때(예: p=0.07, α=0.05)의 결론이에요. 이 경우 귀무가설을 기각할 충분한 증거가 없다고 판단하지만, '귀무가설이 참이다'라고 증명하는 것은 아닙니다.
② '대립가설을 기각한다':
혼동 주의! 가설검정에서 직접적으로 기각 또는 채택의 대상은 항상
귀무가설이에요. 대립가설은 귀무가설이 기각될 때 간접적으로 지지받게 됩니다.
③ '표본 크기를 늘려야 한다': p-value가 이미 유의수준보다 작아 귀무가설을 기각할 수 있는 상황에서는 표본 크기를 늘릴 필요가 없어요. 오히려 p-value가 커서 귀무가설을 기각하지 못할 때(non-significant), 검정력(Power)을 높이기 위해 표본 크기를 늘리는 것을 고려할 수 있습니다.
⑤ '검정력을 높여야 한다': 검정력(Power)은 귀무가설이 거짓일 때 이를 올바르게 기각할 확률이에요. 이는 연구 설계 단계에서 표본 크기, 효과 크기, α 수준을 결정할 때 고려하는 요소이며, 검정 결과를 해석하는 단계에서 내리는 결론이 아닙니다.
연관 개념 정리 (Related Concepts)
•
제1종 오류(Type I error): 귀무가설이 참인데 기각하는 오류. 확률은 α(유의수준)와 같아요.
•
제2종 오류(Type II error): 귀무가설이 거짓인데 채택하는 오류. 확률은 β로 표시해요.
•
검정력(Power): 1 - β. 귀무가설이 거짓일 때 올바르게 기각할 확률이에요.
개념 정리
| 용어 | 의미 | 판단 기준 (α=0.05 기준) |
|---|
| p-value | 귀무가설이 참일 때 관찰된 결과 이상의 극단값이 나올 확률 | - |
| 유의수준 (α) | 제1종 오류를 허용할 최대 확률 (기준선) | 보통 0.05 |
| 결론 (p < α) | 귀무가설 기각, 대립가설 지지
통계적으로 유의미함 | 예: p=0.03 |
| 결론 (p ≥ α) | 귀무가설 기각 불가
통계적으로 유의미하지 않음 | 예: p=0.08 |
한눈에 비교!
| 구분 | 귀무가설(H₀) 기각 | 귀무가설(H₀) 기각 불가 |
|---|
| 조건 | p-value < 유의수준(α) | p-value ≥ 유의수준(α) |
| 의미 | 표본 데이터가 대립가설(H₁)을 지지하는 충분한 증거가 있음 | 표본 데이터가 H₀을 기각할 만큼 강력한 증거가 없음 |
| 해석 주의 | "H₁이 참이다"라고 증명한 것은 아님. 통계적 증거가 있다는 것. | "H₀이 참이다"라고 증명한 것은 아님. 증거가 부족하다는 것. |
실무 포인트
보건행정이나 의료 연구 논문을 읽을 때, "p < 0.05"라는 표현을 자주 보게 될 거예요. 이는 해당 연구 결과가
통계적으로 유의미하다(statistically significant)는 것을 의미하지만, 절대
임상적 또는 현장적 중요성(clinical/practical significance)과 동일한 개념은 아니에요. 매우 작은 효과라도 큰 표본에서는 p-value가 작게 나올 수 있으므로, 효과 크기(Effect size)와 p-value를 함께 평가해야 합니다.
암기 팁
"
p가 알파보다 작으면, 귀무가설은 꽝!" (p < α → H₀ Reject)
또는 "귀무가설은 기본 가정이므로, 매우 강력한 증거(p가 매우 작음)가 없으면 기각하지 않는다"고 이해하세요.
국시 빈출 포인트
가설검정은 보건의료정보관리사/병원행정사 시험에서
매우 높은 빈도로 출제됩니다. p-value와 α의 관계를 통한 결론 도출, 제1종/제2종 오류의 정의, 검정력의 개념을 연결 지어 묻는 문제가 많아요. 단순 암기가 아니라 원리를 이해해야 변형 문제에도 대응할 수 있습니다.
기출 변형 주의!
•
사례형: "신약 A군과 위약 B군의 혈압 강하 효과를 비교한 연구에서 p-value가 0.02로 계산되었다(α=0.05). 올바른 결론은?" → 동일한 원리 적용.
•
역방향 질문: "귀무가설을 기각하기로 결정했다. 이때 p-value와 α의 관계는?" → p-value < α.
•
오류 관련: "α=0.05로 설정하고 검정한 결과, 귀무가설을 기각했다. 만약 귀무가설이 사실이라면 어떤 오류를 범한 것인가?" →
제1종 오류(Type I error).