회귀분석에서 특정 독립변수의 회귀계수가 통계적으로 유의한지 검정하기 위해 사용되는 검정통계량은?

개별 회귀계수의 유의성 검정은 'H0: βi = 0'에 대한 t-검정을 사용한다. 반면, 모형 전체의 유의성 검정(모든 회귀계수가 동시에 0인지)은 F-검정을 사용한다.

보건행정 핵심 해설 이 문제는 보건통계학 및 병원 경영 데이터 분석에서 핵심 도구인 회귀분석(Regression Analysis)의 검정 방법을 묻고 있어요. 특히, 모형 전체의 적합성 평가와 개별 변수의 영향력 평가를 구분하는 것이 중요해요. 핵심 개념 분석 (Key Concept) 회귀분석은 종속변수(Y)와 하나 이상의 독립변수(X) 간의 관계를 모델링하는 통계 기법이에요. 보건행정에서는 의료 서비스 이용량 예측, 병원 비용 분석, 환자 만족도 영향 요인 분석 등 다양한 분야에 활용돼요. 분석 결과를 해석할 때는 두 가지 수준의 검정이 필요해요: 1) 모형 전체가 의미가 있는지, 2) 각 독립변수가 개별적으로 의미가 있는지. 정답 근거 (Answer Rationale) 핵심! 특정 독립변수의 회귀계수(β)가 0인지(즉, 영향이 없는지) 검정하는 것은 t-검정(t-test)을 사용해요. 가설은 H₀: βᵢ = 0 vs H₁: βᵢ ≠ 0 이며, 검정통계량은 '회귀계수 추정값 / 표준오차'로 계산된 t-통계량이에요. 이 t-값의 절대값이 임계값보다 크거나, 해당 p-value가 유의수준(예: 0.05)보다 작으면 해당 변수가 통계적으로 유의하다고 판단해요. 오답 분석 (Distractor Analysis) 혼동 주의! ②번 'F-통계량'은 회귀모형 전체의 유의성을 검정할 때 사용해요. 즉, '모든 회귀계수가 동시에 0이다(H₀: β₁ = β₂ = ... = βₖ = 0)'라는 가설을 검정하는 것이에요. 개별 계수 검정(t)과 모형 전체 검정(F)을 명확히 구분해야 해요.
①번 '상관계수 r'은 두 변수 간 선형 관계의 방향과 강도를 나타내는 지표일 뿐, 회귀계수의 유의성 검정 통계량은 아니에요.
④번 '카이제곱 통계량'은 주로 범주형 변수 간의 독립성 검정(예: 교차분석)이나 적합도 검정에 사용돼요.
⑤번 'Z-통계량'은 주로 대표본에서 모평균이나 모비율을 검정할 때 사용하며, 회귀분석에서 개별 계수 검정은 일반적으로 t-통계량을 사용해요(표본 크기가 클 때 t는 Z에 근사합니다). 연관 개념 정리 (Related Concepts) 회귀분석 결과 해석 시 함께 봐야 할 지표는 결정계수(R²)(모형의 설명력), 조정된 결정계수(Adjusted R²)(변수 개수를 고려한 설명력), 회귀계수의 표준오차(Standard Error)(계수 추정의 정밀도) 등이 있어요. 개념 정리

검정 종류	검정 통계량	검정 가설 (H₀)	용도
개별 회귀계수 유의성 검정	t-통계량	특정 βᵢ = 0	해당 독립변수가 종속변수에 유의미한 영향을 미치는지 판단
회귀모형 전체 유의성 검정	F-통계량	모든 βᵢ = 0 (β₁=β₂=...=βₖ=0)	설정한 회귀모형 자체가 의미가 있는지 판단

한눈에 비교!

통계량	주요 사용처	보건행정 적용 예
t-통계량	두 집단 평균 비교, 회귀계수 검정	신규 치료법 도입 후 평균 재원일수 차이 검정, 병원 접근성(거리)이 이용률에 미치는 영향 검정
F-통계량	세 집단 이상 평균 비교(분산분석, ANOVA), 회귀모형 전체 검정	병원 규모(상급, 종합, 병원)별 평균 환자 만족도 비교, 환자 특성(나이, 성별, 질환)을 모두 포함한 입원비 예측 모형의 유의성 평가
카이제곱 통계량	범주형 변수 간 독립성/동질성 검정	흡연 여부와 폐암 발병 여부의 연관성 분석, 병원 지역별 의료보험 유형(건강보험 vs 의료급여) 분포 비교

실무 포인트 병원 경영 데이터(예: 원무 데이터, 환자 만족도 조사 데이터)를 분석할 때 통계 소프트웨어(SPSS, R, SAS) 출력 결과를 해석하는 능력이 중요해요. 회귀분석 결과표에서 각 변수 옆에 나오는 't 값'과 '유의확률(p-value)'을 확인하여, 어떤 요인이 결과에 통계적으로 유의한 영향을 미치는지 보고서에 명시해야 해요. p-value가 0.05 미만인 변수들을 중심으로 관리 정책을 수립할 수 있어요. 암기 팁 "개인은 t를 탄다" → 개별 회귀계수 검정은 t-검정!
"모두 함께 F를 한다" → 모형 전체(모든 계수) 검정은 F-검정! 국시 빈출 포인트 보건의료정보관리사/병원행정사 시험에서 통계 부분은 기본 개념과 적용을 묻는 문제가 많아요. 회귀분석의 t-검정 vs F-검정 차이는 매우 빈번하게 출제되는 핵심 포인트예요. 용어 정의와 함께 어떤 상황에 어떤 검정을 사용하는지 연결 지어서 공부하세요. 기출 변형 주의! 이 개념은 다음과 같이 변형 출제될 수 있어요:
• 사례형: "병원 경영팀이 입원 환자 수를 예측하는 모형을 만들었습니다. 거리 변수의 계수에 대한 p-value가 0.03으로 나왔을 때, 이를 해석하시오." → t-검정 결과 해석 능력 평가.
• 선택지 변형: "다음 중 회귀모형의 적합도를 평가하는 지표로 적절하지 않은 것은?" → R², Adjusted R², F-통계량, t-통계량 중 고르기.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "병원 기획팀에서 외래 환자 수 감소 원인을 분석하고자 해요. 인구사회학적 요인(지역 내 연령대, 소득 수준)과 접근성 요인(대중교통 역까지 거리, 주차장 면수), 경쟁 요인(주변 병원 수) 데이터를 수집해 다중회귀분석(Multiple Regression)을 실시했어요. 분석 결과표에서 '주차장 면수' 변수의 회귀계수 옆 t-통계량 값이 2.1이고 p-value가 0.04로 나왔다면, 이것은 무엇을 의미할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 분석 목표는 외래 환자 수에 영향을 미치는 개별 요인을 규명하는 것이에요. 2. 법적/규정 검토: 통계적 유의성 판단 기준(일반적으로 p-value 0.05)을 적용해요. 3. 대응 및 처리: t-통계량과 p-value 결과를 해석합니다. p-value=0.04 (< 0.05)이므로, '주차장 면수' 변수는 외래 환자 수에 통계적으로 유의한 양의 영향을 미친다고 해석할 수 있어요 (계수 값이 양수였다고 가정). 이는 "주차장을 확충하는 정책이 외래 환자 유치에 도움이 될 수 있다"는 경영적 시사점을 제공해요. 4. 사후 기록/보고: 분석 보고서에 각 변수의 회귀계수, 표준오차, t-값, p-value를 표로 정리하고, 유의한 변수(p-value < 0.05)에 대해 별표(*) 등을 표시하여 의사결정자에게 명확히 전달해요. 법적 안전 및 주의사항 (Precautions) 통계 분석 결과를 해석할 때는 핵심! '통계적 유의성(Statistical Significance)'과 '실제적 유의성(Practical Significance)'을 구분해야 해요. 통계적으로 유의미해도 회귀계수의 크기가 매우 작으면 실제 경영에 미치는 영향은 미미할 수 있어요. 또한, 인과관계를 성급히 단정하지 말고 상관관계로 해석하는 신중함이 필요해요. 업무 프로토콜 회귀분석 결과 해석 및 보고 프로토콜
1. 모형 적합도 확인: Adjusted R², F-통계량의 p-value 확인.
2. 개별 변수 검토: 각 변수의 회귀계수, t-통계량, p-value 확인. p-value < 0.05인 변수를 '유의 변수'로 분류.
3. 결과 해석 및 보고: 유의 변수가 종속변수에 미치는 영향의 방향(계수 부호)과 크기를 설명. 관리 정책 제언 연결.
4. 가정 검토: 잔차의 정규성, 등분산성 등 회귀분석 기본 가정 위반 여부 간단히 점검(고급). 선배의 한마디 "보건행정에서 데이터는 말을 해요. 하지만 그 목소리를 제대로 듣기 위해서는 통계라는 '귀'가 필요해요. t-검정과 F-검정의 차이는 '나무를 보는 것'과 '숲을 보는 것'의 차이와 같아요. 둘 다 중요하지만, 상황에 맞게 사용해야 정확한 진단과 효과적인 정책을 도출할 수 있어요. 분석 결과를 숫자 나열이 아니라 '이것이 병원 경영에 어떤 의미인가'로 풀어내는 것이 진짜 실력이에요!"