카이제곱(χ²) 검정이 주로 사용되는 자료의 형태는?

카이제곱 검정은 두 개의 범주형 변수로 구성된 교차표(분할표)에서 독립성 또는 동질성을 검정하는 데 사용된다.

보건행정 핵심 해설 이 문제는 보건통계학에서 가장 기본적이면서도 실무에서 빈번히 활용되는 카이제곱 검정(Chi-square test)의 핵심 적용 조건을 묻고 있어요. 통계 검정법을 선택할 때는 "어떤 형태의 자료(변수)를 분석하는가?"가 가장 중요한 기준이 됩니다. 핵심 개념 분석 (Key Concept): 카이제곱 검정은 핵심! 범주형 변수(Categorical variable) 간의 관계를 분석하는 비모수 검정법이에요. 예를 들어, 성별(남/여)과 흡연 여부(예/아니오), 병원 등급(상급종합/종합/병원/의원)과 만족도(매우 만족/만족/보통/불만족)와 같이 각 범주에 속하는 빈도(도수)를 기반으로 합니다. 분석의 기본 틀은 교차표(Contingency table) 또는 분할표라고 불리는 표에요. 정답 근거 (Answer Rationale): 정답은 ⑤ '두 범주형 변수 간의 연관성'입니다. 카이제곱 검정의 가장 대표적인 용도는 두 범주형 변수가 서로 독립적인지(연관이 없는지), 아니면 연관성이 있는지를 검정하는 독립성 검정(Test of independence)이에요. 예를 들어, "진료과(내과/외과)에 따라 환자 만족도(높음/낮음) 분포가 다른가?"를 확인할 때 사용할 수 있어요. 오답 분석 (Distractor Analysis):
혼동 주의! ① '두 연속형 변수 간의 상관관계': 이는 피어슨 상관계수(Pearson correlation coefficient) 분석이 담당하는 영역이에요. 키와 몸무게, 나이와 혈압 같은 숫자형 데이터의 관계 강도를 측정합니다.
② '시간에 따른 경향성 분석': 시계열 분석(Time series analysis)이나 선형 회귀 분석의 영역입니다. 예를 들어, 연도별 코로나19 확진자 수 추이를 분석할 때 사용해요.
③ '세 집단 이상의 평균 비교': 이는 분산분석(ANOVA, Analysis of variance)의 주된 목적이에요. 예를 들어, A, B, C 세 가지 치료법에 따른 혈당 강하 효과(평균)의 차이를 비교할 때 사용합니다.
④ '한 집단의 비율이 특정 값과 다른지 비교': 이는 일표본 비율 검정(One-sample proportion test) 또는 이항 검정(Binomial test)으로 분석합니다. 예를 들어, "우리 병원 환자 중 외국인 비율이 5%인가?"를 검정할 때 사용해요. 카이제곱 '적합도 검정(Goodness-of-fit test)'도 이에 해당할 수 있지만, 문제에서는 더 명확한 '두 변수 간 연관성'을 묻고 있습니다. 연관 개념 정리 (Related Concepts): - 카이제곱 검정의 주요 가정: 각 셀의 기대빈도가 5 이상이어야 합니다. 기대빈도가 너무 작으면 피셔의 정확 검정(Fisher's exact test)을 대신 사용해야 해요. - 카이제곱 검정의 종류: 독립성 검정, 동질성 검정(두 개 이상의 집단에서 비율 분포가 동일한지), 적합도 검정(관측된 분포가 이론적 분포에 맞는지)으로 나눌 수 있어요. 개념 정리

검정 방법	분석 대상 (변수 형태)	주요 용도 예시
카이제곱 검정	두 개의 범주형 변수	성별에 따른 질병 유병률 차이, 병원 유형에 따른 재입원율 비교
t-검정 / ANOVA	범주형(집단)에 따른 연속형 변수 평균 비교	신약 vs 위약군의 평균 혈압 비교, 세 병동의 평균 재원일수 비교
상관분석 / 회귀분석	연속형 변수 간 관계	나이와 체질량지수(BMI)의 관계, 투자금과 병원 매출액 관계

실무 포인트 보건행정이나 병원 경영에서 카이제곱 검정은 의료 질 지표(QI, Quality Indicator) 분석에 매우 유용해요. 예를 들어, '수술 전 항생제 투여 시기 준수율'이 '외과팀(A팀/B팀/C팀)'에 따라 차이가 있는지, 또는 '낙상 예방 교육 실시 여부'가 '낙상 발생 건수'와 연관이 있는지를 분석하여 데이터 기반의 질 개선 활동을 할 수 있습니다. 의무기록 데이터를 교차표 형태로 정리한 후 카이제곱 검정을 적용하면 과학적인 근거를 마련할 수 있어요. 암기 팁 "카이(χ)는 카테고리(Category)를 본다!"라고 외우세요. 변수의 형태가 숫자로 된 '측정값'(연속형)인지, 아니면 '종류'를 나타내는 '범주'(범주형)인지를 먼저 구분하는 것이 통계 검정 선택의 첫걸음입니다. 국시 빈출 포인트 통계 파트에서 카이제곱 검정의 적용 조건(범주형 자료)과 t-검정/ANOVA(연속형 자료 평균 비교)를 구분하는 문제는 매우 높은 빈도로 출제됩니다. 각 검정법의 가정 조건(예: 정규성, 등분산성)과 함께 묻는 경우도 많으니 함께 정리하세요. 기출 변형 주의! 이 개념은 "다음 중 카이제곱 검정의 가정으로 옳은 것은?" 또는 사례형으로 "어떤 연구자가 성별(남, 여)과 고혈압 유무(있음, 없음)의 관계를 분석하려고 한다. 적합한 통계 검정법은?"과 같은 형태로 변형 출제됩니다. 항상 변수의 성질(척도)을 먼저 파악하세요.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): 병원 기획팀에서 최근 1년간 응급실(ER) 재방문율을 분석하고 있어요. 데이터를 보니, 재방문 여부(예/아니오)와 방문 시간대(주간/야간/심야)가 기록되어 있습니다. 팀장님은 "시간대에 따라 재방문율에 차이가 있을까?"라는 질문을 던졌어요. 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 분석하려는 두 변수는 모두 범주형입니다. 재방문 여부(2개 범주), 방문 시간대(3개 범주). 2. 법적/규정 검토: 통계적 방법 선택에는 법규가 아닌 방법론의 적합성이 중요합니다. 여기서는 카이제곱 독립성 검정이 가장 적합합니다. 3. 대응 및 처리: 먼저 3x2 교차표를 만듭니다. 각 셀에 실제 관측된 환자 수(빈도)를 입력하고, 통계 소프트웨어(SPSS, R, SAS)나 엑셀 함수를 이용해 카이제곱 검정을 수행합니다. p-value가 0.05 미만이면 "방문 시간대와 재방문율은 통계적으로 유의한 연관성이 있다"고 결론 내릴 수 있어요. 4. 사후 기록/보고: 분석 결과(카이제곱 통계량, 자유도, p-value)와 함께, 어떤 시간대의 재방문율이 특히 높은지를 교차표로 시각화하여 경영진 보고서에 포함시킵니다. 이를 통해 야간 시간대 인력 배치나 프로토콜 개선 등 자원 배분 결정의 근거로 활용할 수 있어요. 법적 안전 및 주의사항 (Precautions): 통계 분석 시 가장 주의할 점은 데이터의 오용과 과장 해석이에요. 카이제곱 검정은 '연관성'을 보여줄 뿐, 인과관계(원인과 결과)를 증명하지는 않습니다. "야간 시간대가 재방문의 원인이다"라고 단정하지 말고, "야간 시간대와 재방문율 사이에 연관성이 관찰되었다. 이에 대한 추가 원인 분석이 필요하다"고 해석해야 합니다. 또한, 개인정보가 포함된 원자료 분석 시에는 반드시 익명화 처리를 해야 해요. 업무 프로토콜 1. 분석 목적 설정 (예: 두 범주형 변수 간 관계 확인) 2. 데이터 전처리 (결측치 제거, 범주 통합) 3. 교차표 생성 및 기대빈도 확인 (모든 셀 기대빈도 ≥5?) 4. 적합한 검정법 선택 및 실행 (기대빈도 작으면 피셔의 정확 검정) 5. 결과 해석 (p-value, 효과 크기 like Cramer's V) 6. 보고서 작성 및 시각화 선배의 한마디 "보건행정가에게 통계는 무기가 되어요. 복잡한 수식보다 '어떤 질문에 어떤 도구를 써야 하는지'를 아는 게 먼저예요. 카이제곱 검정은 그중에서도 가장 손쉽게 쓸 수 있는 기본 도구죠. 병원의 다양한 데이터(만족도 조사, 감염률, 인력 구성 등)를 이 도구로 열어보면 숨겨진 인사이트가 보이기 시작할 거예요!"