보건행정 핵심 해설
이 문제는
보건통계 분석 방법의 적절한 적용에 관한 질문이에요. 특히
SPSS(Statistical Package for the Social Sciences)라는 통계 소프트웨어에서
범주형 변수(Categorical Variable) 간의 관계를 분석할 때 어떤 검정법을 써야 하는지를 묻고 있어요.
핵심 개념 분석 (Key Concept): 변수의 측정 수준(Measurement Level)에 따라 적합한 통계 검정 방법이 달라져요. 변수는 크게
범주형 변수(명목척도, 서열척도)와
연속형 변수(등간척도, 비율척도)로 구분됩니다. 성별(남/여), 흡연 여부(예/아니오)처럼 몇 개의 범주로 분류되는 변수는 범주형 변수에 해당해요. 이러한 변수들 간의
연관성(Association) 또는 독립성(Independence)을 검정하는 가장 표준적인 방법이 바로
카이제곱 검정(Chi-square test)이에요.
정답 근거 (Answer Rationale):
핵심! 카이제곱 검정은 두 범주형 변수로 구성된
교차표(Contingency Table)에서 관찰된 빈도(Observed Frequency)와 기대 빈도(Expected Frequency)의 차이를 바탕으로, 두 변수가 서로 독립적인지(연관이 없는지)를 검정하는 방법이에요. 예를 들어, '성별'과 '흡연 여부'의 관계를 분석할 때, 교차표를 만들고 카이제곱 검정을 통해 "성별에 따라 흡연율이 다르다"는 통계적으로 유의한 연관성이 있는지 판단할 수 있어요. 이는 보건행정 연구에서 요인 분석(예: 질병 유무와 생활습관의 관계)에 매우 빈번히 사용되는 기초적이면서도 핵심적인 분석 방법이죠.
오답 분석 (Distractor Analysis):
혼동 주의! ①번 '독립표본 t-검정(Independent samples t-test)'은
범주형 변수(2개 집단)와 연속형 변수 1개를 비교할 때 사용해요. 예: 남성과 여성(범주형)의 평균 혈압(연속형) 비교.
혼동 주의! ②번 '단순 선형 회귀분석(Simple linear regression)'과 ③번 '피어슨 상관분석(Pearson correlation analysis)'은 모두
두 연속형 변수 간의 선형 관계를 분석할 때 사용하는 방법이에요. 예: 나이(연속형)와 혈당 수치(연속형)의 관계.
혼동 주의! ⑤번 '일원 배치 분산분석(One-way ANOVA)'은
범주형 변수(3개 이상 집단)와 연속형 변수 1개를 비교할 때 사용해요. 예: A, B, C 세 지역(범주형) 주민들의 평균 체중(연속형) 비교.
연관 개념 정리 (Related Concepts):
-
피셔의 정확 검정(Fisher's exact test): 카이제곱 검정의 대안으로, 표본 크기가 작거나 기대 빈도가 5 미만인 셀이 많을 때 사용해요.
-
크래머의 V(Cramer's V): 카이제곱 검정이 유의하다는 것을 확인한 후, 두 범주형 변수 간 연관성의
강도를 측정하는 효과 크기(Effect Size) 지표 중 하나예요.
개념 정리
| 변수 유형 | 분석 목적 | 주요 검정 방법 | 예시 |
|---|
| 범주형 vs 범주형 | 연관성/독립성 검정 | 카이제곱 검정, 피셔의 정확 검정 | 성별과 질병 유무 관계 |
| 범주형(2집단) vs 연속형 | 평균 차이 검정 | 독립표본 t-검정 | 남녀 평균 키 비교 |
| 범주형(3집단↑) vs 연속형 | 평균 차이 검정 | 일원 배치 분산분석(ANOVA) | 혈액형별 평균 혈압 비교 |
| 연속형 vs 연속형 | 선형 관계 분석 | 피어슨 상관분석, 단순 선형 회귀 | 나이와 혈당의 관계 |
한눈에 비교!
| 검정 방법 | 적용 변수 | 핵심 질문 | 보건행정 활용 예 |
|---|
| 카이제곱 검정 | 범주형 ↔ 범주형 | "두 범주가 서로 관련이 있는가?" | 의료이용 행태(보험유형)와 예방접종률 관계 분석 |
| t-검정 / ANOVA | 범주형 → 연속형 | "집단 간 평균이 다른가?" | 새로운 치료법 도입 전후 환자 만족도 점수 비교 |
| 상관/회귀 분석 | 연속형 ↔ 연속형 | "한 변수의 변화가 다른 변수와 얼마나 관련 있는가?" | 병원 재원일수와 총 진료비용의 관계 분석 |
실무 포인트
보건행정이나 병원 경영에서 설문조사 데이터, 의무기록(EMR) 데이터를 분석할 때 가장 먼저 변수의 유형을 파악하는 것이 출발점이에요. 성별, 직업, 만성질환 유무 같은 인구사회학적 변수는 대부분 범주형이에요. 이 변수들 간의 관계를 보고 싶다면 SPSS 메뉴에서
분석 → 기술통계 → 교차표를 선택하고, 통계량에서 '카이제곱'을 체크하면 간단히 분석할 수 있어요. 분석 결과 해석 시 p-value(유의확률)가 0.05 미만이면 두 변수 간 통계적으로 유의한 연관성이 있다고 판단해요.
암기 팁
"
카테고리(범주) vs 카테고리(범주)는 카이(χ²)!" 라고 외우세요. 변수가 숫자처럼 셀 수 있는 게 아니라 이름(명목)이나 순서(서열)로 된 범주형일 때는 카이제곱을 떠올리면 돼요.
국시 빈출 포인트
통계 방법론은
보건정보학 및
병원경영학 영역에서 단골 출제 주제예요. 특히 변수 유형에 따른 적절한 검정법을 연결짓는 문제가 매우 자주 나와요. '범주형-범주형 = 카이제곱', '범주형-연속형 = t검정/ANOVA', '연속형-연속형 = 상관/회귀' 이 세 가지 공식을 반드시 익혀두세요.
기출 변형 주의!
이 개념은 "다음 중 범주형 변수와 연속형 변수의 관계를 분석하는 방법은?" 이라고 반대로 물어볼 수도 있어요. 또는 "성별에 따른 수술 후 합병증 발생률을 비교할 때 사용하는 통계 검정법은?" 같은
사례 적용형으로 출제될 가능성이 높아요. '발생률'은 비율(%)로 표현된 범주형 데이터일 수 있으므로 카이제곱 검정이 답이 될 수 있어요.