한 보건행정 연구자가 지역사회 건강증진 프로그램의 효과를 평가하기 위해, 프로그램 참여 전과 후의 참가자들의 건강 행태 점수를 측정하여 비교 분석하려고 한다. 이 연구 설계에 가장 적합한 통계 분석 방법은 무엇인가?
1대응 표본 t-검정✓ 정답
2피어슨 상관분석
3카이제곱 검정
4독립 표본 t-검정
5일원배치 분산분석
해설
보건행정 핵심 해설 핵심 개념 분석 (Key Concept): 이 문제는 연구 설계에 따른 통계 분석 방법의 선택을 묻고 있어요. 동일한 대상자를 반복 측정했을 때 사용하는 분석법을 알아야 해요. 정답 근거 (Answer Rationale): 핵심! 동일한 대상자에게서 프로그램 참여 '전'과 '후'의 점수를 측정하여 비교하는 것은 '짝지어진(paired)' 데이터예요. 이처럼 동일 대상의 반복 측정을 통해 두 시점 간 평균 차이를 검정할 때는 대응 표본 t-검정(Paired t-test)을 사용하는 것이 적절해요. 오답 분석 (Distractor Analysis): 혼동 주의! ① 독립 표본 t-검정은 '참여자 그룹'과 '비참여자 그룹'처럼 서로 다른 두 집단의 평균을 비교할 때 사용해요. ② 카이제곱 검정은 범주형 변수(예: 성별, 흡연 여부) 간의 연관성을 분석할 때 사용해요. ③ 일원배치 분산분석(One-way ANOVA)은 세 집단 이상의 평균을 비교할 때 사용해요(예: 상급종합병원, 종합병원, 병원급의 평균 재원일수 비교). ⑤ 피어슨 상관분석은 두 연속형 변수 간의 선형적 관계의 강도를 측정할 때 사용해요. 한눈에 비교!: - 독립 표본 t-검정: 서로 다른 두 집단 비교 (예: 남자 vs 여자) - 대응 표본 t-검정: 같은 집단의 전후 비교 (예: 교육 전 vs 교육 후) 암기 팁: '같은 사람, 두 번 측정'이면 '짝(대응)'을 지어준다고 생각하고 대응 표본 t-검정을 떠올리세요!
보건행정 핵심 해설 핵심 개념 분석 (Key Concept): 이 문제는 보건 프로그램 평가 시 연구 설계 유형에 따른 통계적 추론 방법의 선택을 묻고 있어요. 단순히 공식 암기가 아니라, '연구 데이터의 구조'를 파악하는 것이 핵심입니다. 동일한 대상자에게서 얻은 반복 측정 자료인지, 서로 다른 대상자에게서 얻은 독립적 자료인지 구분해야 해요.
정답 근거 (Answer Rationale): 핵심! 이 연구는 '프로그램 참여 전'과 '참여 후'라는 동일한 대상자의 건강 행태 점수를 비교하고 있어요. 이처럼 동일한 실험 단위(사람)에서 두 번 측정된 값들은 서로 '짝지어진(paired)' 관계를 가지며, 두 시점 간 평균 차이가 통계적으로 유의미한지 검정할 때 사용하는 방법이 바로 대응 표본 t-검정(Paired t-test)입니다. 이 검정은 개인 간 변동성을 제거하여 처치(프로그램)의 순수한 효과를 더 예민하게 탐지할 수 있어요.
오답 분석 (Distractor Analysis):
② 피어슨 상관분석(Pearson's correlation): 두 연속형 변수 간의 선형적 관계(예: 체질량지수(BMI)와 수축기 혈압의 연관성)의 방향과 강도를 측정할 때 사용해요. 전후 평균 '차이' 검정과는 목적이 다릅니다.
③ 카이제곱 검정(Chi-squared test): 범주형 변수(예: 흡연 여부, 질병 유무) 간의 연관성이나 분포의 차이를 분석할 때 사용해요. 평균 점수와 같은 연속형 자료 비교에는 적절하지 않아요.
④ 독립 표본 t-검정(Independent t-test): 혼동 주의! 이 검정은 '프로그램 참여 집단'과 '비참여 집단'처럼 서로 다른 두 개의 독립된 집단의 평균을 비교할 때 사용합니다. 문제에서는 하나의 집단을 반복 측정했으므로 적절하지 않아요.
⑤ 일원배치 분산분석(One-way ANOVA): 세 개 이상의 독립된 집단(예: 상급종합병원, 종합병원, 병원급 간의 평균 재원일수 비교)의 평균 차이를 비교할 때 사용하는 기법이에요.
연관 개념 정리 (Related Concepts): 만약 프로그램 참여 전, 참여 직후, 참여 3개월 후처럼 세 시점 이상을 반복 측정했다면, 반복측정 분산분석(Repeated Measures ANOVA)이라는 확장된 기법을 사용해야 해요.
개념 정리 통계적 검정법은 크게 모수 검정(정규성 가정)과 비모수 검정으로 나뉘며, 데이터의 특성(연속/범주, 독립/대응, 집단 수)에 따라 선택합니다.
한눈에 비교!
비교 항목
대응 표본 t-검정
독립 표본 t-검정
대상자 관계
동일한 대상자 (전/후)
서로 다른 대상자 (A그룹/B그룹)
데이터 특징
짝지어진 데이터, 개인차 제거 가능
독립적인 데이터, 개인차 존재
보건행정 예시
금연 교육 전/후 흡연량 변화 분석
건강보험 가입자와 의료급여 수급권자의 평균 본인부담금 비교
실무 포인트 병원 행정에서 새로운 전산 시스템 도입 후 직원들의 업무 처리 시간 단축 효과를 검증하거나, 직원 교육 프로그램의 만족도 변화를 측정할 때 대응 표본 t-검정을 활용할 수 있어요.
암기 팁 '같은 사람, 두 번 측정'은 곧 '짝(Paired)'입니다. '전-후'가 같은 사람이면 '대응 표본', 다른 사람이면 '독립 표본'을 떠올리세요!
국시 빈출 포인트 연구 설계의 타당도(내적/외적)와 통계 기법을 연결 짓는 문제는 보건의료정보관리사 및 병원행정사 시험의 보건의료정보조사관리 과목에서 매년 꾸준히 출제되는 High Yield 주제입니다. 특히 t-검정과 ANOVA의 사용 조건을 정확히 구분하는 것이 중요해요.
기출 변형 주의! 동일한 문제 상황에서 '정규성 가정을 만족하지 못하는 경우 사용할 수 있는 비모수적 대안'을 묻는 문제로 변형될 수 있어요. 이때는 윌콕슨 부호 순위 검정(Wilcoxon signed-rank test)이 정답이 됩니다.
보건행정 실무 가이드실무 시나리오 (Admin Scenario): 당신은 종합병원 기획조정실에서 근무하는 보건행정 담당자입니다. 병원 내 낙상 예방을 위한 '환자 안전 집중 교육'을 신규 간호사 30명을 대상으로 실시했습니다. 교육의 효과를 입증하기 위해 교육 전과 교육 후에 낙상 관련 지식 평가 점수를 측정했고, 경영진에게 결과를 보고해야 합니다.행정 중재 전략 (Admin Intervention):1. 상황 파악: 측정 대상(신규 간호사 30명), 측정 시점(교육 전, 교육 후), 측정 도구(낙상 지식 점수)를 명확히 합니다.2. 분석 계획 수립: 동일한 30명의 점수 차이를 분석해야 하므로, 대응 표본 t-검정(Paired t-test)을 사용하기로 결정합니다. 만약 표본 수가 매우 작거나 정규성을 만족하지 못하면 비모수 검정인 윌콕슨 부호 순위 검정을 대안으로 고려합니다.3. 보고서 작성: "교육 전후의 평균 점수는 통계적으로 유의미한 차이를 보였으며(p<0.05), 이는 낙상 예방 교육이 신규 간호사의 지식 향상에 효과적이었음을 시사합니다."와 같이 통계적 용어와 행정적 해석을 함께 제시합니다.법적 안전 및 주의사항 (Precautions): 연구 및 평가 결과를 보고할 때는 개별 평가 점수와 같은 개인정보(민감정보)가 노출되지 않도록 주의해야 하며, 결과는 반드시 집단 통계량(평균, 표준편차)으로만 제시해야 개인정보보호법 위반을 막을 수 있습니다.
업무 프로토콜통계 분석 보고서에는 ① 연구 목적, ② 분석 방법(정규성 검정 결과 포함), ③ 기술 통계(평균±표준편차), ④ 추론 통계 결과(t값, p값), ⑤ 행정적 의의 및 제언이 포함되어야 합니다.
선배의 한마디"보건행정가에게 통계는 단순한 숫자 놀음이 아니라, 정책의 효과를 입증하고 한정된 병원 자원의 효율적 배분을 결정하는 강력한 근거가 됩니다. '왜 이 검정을 선택했는지'를 논리적으로 설명할 수 있어야 진정한 전문가라는 평가를 받을 수 있어요!"
대응 표본 t-검정 (Paired t-test) — 동일한 대상자로부터 두 번 측정한 값들의 평균 차이가 통계적으로 유의미한지 검정하는 모수적 방법입니다.
독립 표본 t-검정 (Independent t-test) — 서로 다른 두 집단(독립적인 표본)의 평균 차이를 비교할 때 사용하는 통계적 추론 방법입니다.
카이제곱 검정 (Chi-squared test) — 범주형 변수들 간의 연관성 또는 관찰 빈도와 기대 빈도의 차이를 검정하는 비모수적 방법입니다.
분산분석 (ANOVA, Analysis of Variance) — 세 개 이상의 집단 간 평균 차이를 검정하는 방법입니다. 집단 내 분산과 집단 간 분산을 비교하여 유의성을 판단합니다.
피어슨 상관계수 (Pearson's correlation coefficient) — 두 연속형 변수 간의 선형적 관계의 강도와 방향을 -1에서 +1 사이의 값으로 나타내는 지표입니다.