보건행정 핵심 해설
이 문제는 보건통계 분석에서 매우 중요한
가설검정(Hypothesis testing)의 전제 조건 확인 절차를 묻고 있어요. 특히, 두 집단(예: 치료군 vs 대조군, 남성 vs 여성)의 평균을 비교하는
독립표본 t-검정(Independent samples t-test)을 수행하기 전에 반드시 거쳐야 하는 단계를 이해해야 합니다.
핵심 개념 분석 (Key Concept)
독립표본 t-검정은 두 집단의 평균 차이가 통계적으로 유의한지 판단하는 가장 기본적인 방법이에요. 하지만 이 검정 방법에는 두 가지 주요 버전이 존재해요.
1.
등분산 가정 t-검정(Pooled variance t-test): 두 집단의 분산(데이터의 퍼짐 정도)이 같다고 가정할 때 사용합니다.
2.
이분산 가정 t-검정(Separate variance t-test, Welch's t-test): 두 집단의 분산이 다르다고 가정할 때 사용합니다.
어떤 버전의 t-검정을 사용할지는 데이터의 특성에 따라 결정해야 하며, 이를 확인하기 위한 사전 검정이 바로
핵심! 등분산성 검정(Test for homogeneity of variances)이에요. Excel을 포함한 대부분의 통계 소프트웨어에서는 이 검정을
F-검정(F-test)을 통해 수행합니다.
정답 근거 (Answer Rationale)
정답이 ⑤번 'F-검정'인 이유는 통계학적 원리에 기반해요. 두 집단의 분산(σ₁², σ₂²)이 동일한지 검정하는 가설은 다음과 같아요.
- 귀무가설(H₀): σ₁² = σ₂² (두 분산은 같다)
- 대립가설(H₁): σ₁² ≠ σ₂² (두 분산은 다르다)
이 가설을 검정하는 가장 일반적인 방법은 두 표본분산의 비율(큰 분산/작은 분산)을 계산하여, 이 통계량이
F-분포(F-distribution)를 따른다는 성질을 이용하는 F-검정이에요. Excel의 데이터 분석 도구에서 'F-검정: 두 집단에 대한 분산 분석'을 선택하면 이 검정을 수행할 수 있어요. F-검정 결과 p-value가 유의수준(예: 0.05)보다 크면 등분산을 가정하고, 작으면 이분산을 가정한 t-검정을 선택하게 됩니다.
오답 분석 (Distractor Analysis)
혼동 주의! 다른 선택지들은 모두 통계 검정 방법이지만, 등분산성 확인이라는 특정 목적에는 맞지 않아요.
① 회귀 분석(Regression analysis): 독립변수와 종속변수 간의 인과 관계나 예측 모형을 구축할 때 사용합니다. 평균 차이 검정과는 목적이 달라요.
② 카이제곱 검정(Chi-squared test): 주로 범주형 자료(예: 성별에 따른 흡연 여부 분포)의 독립성 또는 적합성을 검정할 때 사용합니다.
③ ANOVA(Analysis of Variance):
주의! 세 개 이상 집단의 평균을 비교할 때 사용합니다. 두 집단만 비교할 때는 t-검정과 수학적으로 동일하지만, 등분산성 검정 자체는 아니에요. ANOVA도 등분산 가정이 필요하지만, 그 검정 방법으로는 보통 Levene's test나 Bartlett's test를 사용하기도 해요.
④ 상관관계 분석(Correlation analysis): 두 연속형 변수 간의 선형적 관계 강도와 방향(예: 키와 체중의 관계)을 분석할 때 사용합니다.
연관 개념 정리 (Related Concepts)
-
Levene's test: F-검정보다 이상치(Outlier)에 덜 민감한 등분산성 검정 방법으로, SPSS 등에서 더 많이 사용됩니다.
-
정규성 검정(Normality test): t-검정의 또 다른 중요한 전제 조건은 데이터가 정규분포를 따른다는 것이에요. 이를 확인하기 위해 Shapiro-Wilk test나 Kolmogorov-Smirnov test를 실시하기도 합니다.
-
Paired t-test: 동일 집단에게 사전-사후 측정을 했을 때(예: 치료 전후 혈압 비교) 사용하는 검정법으로, 등분산성 검정이 필요하지 않아요.
개념 정리
| 용어 | 의미 | 목적 |
|---|
| F-검정 (F-test) | 두 집단의 분산이 동일한지 비교하는 검정 | t-검정 전 등분산 가정 여부 확인 |
| 독립표본 t-검정 | 서로 다른 두 집단의 평균 차이 검정 | 치료 효과, 성별 차이 등 비교 |
| 등분산 가정 (Homoscedasticity) | 두 집단의 분산이 같음 | Pooled variance t-test 사용 조건 |
| 이분산 가정 (Heteroscedasticity) | 두 집단의 분산이 다름 | Welch's t-test 사용 조건 |
한눈에 비교!
| 검정 방법 | 주요 사용 목적 | 비고 |
|---|
| F-검정 | 두 집단의 분산(Variance) 비교 | t-검정의 사전 조건 확인용 |
| t-검정 | 두 집단의 평균(Mean) 비교 | 독립표본, 대응표본 구분 |
| 카이제곱 검정 | 범주형 변수 간 연관성/독립성 검정 | 빈도수(Frequency) 분석 |
| ANOVA | 세 집단 이상의 평균 비교 | 사후검정(Post-hoc) 필요 |
실무 포인트
보건행정이나 의료연구에서 치료법 A와 B의 효과를 비교하는 임상시험 데이터를 분석할 때, 통계 컨설턴트나 연구자가 가장 먼저 확인하는 단계가 바로 '기본 가정 확인'이에요. Excel 데이터 분석 도구를 사용한다면,
1) F-검정 실행 → 2) p-value 확인 → 3) 등분산/이분산 t-검정 선택의 순서로 진행해야 해요. 이 과정을 생략하고 잘못된 t-검정을 사용하면 결과의 신뢰도가 떨어질 수 있어요.
암기 팁
"
F는
F분산 비교!" F-검정은 분산(Fraction의 F가 아님) 비교에 사용된다고 연상하세요. t-검정 전에 F-검정을 한다는 흐름을 "먼저 분산을 확인하고(t-Fore!), 평균을 비교한다(t-Then!)"는 식으로 순서를 기억하는 것도 좋아요.
국시 빈출 포인트
보건의료정보관리사 시험에서는 통계 파트에서
핵심! 각 검정법의 사용 목적과 조건을 묻는 문제가 매우 자주 나와요. 't-검정 vs ANOVA', '카이제곱 검정 vs 상관분석', 그리고 이 문제처럼 '사전 검정(F-검정)의 역할'을 정확히 구분할 수 있어야 합니다. 용어 정의뿐만 아니라 "주어진 연구 설계에 어떤 통계 분석법을 적용해야 하는가?"라는 실무형 문제로도 출제될 수 있어요.
기출 변형 주의!
이 개념은 다음과 같이 변형되어 출제될 수 있어요.
- 사례형: "혈압강하제 신약과 기존약의 효과를 비교하는 연구에서, 두 군의 연령 분포는 비슷하나 혈압 측정값의 변동 폭이 크게 다릅니다. 적절한 통계 분석 절차를 순서대로 쓰시오." (답: 등분산성 검정(F-검정) → 이분산 가정 t-검정)
- 명칭 변경: "Levene's test는 어떤 가정을 검정하는가?" (답: 등분산 가정)