보건행정 핵심 해설
이 문제는 보건통계학의 핵심 분석 도구인
다중 회귀분석(Multiple Regression Analysis) 결과를 해석하는 능력을 평가하고 있어요. 보건행정 현장에서는 병원 경영 데이터(환자 수, 재원일수, 비용), 건강 보험 데이터, 공중보건 정책 효과 분석 등 다양한 분야에서 회귀분석이 활용되기 때문에, 결과표를 읽고 올바른 결론을 도출하는 능력은 매우 중요해요.
핵심 개념 분석 (Key Concept)
다중 회귀분석은 하나의 종속변수(Y, 여기서는 수축기 혈압)에 대해 두 개 이상의 독립변수(X1, X2, 여기서는 나이와 체중)가 얼마나 영향을 미치는지를 동시에 분석하는 방법이에요. 결과 해석의 핵심은
핵심! p-value와
유의수준(Significance Level, 보통 0.05)의 비교에 있어요. p-value가 유의수준(예: 0.05)보다 작으면 "통계적으로 유의하다(영향을 미친다)"고 해석하고, 크면 "유의하지 않다(영향을 미친다고 볼 증거가 부족하다)"고 해석해요.
정답 근거 (Answer Rationale)
표를 보면,
나이(X1)의 p-value는 0.001이고,
체중(X2)의 p-value는 0.802예요. 일반적으로 사용하는 유의수준 0.05(5%)와 비교했을 때:
- 나이 (p=0.001 < 0.05): 통계적으로
유의합니다. 즉, 나이가 수축기 혈압에 유의미한 영향을 미친다고 할 수 있어요.
- 체중 (p=0.802 > 0.05): 통계적으로
유의하지 않습니다. 즉, 이 분석 결과만으로는 체중이 수축기 혈압에 유의미한 영향을 미친다고 결론 내릴 수 없어요.
따라서 "나이는 유의하지만, 체중은 수축기 혈압에 유의한 영향을 미치지 않는다"는 결론이 맞아요.
오답 분석 (Distractor Analysis)
혼동 주의!
① "표본 크기가 작아 결과를 신뢰할 수 없다.": 표에는 표본 크기(n)에 대한 정보가 전혀 주어지지 않았어요. p-value 해석 자체는 표본 크기와 무관하게 주어진 수치를 기준으로 합니다. 표본 크기가 작으면 일반적으로 표준오차가 커져 p-value가 커지는 경향이 있지만, 이 표에서는 그런 단서가 없으므로 이 결론을 내릴 수 없어요.
② "나이와 체중 모두 수축기 혈압에 유의한 영향을 미치지 않는다.": 나이의 p-value(0.001)가 유의수준보다 훨씬 작으므로 이 주장은 명백히 틀려요.
③ "나이와 체중 모두 수축기 혈압에 유의한 영향을 미친다.": 체중의 p-value(0.802)가 유의수준보다 훨씬 크므로, 체중이 유의하다고 볼 수 없어요.
⑤ "체중은 유의하지만, 나이는 수축기 혈압에 유의한 영향을 미치지 않는다.": 정반대로 해석한 것이에요. 나이는 유의하고, 체중은 유의하지 않아요.
연관 개념 정리 (Related Concepts)
-
t-통계량(t-statistic): 계수(영향력 크기)를 표준오차로 나눈 값이에요. 절대값이 클수록(일반적으로 2보다 크면) 유의할 가능성이 높아요. 여기서 나이는 5.33, 체중은 0.25로, 이 값도 p-value 해석과 일치해요.
-
계수(Coefficient): 해당 독립변수가 1단위 증가할 때 종속변수가 평균적으로 얼마나 변하는지를 나타내는 추정값이에요. 예를 들어, 나이 계수 0.8은 "나이가 1살 증가할 때, 수축기 혈압이 평균 0.8 단위 증가한다"는 해석이 가능하지만, 이 영향이
통계적으로 유의한지는 p-value로 판단해요.
-
표준오차(Standard Error): 계수 추정값의 불확실성(변동 크기)을 나타내요. 표준오차가 크면 계수 추정이 불안정하다는 의미이며, t-통계량이 작아져 유의하지 않을 가능성이 커져요.
개념 정리
| 용어 | 의미 | 해석 포인트 |
|---|
| p-value | 귀무가설(영향이 없다)이 맞을 때, 현재 관찰된 결과보다 더 극단적인 결과가 나올 확률 | 일반적으로 0.05 미만이면 "통계적으로 유의" |
| 계수 | 독립변수가 종속변수에 미치는 영향의 크기와 방향 | 부호(+/-)로 영향 방향 확인, 크기로 영향력 확인 (但, 유의성 판단 필수) |
| t-통계량 | 계수를 표준오차로 나눈 값 (검정 통계량) | 절대값이 클수록(보통 >2), 귀무가설 기각(유의함) 가능성 높음 |
| 표준오차 | 계수 추정값의 정확도(변동성) | 값이 작을수록 추정이 정밀함 |
한눈에 비교!
| 분석 유형 | 독립변수 수 | 주요 목적 | 보건행정 적용 예 |
|---|
| 단순 선형 회귀 | 1개 | 한 요인이 결과에 미치는 영향 분석 | 진료비가 병상 가동률에 미치는 영향 |
| 다중 선형 회귀 (본 문제) | 2개 이상 | 여러 요인이 동시에 결과에 미치는 영향 분석 | 나이, 체중, 흡연 여부가 혈압에 미치는 복합적 영향 |
| 로지스틱 회귀 | 1개 이상 | 여러 요인이 사건 발생 확률(예: 질병 유무)에 미치는 영향 분석 | 위험인자(고혈압, 당뇨)가 뇌졸중 발생 위험에 미치는 영향 |
실무 포인트
병원 경영 또는 공중보건 연구에서 통계 분석 결과를 받았을 때:
1.
가장 먼저 p-value를 확인하세요. 계수 값이 크더라도 p-value가 0.05보다 크면 그 결과를 근거로 정책이나 전략을 수립하는 것은 위험해요.
2. 계수의
부호(+, -)를 확인하여 영향의 방향(증가/감소)을 이해하세요.
3. 보고서나 발표 자료에서는 "나이는 통계적으로 유의하게 혈압을 증가시켰으나(p0.05)."와 같이 p-value를 명시하는 것이 전문적이에요.
암기 팁
- **p-value 판단 구호**: "
0.05 아래로? 통계적 승리!" (0.05보다 작으면 유의하다)
- **t-통계량 판단**: "t의 절대값 2 넘으면, 유의함을 의심해 봐!" (대략적인 기준)
국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는
핵심! 다중 회귀분석 결과표 해석이 단골 출제예요. p-value를 이용해 각 변수의 유의성을 따로 판단하는 문제가 가장 많아요. 때로는 계수의 의미 해석(예: "나이가 1살 증가하면 혈압이 0.8 증가한다")이나, 모형의 전체 설명력(R-squared)을 묻는 문제도 출제될 수 있어요.
기출 변형 주의!
1.
사례 적용형: "병원 마케팅 비용(X1)과 전문의 수(X2)가 연간 환자 수(Y)에 미치는 영향을 분석한 표가 주어졌다. 마케팅 부서 예산 증액을 주장하는 데 어떤 통계 결과를 근거로 제시할 수 있는가?" → 유의한 변수(p-value < 0.05)를 찾는 문제로 변형될 수 있어요.
2.
용어 정의형: "표에서 '계수'가 의미하는 바는?" 또는 "p-value가 0.01일 때의 올바른 해석은?"과 같이 기본 개념을 직접 묻는 형태도 출제돼요.