보건행정 핵심 해설
이 문제는 보건통계학에서
측정 척도에 따른 적절한 통계 분석 기법을 묻는 기본적인 문제예요. 보건행정 현장에서는 설문조사 결과 분석, 의료 서비스 만족도 평가, 병원 성과 지표 간 관계 분석 등 다양한 데이터를 다루게 되는데, 데이터의 특성(척도)에 맞는 분석 방법을 선택하는 것이 정확한 결과 도출의 첫걸음이에요.
핵심 개념 분석 (Key Concept): 통계학에서 변수의 측정 척도는 크게 명목척도(Nominal), 서열척도(Ordinal), 등간척도(Interval), 비율척도(Ratio)로 구분해요.
핵심! 서열척도(Ordinal Scale)는 순위나 등급을 나타낼 수 있지만, 수치 간의 간격이 일정하지 않은 데이터를 말해요. 예를 들어, '매우 불만족(1점) - 불만족(2점) - 보통(3점) - 만족(4점) - 매우 만족(5점)' 같은 리커트 척도(Likert scale)가 대표적이에요. 이런 데이터에 일반적인
피어슨 상관계수(Pearson Correlation Coefficient)를 적용하면 정규성 가정을 충족하지 못해 오류가 발생할 수 있어요.
정답 근거 (Answer Rationale): 정답은 ①번 '
스피어만 순위 상관계수(Spearman's Rank Correlation Coefficient)'입니다. 이는 원래의 서열 데이터나, 연속형 데이터를 순위로 변환한 후 순위 간의 관계를 분석하는
비모수적(Non-parametric) 방법이에요. 서열척도 데이터의 본질인 '순위' 정보를 직접 활용하기 때문에 가장 적합한 분석 방법이죠. 공식은 두 변수의 순위 차이를 기반으로 계산됩니다.
오답 분석 (Distractor Analysis):
- ②번 '크래머의 V(Cramer's V)': 이는
혼동 주의! 두 개의
명목척도(Nominal Scale) 변수(예: 성별과 혈액형) 간의 연관성(Association) 강도를 측정하는 지표예요. 서열척도 분석에는 부적합합니다.
- ③번 '점이연 상관계수(Point-biserial Correlation Coefficient)': 하나는 연속형 변수(등간/비율척도), 다른 하나는 이분형 명목변수(예: 성별-남/여) 간의 관계를 분석할 때 사용해요. 서열-서열 관계 분석에는 사용하지 않아요.
- ④번 '파이 계수(Phi Coefficient)': 두 변수가 모두
이분형 명목변수(Dichotomous Nominal Variable)(예: 합격/불합격, 유/무)일 때 사용하는 연관성 측정치예요.
- ⑤번 '피어슨 상관계수(Pearson Correlation Coefficient)': 가장 널리 알려진 상관계수지만, 두 변수가 모두
등간척도(Interval Scale) 또는
비율척도(Ratio Scale)이며, 선형 관계와 정규성 가정을 충족할 때 사용해요. 서열척도에는 권장되지 않습니다.
연관 개념 정리 (Related Concepts):
-
켄달의 타우(Kendall's Tau): 스피어만 계수와 마찬가지로 서열 데이터의 상관을 측정하는 또 다른 비모수적 방법이에요. 일치 쌍과 불일치 쌍의 비율을 기반으로 계산됩니다.
- 상관계수(Correlation Coefficient) 해석: 값의 범위는 -1에서 +1 사이이며, 0에 가까울수록 관계가 없고, 절대값이 1에 가까울수록 강한 관계를 의미해요. 부호는 관계의 방향(정/부)을 나타냅니다.
개념 정리
| 측정 척도 | 특징 | 적합한 상관/연관 분석 |
|---|
| 명목척도(Nominal) | 분류만 가능 (예: 혈액형, 진료과) | 크래머의 V, 파이 계수 |
| 서열척도(Ordinal) | 순위/등급 가능, 간격 불균등 (예: 만족도, 통증 강도) | 스피어만 순위 상관계수, 켄달의 타우 |
| 등간척도(Interval) | 간격 균등, 절대적 영점 없음 (예: 온도(섭씨), IQ) | 피어슨 상관계수 |
| 비율척도(Ratio) | 간격 균등, 절대적 영점 존재 (예: 키, 체중, 수입) | 피어슨 상관계수 |
한눈에 비교!
| 상관계수 종류 | 적용 데이터 척도 (변수1 - 변수2) | 주요 특징 |
|---|
| 스피어만 순위 | 서열 - 서열 | 비모수적, 순위 데이터 사용 |
| 피어슨 | 등간/비율 - 등간/비율 | 모수적, 선형관계 가정, 가장 일반적 |
| 점이연 | 등간/비율 - 이분 명목 | 한쪽이 이분형일 때 (예: 치료 전후 점수 - 치료법 A/B) |
| 파이 계수 | 이분 명목 - 이분 명목 | 2x2 분할표에서 사용 |
| 크래머의 V | 명목 - 명목 | 분할표 크기에 관계없이 사용 가능 |
실무 포인트
보건행정 실무에서 서열척도 데이터는 매우 흔해요. 예를 들어,
환자 만족도 조사(Patient Satisfaction Survey), 직원 업무 스트레스 평가, 응급실 대기 시간에 대한 불만 정도 조사 등이 모두 서열척도를 사용합니다. 이런 데이터를 분석할 때는 SPSS, R, Python 등의 통계 프로그램에서 'Spearman correlation' 분석 옵션을 선택해야 정확한 결과를 얻을 수 있어요. 분석 결과는 병원 경영 개선, 의료 서비스 품질 향상(QI, Quality Improvement) 정책 수립의 근거 자료로 활용됩니다.
암기 팁
-
서열은 스피어만 (S서열, S스피어만): 같은 'ㅅ' 자음으로 연결해 기억하세요.
- 피어슨은 '피'아니고 '피어슨'이에요. 등간/비율 척도의 '평균(Mean)'을 사용하는 모수적 방법이라고 연상하세요. (Mean의 'M'은 모수적(Parametric)의 'M'과 연결)
- 명목척도 분석은 '연관성(Association)'이라 부르고, 서열/등간/비율 척도 분석은 '상관관계(Correlation)'이라 부른다는 점도 구분해두세요.
국시 빈출 포인트
측정 척도와 적합한 통계 분석법은
매년 빠지지 않고 출제되는 초고빈도 주제예요. 객관식으로 직접 묻거나, 연구 설계 사례를 제시하고 "이 데이터를 분석하기 위해 가장 적합한 통계 방법은?" 식으로 변형 출제됩니다. 반드시 위의 비교표를 완벽히 이해하고 넘어가세요.
기출 변형 주의!
1.
사례 적용형: "의료서비스 만족도(5점 리커트 척도)와 병원 재이용 의사(5점 리커트 척도) 간의 관계를 분석하려고 한다. 적절한 상관계수는?" → 정답: 스피어만 순위 상관계수.
2.
오개념 확인형: "서열척도 데이터에 피어슨 상관계수를 사용해도 무방하다." → 거짓. (가정을 위반할 수 있음)
3.
개념 연결형: "비모수적 검정법이 아닌 것은?" 이라는 질문에 피어슨 상관계수가 포함될 수 있어요.