보건행정 핵심 해설
이 문제는
통계학적 가설 검정(Hypothesis Testing)의 기본 개념 중
대립가설(Alternative Hypothesis, H1 또는 Ha)의 정의와 역할을 묻고 있어요. 보건행정 및 의료연구에서 데이터 분석과 정책 효과 평가의 근간이 되는 매우 중요한 개념이니 확실히 이해해야 해요.
핵심 개념 분석 (Key Concept)
통계적 가설 검정은
핵심! 두 가지 상반된 가설을 설정하고, 표본 데이터를 통해 어느 가설을 지지할지 판단하는 과정이에요.
귀무가설(Null Hypothesis, H0)은 '차이가 없다', '효과가 없다'는 보수적이고 중립적인 주장입니다. 반면,
대립가설(Alternative Hypothesis, H1 또는 Ha)은 연구자가 실제로 입증하고 싶은 주장, 즉 '차이가 있다', '효과가 있다', '어떤 관계가 있다'는 내용을 담는 가설이에요.
정답 근거 (Answer Rationale)
정답은
④ 연구자가 증명하고자 하는 가설이다.입니다.
핵심! 대립가설의 정의는 "연구자가 표본을 통해 지지하고자 하는, 귀무가설과 대립되는 가설"입니다. 연구의 목적은 대개 이 대립가설을 뒷받침하는 증거(통계적으로 유의한 결과)를 찾는 것이에요. 예를 들어, "새로운 치료법 A가 기존 치료법 B보다 효과가 더 좋다"는 연구자의 주장이 바로 대립가설이 되는 거죠.
오답 분석 (Distractor Analysis)
혼동 주의! 각 오답이 틀린 이유를 정리하면 다음과 같아요.
① "통계적 검정의 기준이 되는 가설이다." → 이는
귀무가설(H0)의 특징입니다. 검정은 귀무가설이 참이라는 가정 하에 진행돼요.
② "항상 '차이가 없다'는 내용을 담는다." → 이는 귀무가설(H0)의 전형적인 내용입니다. 대립가설은 '차이가 있다', '효과가 있다' 등의 내용을 담아요.
③ "기각될 가능성이 없는 가설이다." → 오히려 연구의 목적은 귀무가설을 기각하고 대립가설을 채택하는 것이에요. 대립가설은 '채택'의 대상이죠.
⑤ "표본으로부터 직접 계산되는 값이다." → 이는
검정 통계량(Test Statistic, 예: t값, χ²값)에 대한 설명입니다. 가설은 주장(명제)이지 계산된 값이 아니에요.
연관 개념 정리 (Related Concepts)
가설 검정의 흐름을 정리하면: 연구 질문 설정 → 귀무가설(H0)과 대립가설(H1) 설정 → 유의수준(α, 예: 0.05) 결정 → 표본 수집 및 검정 통계량 계산 → p-value 계산 → p-value와 α 비교 → 판단(귀무가설 기각/채택)입니다. 여기서 p-value는 "귀무가설이 참일 때, 현재 표본 결과보다 더 극단적인 결과가 나올 확률"을 의미해요.
개념 정리
| 구분 | 귀무가설 (Null Hypothesis, H0) | 대립가설 (Alternative Hypothesis, H1 또는 Ha) |
|---|
| 정의 | 검정의 대상이 되는, '차이/효과 없음'을 기본으로 하는 가설 | 연구자가 증명하고자 하는, H0와 대립되는 가설 |
| 내용 | μ1 = μ2 (두 집단 평균 같음), ρ = 0 (상관 없음) | μ1 ≠ μ2 (다름), μ1 > μ2 (더 큼), ρ ≠ 0 (상관 있음) |
| 검정에서의 역할 | 통계적 검정의 기준 (기각 대상) | 연구자가 지지하고 싶은 주장 (채택 대상) |
| 결과 해석 | p-value < α → H0 기각 (통계적 유의성 있음) | H0 기각 시, H1에 대한 증거가 있다고 해석 |
한눈에 비교!
| 혼동 개념 | 의미 | 대립가설과의 차이 |
|---|
| 제1종 오류(Type I Error) | H0가 참인데 기각하는 오류 (False Positive)
유의수준 α가 이 오류의 확률 | 대립가설을 지지하기 위해 H0를 기각하는 과정에서 발생 가능한 위험 |
| 제2종 오류(Type II Error) | H0가 거짓인데 채택하는 오류 (False Negative)
확률은 β, 검정력(Power)은 1-β | 대립가설이 참인데 이를 뒷받침할 증거를 찾지 못해 발생하는 오류 |
| 검정 통계량(Test Statistic) | 표본 데이터로부터 계산된 값 (t, F, χ² 등) | 대립가설은 '주장'이고, 검정 통계량은 이 주장을 평가하기 위해 사용하는 도구(값) |
실무 포인트
보건행정 실무에서 가설 검정은 정책 효과 평가, 새로운 진료 프로토콜 효과 분석, 환자 만족도 비교 등 다양한 분야에 적용돼요. 예를 들어, "원무과 고객응대 교육 프로그램 도입 후 고객 민원 건수가 유의미하게 감소했는가?"를 분석할 때, H0: "교육 전후 민원 건수 평균이 같다", H1: "교육 후 민원 건수 평균이 더 낮다"로 설정하고 t-검정 등을 실시하게 됩니다. 분석 결과를 보고서에 담을 때는 "귀무가설을 기각한다"는 통계적 결론보다 "교육 프로그램 도입이 민원 감소에 통계적으로 유의한 효과가 있었다(p < .05)"와 같이 대립가설의 내용을 중심으로 해석하는 것이 좋아요.
암기 팁
-
귀(歸)무(無)가설: '귀'환(歸)해서 '무'다름(無)을 본다 → 차이가 없다는 기본 가정.
-
대립(對立)가설: '대립'한다 → 기본 가설(H0)에 반대되는, 연구자가 '대립'시켜서 주장하는 가설.
- H0는 'Zero(0)' 효과, H1은 'One(1)' 이상의 효과라고 연상해도 좋아요.
국시 빈출 포인트
이 주제는
핵심! "귀무가설 vs 대립가설 정의", "제1종/제2종 오류 정의 및 예시", "p-value의 의미", "유의수준 α의 역할" 등으로 자주 출제됩니다. 특히 오답 선지로 "대립가설이 통계적 검정의 기준이다"라는 함정이 매우 흔하니 주의하세요. 항상 "기준=귀무가설, 주장=대립가설"이라고 기억하세요.
기출 변형 주의!
동일 개념을 다음과 같이 변형 출제할 수 있어요.
-
사례형: "어느 병원에서 두 가지 수술 기법의 평균 회복 기간을 비교 연구한다. 연구자가 '새 기법의 회복 기간이 더 짧다'고 주장할 때, 이는 어떤 가설에 해당하는가?" → 대립가설(H1)
-
역(逆)개념 확인형: "통계적 검정에서 직접적으로 검정의 대상이 되는 가설은?" → 귀무가설(H0)
-
오류 개념 연결형: "귀무가설이 사실인데 기각하는 오류는?" → 제1종 오류(Type I Error)