보건행정 핵심 해설
이 문제는 보건통계 및 연구 방법론에서 가장 기본적이면서도 중요한 개념인
통계 검정 방법의 선택 기준을 묻고 있어요. 올바른 검정법을 선택하는 것은 연구 설계와 데이터 분석의 핵심이며, 보건행정 실무에서도 정책 효과 평가나 환자 만족도 분석 등에 필수적으로 적용되는 기술이에요.
핵심 개념 분석 (Key Concept): 통계 검정은 분석하고자 하는
핵심! 변수의 척도(Scale of Measurement)에 따라 결정돼요. 변수는 크게 범주형(Categorical, 예: 성별, 질병 유무)과 연속형(Continuous, 예: 혈압, 나이)으로 구분되며, 각 척도에 맞는 검정법을 사용해야 의미 있는 결과를 얻을 수 있어요. 이 문제는 두 개의 범주형 변수 간 관계를 분석하는 상황이에요.
정답 근거 (Answer Rationale): 정답은
카이제곱 독립성 검정(Chi-square test of independence)이에요. 이 검정법은 두 범주형 변수가 서로 독립적인지(연관이 없는지), 아니면 연관이 있는지를 판단하는 데 사용돼요. 예를 들어, '흡연 여부(예/아니오)'와 '폐암 진단 여부(예/아니오)' 간의 관계를 분석할 때, 교차표(Contingency table)를 만들고 관찰된 빈도와 기대 빈도의 차이를 바탕으로 카이제곱 통계량을 계산해요. 계산된 p-value가 유의수준(예: 0.05)보다 작으면 두 변수는 독립이 아니라고(즉, 연관이 있다고) 결론 내릴 수 있어요.
오답 분석 (Distractor Analysis):
혼동 주의! ①번
ANOVA는 세 집단 이상의
연속형 변수 평균을 비교할 때 사용해요. 예를 들어, 병원 A, B, C의 평균 재원일수를 비교할 때 적합해요.
②번
t-검정은 두 집단의
연속형 변수 평균을 비교할 때 사용해요. 예를 들어, 남성과 여성의 평균 혈압을 비교하는 경우에 사용돼요.
③번
회귀분석은 주로 종속 변수(결과)와 하나 이상의 독립 변수(원인) 간의 인과 관계나 예측 모델을 만들 때 사용하며, 변수 유형에 따라 로지스틱 회귀(범주형 종속변수)나 선형 회귀(연속형 종속변수)로 나뉘어요. 단순한 두 변수 간 독립성 검정보다는 복잡한 관계 분석에 가까워요.
⑤번
상관분석은 두
연속형 변수 간의 선형적 관계의 강도와 방향(예: 나이와 혈압의 관계)을 파악하는 데 사용해요. 범주형 변수에는 일반적으로 적용되지 않아요.
연관 개념 정리 (Related Concepts):
-
카이제곱 적합도 검정(Chi-square goodness-of-fit test): 하나의 범주형 변수가 특정 이론적 분포(예: 성별 비율이 1:1인지)를 따르는지 검정할 때 사용해요. 독립성 검정과 구분해야 해요.
-
피셔의 정확 검정(Fisher's exact test): 표본 크기가 작거나 교차표의 기대 빈도가 5 미만인 셀이 많을 때 카이제곱 검정 대신 사용하는 비모수 검정법이에요.
개념 정리
| 검정 방법 | 적용 변수 유형 | 주요 용도 | 보건행정 예시 |
|---|
| 카이제곱 독립성 검정 | 범주형 vs 범주형 | 두 변수의 독립성/연관성 검정 | 진료과별 환자 만족도(만족/불만족) 차이 분석 |
| t-검정 | 연속형 (2개 집단) | 두 집단 평균 비교 | 새로운 치료법 도입 전후 평균 재원일수 비교 |
| ANOVA | 연속형 (3개 이상 집단) | 세 집단 이상 평균 비교 | 다른 건강보험 유형(국민, 의료급여, 사보험)별 진료비 지출 평균 비교 |
| 상관분석 | 연속형 vs 연속형 | 두 변수 간 선형 관계 측정 | 병상 수와 연간 총 진료비 수입 간의 관계 분석 |
| 로지스틱 회귀분석 | 범주형 종속변수 | 범주형 결과에 영향을 미치는 요인 분석 | 퇴원 후 재입원 여부(예/아니오)에 영향을 주는 환자 특성 분석 |
실무 포인트
보건행정 실무에서 통계 분석은 단순한 숫자 놀이가 아니라,
의사결정의 근거를 마련하는 중요한 도구예요.
-
품질 개선(QI) 활동: 카이제곱 검정을 통해 특정 간호 중재 후 낙상 사고 발생률(발생/미발생)의 변화가 통계적으로 유의한지 평가할 수 있어요.
-
정책 효과 평가: 새로운 예방접종 캠페인 시행 후, 캠페인 참여 지역과 비참여 지역 간의 특정 질병 발병률(발병/미발병) 차이를 분석할 때 사용돼요.
- 데이터 전처리: 분석 전 반드시 변수의 척도를 확인하고, 필요한 경우 범주화(예: 연령대 구분) 또는 연속화 작업을 해야 해요. SPSS, R, SAS 같은 통계 소프트웨어를 활용하면 교차표와 카이제곱 검정 결과를 쉽게 얻을 수 있어요.
암기 팁
"범범 카이(χ²), 연연 t-A"라고 외우세요! 범주형 vs 범주형은 카이제곱 검정, 연속형 vs 연속형(2집단)은 t-검정, 연속형(3집단 이상)은 ANOVA라는 뜻이에요.
국시 빈출 포인트
통계 검정법 선택 문제는 매년 빠지지 않고 출제되는 고정 출제 영역이에요. 변수의 척도(명목, 서열, 등간, 비율)와 검정법의 매칭을 정확히 알고 있어야 해요. 특히 카이제곱 검정, t-검정, ANOVA의 구분은 반드시 확실히 해두세요.
기출 변형 주의!
1. 사례 적용형: "의료기관 만족도 조사에서 '진료과'(내과, 외과)와 '전반적 만족도'(만족, 보통, 불만족) 간 관계를 분석하려면 어떤 통계 검정법을 사용해야 하는가?"와 같이 구체적인 시나리오로 출제될 수 있어요.
2. 용어 정의형: "카이제곱 검정에서 '기대빈도'의 개념은 무엇인가?"와 같이 검정법의 세부 원리를 묻는 경우도 있어요.