보건통계 분석에서 정규성 검정을 위해 SPSS에서 널리 사용되는 비모수 검정 방법은?

Shapiro-Wilk 검정은 표본 크기가 2,000 미만일 때 주로 사용되는 강력한 정규성 검정 방법이다. SPSS의 '기술통계량' 분석 옵션에서 선택하여 실행할 수 있다.

보건행정 핵심 해설 이 문제는 보건통계 분석의 기초 중, 데이터가 정규 분포를 따르는지 검정하는 방법을 묻고 있어요. 보건행정 연구나 병원 경영 데이터 분석 시, 변수의 분포를 확인하는 것은 이후 적절한 통계 기법(모수 검정 vs 비모수 검정)을 선택하는 데 필수적인 첫걸음이죠. 핵심 개념 분석 (Key Concept): 정규성 검정(Normality test)은 표본 데이터가 정규 분포(Normal distribution)를 따르는 모집단에서 추출되었다는 가정을 검증하는 절차예요. SPSS, R, SAS 같은 통계 소프트웨어에서 다양한 검정 방법을 제공합니다. 이 중 핵심! Shapiro-Wilk 검정은 표본 크기가 작을 때(일반적으로 n < 2000~5000) 검정력(Power)이 높아 가장 널리 권장되는 비모수 검정 방법이에요. 정답 근거 (Answer Rationale): 정답은 ②번 'Shapiro-Wilk 검정'입니다. 그 이유는 이 검정이 정규성 검정을 위한 전용 비모수 검정법이기 때문이에요. SPSS의 분석(Analyze) > 기술통계량(Descriptive Statistics) > 탐색(Explore) 메뉴나, 직접 'Shapiro-Wilk' 옵션을 선택하여 실행할 수 있어요. 가설은 다음과 같죠. - 귀무가설(H0): 데이터가 정규 분포를 따른다. - 대립가설(H1): 데이터가 정규 분포를 따르지 않는다. p-value가 일반적으로 0.05 미만이면 귀무가설을 기각하여 "정규 분포를 따르지 않는다"고 결론 내립니다. 오답 분석 (Distractor Analysis): 혼동 주의! 다른 선택지들은 모두 정규성 검정이 아닌, 다른 통계적 가정 검정이나 사후 검정 방법이에요. - ①번 Durbin-Watson 검정: 회귀 분석에서 잔차의 자기상관(Autocorrelation) 존재 여부를 검정하는 방법이에요. 정규성과는 무관해요. - ③번 Levene 검정: 두 개 이상의 집단 간 분산의 동질성(Homogeneity of variance)을 검정하는 방법이에요. t-검정이나 ANOVA 수행 전에 확인하는 가정 중 하나죠. - ④번 Scheffe 검정과 ⑤번 Tukey 검정: 모두 분산 분석(ANOVA) 결과 유의미한 차이가 있을 때, 어느 집단들 사이에 차이가 있는지를 알아보기 위한 사후 검정(Post-hoc test) 방법이에요. 정규성 검정과는 완전히 다른 단계의 분석이에요. 연관 개념 정리 (Related Concepts): 정규성 검정에는 Shapiro-Wilk 외에도 Kolmogorov-Smirnov 검정(대표본에 적합), Q-Q plot(시각적 확인) 등이 있어요. 데이터가 정규 분포를 따르지 않을 때는 비모수 검정인 Mann-Whitney U 검정(독립표본 t-검정 대체)이나 Kruskal-Wallis 검정(일원배치 ANOVA 대체) 등을 사용해야 해요.
개념 정리

용어	목적	사용 시기/특징
Shapiro-Wilk 검정	데이터의 정규성 검정	표본 크기 n < 2000~5000일 때 강력함. SPSS 기본 제공.
Kolmogorov-Smirnov 검정	데이터의 정규성 검정	대표본(n > 50)에 더 적합. 분포 형태 전반 비교.
Levene 검정	집단 간 분산 동질성 검정	t-검정, ANOVA 실행 전 필수 확인 가정.
Durbin-Watson 검정	회귀 잔차의 자기상관 검정	시계열 데이터나 공간 데이터 분석 시 중요.
사후 검정 (Post-hoc) (Tukey, Scheffe 등)	ANOVA 유의 후 집단 간 쌍별 비교	차이가 난 구체적인 집단 쌍을 찾음.

한눈에 비교!

검정 유형	검정하는 '가정'	주요 방법 예시	보건행정 적용 예
정규성 검정	데이터가 정규 분포를 따름	Shapiro-Wilk, K-S 검정	병원 만족도 점수, 진료 대기 시간 분석 전 확인
등분산성 검정	비교 집단들의 분산이 같음	Levene, Bartlett 검정	다른 병동 간 간호사 업무 부하 비교(t-검정 전)
독립성 검정	관측치들이 서로 독립적	Durbin-Watson (자기상관)	월별 환자 수 추이를 회귀분석할 때

실무 포인트 - 데이터 분석 워크플로우: 데이터 수집 → 결측치/이상치 처리 → 기술통계량 및 정규성 검정 → 적절한 검정법 선택(t-검정/ANOVA 또는 비모수 검정) → 결과 해석 및 보고. - SPSS 실행 경로: 정규성 검정은 주로 '탐색(Explore)' 기능 내에서 합니다. Analyze → Descriptive Statistics → Explore → Plots 버튼 → 'Normality plots with tests' 체크. - 주의: 표본 크기가 매우 크면(예: n > 1000) Shapiro-Wilk 검정이 민감해져 아주 작은 비정규성에도 p < .05가 나올 수 있어요. 이때는 Q-Q plot을 함께 보고 주관적으로 판단해야 해요.
암기 팁 - "Shapiro-Wilk은 정규성을 Wilk(휙) 살펴본다!" (Wilk을 '휙'이라는 소리와 연결해 기억) - Levene 검정은 'Levene'에 'v'가 들어가니, Variance(분산) 검정! - 사후검정(Tukey, Scheffe)은 ANOVA의 '후속 작업'이다.
국시 빈출 포인트 - 보건통계 과목에서 각 검정법의 용도 구분은 단골 출제예요. 정규성/등분산성/독립성 검정, 모수/비모수 검정, 사후검정을 명확히 구분할 수 있어야 합니다. - Shapiro-Wilk과 Kolmogorov-Smirnov 중 어떤 것을 언제 쓰는지 묻는 문제도 나와요. (표본 크기 기준!)
기출 변형 주의! - 사례형: "어느 병원에서 두 개의 새로운 수술 프로토콜 적용 후 회복 기간을 비교하려 한다. 먼저 회복 기간 데이터에 대해 수행해야 할 통계 검정은?" → 정규성 검정을 답해야 합니다. - OX형: "Shapiro-Wilk 검정은 분산의 동질성을 검정한다. (X)" → 명백한 오류.

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "보건행정학과 대학원생인 여러분이 지역사회 보건센터의 '금연 프로그램 효과 평가' 연구를 맡았어요. 프로그램 참여군과 비참여군의 1년 후 흡연량 감소 정도를 비교하려고 합니다. SPSS에 데이터를 입력한 후, 어떤 통계 검정을 먼저 해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 비교하려는 변수는 '흡연량 감소 정도'라는 연속형 변수입니다. 두 개의 독립된 집단(참여군 vs 비참여군)을 비교하는 것이 목적이므로, 독립표본 t-검정(모수) 또는 Mann-Whitney U 검정(비모수)을 고려해야 합니다. 2. 법적/규정 검토: 통계적 원칙에 따르면, t-검정을 사용하기 위한 선행 조건은 (1) 데이터의 정규성, (2) 두 집단의 등분산성입니다. 3. 대응 및 처리: - 먼저, 각 집단별로 '흡연량 감소 정도' 변수에 대해 핵심! Shapiro-Wilk 검정을 실시하여 정규성 가정을 확인합니다. - 두 집단 모두 p > .05라면 정규 분포를 따른다고 가정할 수 있어, 다음 단계로 Levene 검정을 통해 등분산성을 확인한 후 t-검정을 수행합니다. - 만약 한 집단이라도 정규성 검정에서 p < .05라면, 비모수 검정인 Mann-Whitney U 검정을 선택해야 합니다. 4. 사후 기록/보고: 논문이나 보고서의 '방법론' 부분에 "자료의 정규성은 Shapiro-Wilk 검정으로 확인하였으며, 정규 분포를 따르지 않아 Mann-Whitney U 검정을 사용하였다"라고 명시해야 합니다. 이는 연구의 신뢰성을 높이는 필수 절차예요. 법적 안전 및 주의사항 (Precautions): - 통계 분석 시 가정을 무시하고 잘못된 검정법을 사용하면 연구 결과의 타당성이 심각하게 훼손될 수 있어요. 이는 학술적으로나 실무적으로 큰 문제를 일으킬 수 있습니다. - SPSS 출력 결과를 맹신하지 말고, Q-Q plot 등 시각적 자료를 함께 검토하는 습관이 필요해요.
업무 프로토콜 보건통계 분석 기본 프로토콜 (SPSS 기준) 1. 데이터 준비: 코딩북 작성, 데이터 입력, 결측값 처리. 2. 기술통계 및 가정 검정: - Analyze → Descriptive Statistics → Explore. - 종속변수를 'Dependent List'로, 집단변수를 'Factor List'로 이동. - 'Plots' 클릭 → 'Normality plots with tests' 체크 → Continue → OK. - 출력창에서 Shapiro-Wilk 검정의 p-value 확인. 3. 주요 분석 수행: 가정에 따라 Analyze → Compare Means → Independent-Samples T Test (또는 Nonparametric Tests → Independent Samples...). 4. 결과 해석 및 보고: 검정 통계량, 자유도, p-value, 효과 크기(Effect size)를 함께 보고.
선배의 한마디 "통계는 보건행정의 언어와 같아요. 복잡한 병원 데이터나 정책 효과를 숫자로 증명하고, 합리적인 의사결정을 돕죠. '검정법 이름'을 외우기보다 '왜 이 검정을 써야 하는가'라는 논리를 이해하면, 어떤 새로운 연구 과제를 맡더라도 두렵지 않을 거예요. Shapiro-Wilk 검정은 그 논리의 시작을 알려주는 문지기 같은 존재랍니다!"