보건행정 핵심 해설
이 문제는 보건통계학에서
카이제곱(χ²) 검정의 적용 조건과 그 위반 시 발생하는 문제점을 묻고 있어요. 특히
핵심! 카이제곱 검정은 범주형 자료(예: 흡연 유무와 고혈압 유병 여부) 간의 독립성이나 동질성을 검정할 때 널리 쓰이지만, 사용 시 반드시 지켜야 할 중요한 가정이 있어요.
핵심 개념 분석 (Key Concept)
카이제곱 검정의 통계량(χ²)은 "(관측빈도 - 기대빈도)² / 기대빈도"의 합으로 계산돼요. 이 검정의 정확한 근사(approximation)를 위해서는
기대빈도가 5 미만인 셀이 전체의 20%를 넘지 않아야 한다는 경험적 기준이 있어요. 문제에서는 기대빈도 5 미만 셀이 25%를 차지한다고 했으니, 이 기준을 명확히 위반한 상황이에요.
정답 근거 (Answer Rationale)
정답은
① 검정 통계량의 정확도가 떨어질 수 있다입니다.
기대빈도가 너무 작은 셀이 많으면, 카이제곱 분포로의 근사가 불안정해져 계산된 χ² 통계량의 값이 실제와 다를 수 있어요. 이는 검정의
검정력(Power)과
유의수준(Significance level)을 왜곡시킬 수 있는 심각한 문제예요. 따라서 이런 경우에는
피셔의 정확 검정(Fisher's exact test)이나 범주를 합치는 등의 대안을 고려해야 해요.
오답 분석 (Distractor Analysis)
혼동 주의! 각 오답이 왜 틀린지 개념을 정리해볼게요.
- ②번 "평균 차이를 과소평가하게 된다": 카이제곱 검정은
빈도(비율)의 차이를 검정하는 방법이지, 연속형 변수의 '평균 차이'를 검정하는 t-검정이나 ANOVA와는 원리가 완전히 달라요. 평균 차이 평가는 해당되지 않는 개념이에요.
- ③번 "상관계수의 해석이 어려워진다": 카이제곱 검정 결과로 파생된
크래머의 V(Cramér's V) 같은 연관성 측도를 해석하는 데는 영향을 줄 수 있지만, 문제의 초점은 검정 통계량 자체의 정확도에 대한 우려예요. 또한 '상관계수'는 일반적으로 피어슨 상관계수를 지칭하는데, 이는 연속형 변수 간 관계를 보는 것이므로 직접적인 관련이 적어요.
- ④번 "정규분포 가정을 위반하게 된다": 카이제곱 검정은 표본이 충분히 클 때
카이제곱 분포를 따른다고 가정해요. 정규분포 가정은 t-검정이나 회귀분석 등 연속형 변수 분석에서 주요하게 다루는 가정이에요. 카이제곱 검정의 핵심 가정은 '기대빈도'에 관한 것이지 정규성에 관한 것이 아니에요.
- ⑤번 "1종 오류의 가능성이 증가한다": 기대빈도가 낮은 경우, 검정 통계량이 실제보다 과대평가되어
1종 오류(귀무가설이 참인데 기각하는 오류) 가능성이 증가할 수도 있고, 반대로 과소평가되어 감소할 수도 있어요. 결과가 불안정해지는 것이지, 일관되게 1종 오류 가능성만 증가한다고 단정할 수 없어요. 문제에서 묻는 "가장 우려되는 문제"는 검정 결과 자체의 신뢰성과 정확도 하락이에요.
연관 개념 정리 (Related Concepts)
-
피셔의 정확 검정(Fisher's exact test): 표본 크기가 작거나 기대빈도가 낮은 2x2 분할표에서 카이제곱 검정의 대안으로 사용돼요.
-
연속성 수정(Yates' correction): 자유도가 1인 2x2 표에서 기대빈도가 작을 때 카이제곱 값을 보정하는 방법이에요.
-
범주 병합(Category combination): 기대빈도가 낮은 범주를 인접한 범주와 합쳐서 검정 조건을 만족시키는 실무적 방법이에요.
개념 정리
| 용어 | 의미 | 비고 |
|---|
| 카이제곱(χ²) 검정 | 범주형 변수 간 독립성/동질성 검정 | 기대빈도 조건 필수 확인 |
| 기대빈도(Expected frequency) | 두 변수가 독립일 때 예상되는 셀의 빈도 | 5 미만 셀 >20% 시 주의 |
| 피셔의 정확 검정 | 소표본/낮은 기대빈도 시 대체 검정법 | 주로 2x2 표에 적용 |
| 1종 오류(Type I error) | 귀무가설(H₀)이 참인데 기각하는 오류 | 유의수준(α)으로 통제 |
한눈에 비교!
| 검정 방법 | 주요 용도 | 가정/조건 | 기대빈도 문제 시 대안 |
|---|
| 카이제곱 검정 | 두 범주형 변수의 관계 | 기대빈도 ≥5 (80% 이상) | 범주 병합, 피셔 검정 |
| 피셔의 정확 검정 | 소표본 2x2 표의 독립성 | 표본 크기 작거나 기대빈도 낮음 | - |
| t-검정 / ANOVA | 집단 간 평균 차이 | 정규성, 등분산성 | 비모수 검정(만-위트니 U 등) |
실무 포인트
보건행정이나 역학 조사에서 설문지 데이터를 분석할 때, "흡연 vs 비흡연" 그룹과 "질환 유무"를 교차표로 만들고 카이제곱 검정을 돌리기 전에, 반드시
기대빈도 테이블을 먼저 확인하는 습관을 들여야 해요. 통계 소프트웨어(SPSS, R 등) 출력 결과에서 기대빈도가 5 미만인 셀의 비율이 높다면, 보고서에 "카이제곱 검정 결과 해석에 주의가 필요하며, 피셔의 정확 검정 결과는..." 식으로 조건을 명시하는 것이 전문가의 자세예요.
암기 팁
"
기대 5, 20% 룰"이라고 외우세요! 기대빈도가 5 미만인 셀이 전체의 20%를 넘으면 카이제곱 검정 결과를 신뢰하기 어렵다는 뜻이에요.
국시 빈출 포인트
보건의료정보관리사 시험에서는
핵심! 통계 검정법의
용도와 적용 조건을 짝짓는 문제가 매우 자주 나와요. 카이제곱 검정의 조건, t-검정의 조건, 상관분석과 회귀분석의 차이 등을 명확히 구분할 수 있어야 해요.
기출 변형 주의!
이 개념은 "기대빈도가 1.2로 매우 낮은 셀이 있을 때, 어떤 검정법을 사용해야 하는가?"라는
대안 검정법 선택 문제로 변형 출제될 수 있어요. 또는 "카이제곱 검정 결과 p값이 0.04로 유의하나, 기대빈도 조건을 위반했다. 어떻게 결론을 내려야 하는가?"라는
결과 해석형 문제로도 나올 수 있으니 준비하세요.