보건행정 핵심 해설
이 문제는 보건통계학과 연구 방법론의 핵심인
가설검정(Hypothesis testing)의 원리를 묻고 있어요. 특히,
핵심! 유의확률(p-value)과
유의수준(α, Significance level)의 관계를 이해해야 해요.
핵심 개념 분석 (Key Concept): 가설검정은 연구자가 세운 주장(대립가설, H1)이 통계적으로 타당한지 판단하는 과정이에요. 이때, '효과가 없다'는 기본 가정인
귀무가설(Null hypothesis, H0)을 먼저 세우죠. p-value는 "귀무가설이 참이라고 가정했을 때, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률"을 의미해요. 유의수준(α)은 귀무가설을 잘못 기각할 허용 오차(제1종 오류, Type I error)의 최대 한계를 사전에 정한 값이에요.
정답 근거 (Answer Rationale): 가설검정의 판단 기준은 매우 명확해요.
계산된 p-value가 사전에 설정한 유의수준(α)보다 작으면 귀무가설을 기각(Reject)합니다. 이 문제에서는 p-value=0.03, α=0.05로, p-value < α (0.03 < 0.05) 조건을 만족하므로, "신약 효과가 없다"는 귀무가설을 기각하고 "신약 효과가 있다"는 대립가설을 채택하는 결론을 내립니다. 따라서 정답은 ③번이에요.
오답 분석 (Distractor Analysis):
혼동 주의! ①번 '유의수준을 0.01로 조정하여 다시 검정해야 한다'는 오류예요. 유의수준은 연구 설계 단계에서, 검정력을 고려해 사전에 결정하는 것이 원칙이에요. 결과가 나온 후에 유의수준을 마음대로 바꾸어 결론을 조정하는 것은
p-hacking에 해당하는 비윤리적 연구 행위로 간주돼요.
②번 '귀무가설을 기각하지 않는다'는 p-value > α인 상황(예: p=0.07, α=0.05)에서의 결론이에요. 이 문제 조건과 반대되므로 틀렸어요.
④번 '검정력을 높이기 위해 표본 크기를 늘려야 한다'는 검정력(Power, 1-β)이 부족한 연구 설계의 문제점을 지적한 내용이에요. 검정력은 제2종 오류(β, 효과가 있는데 없다고 판단)를 범하지 않을 확률을 의미하지만, 이 문제에서는 이미 p-value가 유의수준보다 작아 귀무가설을 기각했으므로, 검정력 부족과 직접적인 연관성이 없어요. 표본 크기 증가는 연구 설계 단계에서 고려할 사항이에요.
⑤번 '제2종 오류가 발생했을 가능성이 높다'도 틀린 설명이에요. p-value가 작아 귀무가설을 기각한 상황은, 오히려 제1종 오류(효과가 없는데 있다고 판단)가 발생했을 가능성이 α(여기서는 5%)만큼 있다고 해석해야 해요. 제2종 오류의 가능성은 검정력(1-β)으로 평가하며, p-value만으로는 알 수 없어요.
연관 개념 정리 (Related Concepts):
-
제1종 오류(Type I error, α): 귀무가설이 참인데 기각하는 오류. '가짜 양성(False positive)'. 유의수준 α는 이 오류를 범할 최대 허용 확률.
-
제2종 오류(Type II error, β): 귀무가설이 거짓인데 기각하지 않는 오류. '가짜 음성(False negative)'.
-
검정력(Power, 1-β): 귀무가설이 거짓일 때 올바르게 기각할 확률. 효과가 실제로 있을 때 그것을 발견해낼 수 있는 연구의 능력.
개념 정리
| 용어 | 의미 | 판단 기준 (가설검정) |
|---|
| 유의수준 (α) | 제1종 오류 허용 한계. 연구 전 설정. | 기준값 (예: 0.05) |
| 유의확률 (p-value) | 귀무가설 하에서 현재 데이터가 관찰될 확률. | 계산값. p < α 이면 H0 기각. |
| 귀무가설 (H0) | 검정의 대상. 효과 없음, 차이 없음. | 기각 대상 |
| 대립가설 (H1) | 연구자의 주장. 효과 있음, 차이 있음. | 채택 대상 (H0 기각 시) |
한눈에 비교!
| 구분 | 제1종 오류 (Type I Error) | 제2종 오류 (Type II Error) |
|---|
| 의미 | 효과 없는데 있다고 판단 (False Positive) | 효과 있는데 없다고 판단 (False Negative) |
| 확률 | α (유의수준) | β |
| 관련 개념 | 특이도(Specificity)와 반비례 | 민감도(Sensitivity), 검정력(Power=1-β)과 관련 |
| 연구에서의 위험 | 무효한 신약을 허가할 위험 | 유효한 신약을 놓칠 위험 |
실무 포인트
보건행정이나 의료정책 연구에서
체계적 문헌고찰(Systematic Review)이나
중재 효과 평가를 할 때, 보고된 논문의 p-value를 비판적으로 평가해야 해요. p-value가 0.05보다 조금 작다고 해서 무조건 '효과 있다'고 받아들이기보다, 효과 크기(Effect size), 신뢰구간(Confidence interval), 연구의 방법론적 질을 종합적으로 판단하는 태도가 필요해요. 또한, 다중 검정(Multiple testing) 시에는 보정(예: Bonferroni correction)이 필요하다는 점도 기억하세요.
암기 팁
"
피( p )가 알파( α )보다 작으면( < ), 귀무가설(H0)은 깨져(기각)!"
p-value < α → Reject H0. 이 한 줄이 가설검정의 모든 것이에요!
국시 빈출 포인트
통계적 검정 관련 문제는
p-value와 α의 비교를 통한 결론 도출이 가장 기본적으로 출제돼요. 더 나아가서는 제1종/제2종 오류의 정의, 검정력의 의미, 신뢰구간과의 관계 등을 묻는 복합 문제로도 자주 나오니 기초를 탄탄히 하세요.
기출 변형 주의!
*
사례형: "어느 연구에서 A 치료법과 B 치료법의 효과 차이를 t-검정한 결과 p-value=0.12였다. 유의수준 0.05에서의 결론은?" (정답: 귀무가설(차이無) 기각 못함)
*
역설계형: "제2종 오류를 줄이기 위해 연구 설계 시 고려해야 할 사항은?" (정답: 표본 크기 증가, 효과 크기 증가, 유의수준 증가(단, 제1종 오류 증가 트레이드오프 있음))