# 카이제곱(χ²) 검정이 주로 사용되는 상황은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290966  
> language: ko  
> subject: 추론통계

## 문제

카이제곱(χ²) 검정이 주로 사용되는 상황은?

## 보기

1. 시간에 따른 경향성 분석
2. 세 개 이상 집단의 평균 비교
3. 한 집단의 평균이 특정 값과 다른지 평가
4. 두 범주형 변수 간의 연관성 평가 **✔ 정답**
5. 두 연속형 변수 간의 상관관계 평가

**정답: 4**

## 해설

카이제곱 검정(적합도, 독립성, 동질성)은 명목 또는 서열 척도의 범주형 자료로 구성된 교차표에서 두 변수 간의 독립성이나 분포의 차이를 검정한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학에서 가장 핵심적인 가설검정 방법 중 하나인 카이제곱(χ²) 검정의 용도를 묻고 있어요. 보건행정 현장에서는 설문조사 결과 분석, 의료 서비스 만족도 비교, 질병 발생과 위험 요인의 연관성 파악 등 다양한 상황에서 범주형 데이터를 다루게 되는데, 이때 카이제곱 검정이 필수적으로 사용됩니다.

**핵심 개념 분석 (Key Concept)**
카이제곱 검정은 **범주형 변수(Categorical Variable)**를 분석하는 비모수 검정법이에요. 주로 두 변수 간의 독립성(Independence)을 검정하거나, 관찰된 빈도 분포가 기대되는 분포(예: 이론적 분포)와 일치하는지(적합도(Goodness-of-fit))를 평가할 때 사용해요. 예를 들어, "흡연 여부"와 "폐암 발병 여부"가 서로 관련이 있는지, 또는 환자들의 병원 선택 이유 분포가 특정 패턴을 따르는지 확인할 때 활용됩니다.

**정답 근거 (Answer Rationale)**
핵심! 정답인 ④번 "두 범주형 변수 간의 연관성 평가"는 카이제곱 검정의 가장 대표적인 용도인 **독립성 검정**을 정확히 지칭합니다. 이는 교차분석(Cross-tabulation)을 통해 만들어진 분할표(Contingency Table)에서, 관찰빈도(Observed frequency)와 기대빈도(Expected frequency)의 차이를 바탕으로 두 변수가 서로 독립적인지(연관이 없는지) 여부를 통계적으로 판단하는 절차예요.

**오답 분석 (Distractor Analysis)**
혼동 주의! 다른 선택지들은 카이제곱 검정이 아닌 다른 통계 기법의 주요 용도입니다.

① "시간에 따른 경향성 분석": 이는 **시계열 분석(Time series analysis)**이나 회귀 분석의 영역입니다.

② "세 개 이상 집단의 평균 비교": 이는 **분산분석(ANOVA)**의 주된 목적입니다. 집단이 두 개일 때는 t-검정을 사용하죠.

③ "한 집단의 평균이 특정 값과 다른지 평가": 이는 **단일표본 t-검정(One-sample t-test)**으로 해결합니다.

⑤ "두 연속형 변수 간의 상관관계 평가": 이는 **피어슨 상관계수(Pearson's correlation coefficient)**나 회귀 분석을 사용하며, 연속형 변수를 다룹니다.

**연관 개념 정리 (Related Concepts)**
카이제곱 검정 내부에도 세부 유형이 있어요.
- **적합도 검정(Goodness-of-fit test)**: 하나의 범주형 변수에 대해 관찰된 분포가 기대 분포와 일치하는지 검정 (예: 주사위가 공정한지).
- **독립성 검정(Test of independence)**: 두 범주형 변수 간에 연관성이 있는지 검정 (이 문제의 핵심).
- **동질성 검정(Test of homogeneity)**: 두 개 이상의 집단에서 어떤 범주 변수의 분포가 동일한지 검정 (독립성 검정과 계산 방식은 같지만 연구 설계와 해석에 차이가 있음).

개념 정리

| 구분 | 카이제곱(χ²) 검정 | t-검정 / ANOVA | 상관관계 분석 |
| --- | --- | --- | --- |
| 분석 대상 | 핵심! 범주형 변수 (명목, 서열) | 연속형 변수 (평균) | 연속형 변수 |
| 주요 목적 | 빈도 분포 비교, 연관성 평가 | 집단 간 평균 차이 비교 | 두 변수 간 선형 관계 강도 평가 |
| 실무 예시 | 진료과별 환자 만족도(만족/보통/불만족) 차이, 성별에 따른 건강검진 수검률 차이 | 새로운 치료법 도입 전후 혈압 평균 비교, 병상 규모별 평균 재원일수 비교 | 나이와 혈중 콜레스테롤 수치의 관계, 병원 마케팅 비용과 신환자 수의 관계 |

실무 포인트
보건행정 현장에서 카이제곱 검정은 **의료 질 관리(QI) 프로젝트**나 **정책 효과 평가**에 빈번히 사용됩니다.
1. **설문조사 분석**: 환자 만족도 조사에서 "진료 과목"과 "전반적 만족도(5점 척도)"의 연관성을 분석할 때.
2. **역학 조사**: 특정 지역군에서 발생한 질병과 노출 요인(예: 특정 음식 섭취 여부)의 연관성을 파악할 때.
3. **사용 시 주의점**: 기대빈도가 5 미만인 셀이 너무 많으면 검정력이 떨어질 수 있어요. 이런 경우 **피셔의 정확 검정(Fisher's exact test)**을 대안으로 고려해야 합니다.

암기 팁
"**카이(χ)는 카테고리(Category)를 본다**"고 기억하세요! 범주형 데이터의 빈도를 비교하는 검정법이라는 점을 연상하면 쉽게 구분할 수 있어요. t-검정이나 ANOVA는 평균(Mean)을 비교하는 "M"으로, 상관관계는 연속형 변수 간의 관계를 보는 "R"(Relationship)으로 구분해보세요.

국시 빈출 포인트
카이제곱 검정은 **보건의료정보관리사** 시험의 '보건정보학/통계' 파트, **병원행정사** 시험의 '병원경영학/연구방법론' 파트에서 단골 출제 주제입니다. 특히 "어떤 검정법을 사용해야 하는가?"를 묻는 문제 형태로 자주 나오며, t-검정, ANOVA, 상관분석, 회귀분석 등 다른 검정법과의 비교를 통해 출제되기도 해요.

기출 변형 주의!
동일한 개념을 다음과 같이 변형하여 출제할 수 있어요.
- **사례형**: "A병원에서 실시한 환자 만족도 조사 결과, 외래와 입원 환자 간에 서비스 만족도 분포에 유의미한 차이가 있는지 통계적으로 검정하려고 한다. 가장 적합한 검정 방법은?" → 답: 카이제곱 독립성 검정.
- **역접형**: "다음 중 카이제곱 검정의 가정으로 **옳지 않은** 것은?" → 답: "변수가 정규분포를 따라야 한다" (범주형 데이터이므로 정규분포 가정 필요 없음).

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"원무팀에서 병원 리뉴얼 후 대기 시간을 줄이기 위해 새로운 접수 시스템을 도입했습니다. 3개월간 시행한 후, 구 시스템 사용 시기와 신 시스템 사용 시기의 환자들을 대상으로 '대기 시간에 대한 불만 정도(불만有/無)'를 설문 조사하여 데이터를 수집했습니다. 이 데이터를 분석하여 새로운 시스템이 대기 시간 불만을 유의미하게 감소시켰는지 통계적으로 증명해야 합니다."

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: 분석 대상 변수는 두 가지입니다. 하나는 시스템 구분(구/신)이라는 범주형 변수이고, 다른 하나는 불만 여부(有/無)라는 범주형 변수입니다. 두 변수 모두 명목 척도(Nominal scale)입니다.
2. **법적/규정 검토**: 통계적 검정 방법 선택에는 특별한 법규는 적용되지 않지만, 연구 윤리와 개인정보보호법(PIPA)에 따라 익명화된 데이터를 사용해야 합니다.
3. **대응 및 처리**: 두 범주형 변수의 연관성을 분석해야 하므로, **카이제곱 독립성 검정**을 수행합니다. 먼저 2x2 분할표를 만들어 관찰빈도를 정리하고, 기대빈도를 계산한 후 카이제곱 통계량을 산출합니다. 유의수준(예: α=0.05)에서 p-value를 확인하여 귀무가설(두 변수는 독립이다 = 시스템 변경과 불만 감소는 무관하다)을 기각할 수 있으면, 새로운 시스템의 효과가 통계적으로 유의하다고 결론지을 수 있습니다.
4. **사후 기록/보고**: 분석 결과(카이제곱 값, 자유도, p-value)와 해석을 정리하여 의료 질 개선(QI) 보고서에 포함시킵니다. 이 보고서는 병원 경영진의 의사 결정과 추가 예산 편성의 근거 자료로 활용됩니다.

**법적 안전 및 주의사항 (Precautions)**
- 주의! 카이제곱 검정은 **인과관계(Causality)를 증명하지 않습니다**. 단지 **연관성(Association)**이 있음을 보여줄 뿐이에요. "시스템 변경이 불만 감소의 원인이다"라고 단정하기 위해서는 연구 설계 단계에서 교란 변수(Confounding variable)를 통제하는 등 더 엄밀한 방법이 필요할 수 있어요.
- 표본 크기가 너무 작거나 기대빈도가 5 미만인 셀이 많으면 검정 결과를 신뢰하기 어려울 수 있어, 분석 전 데이터 조건을 꼭 확인하세요.

업무 프로토콜

| 단계 | 행동 | 산출물/도구 | 비고 |
| --- | --- | --- | --- |
| 1. 데이터 준비 | 범주형 변수로 코딩된 원자료 정리 (예: 시스템구분: 0=구, 1=신 / 불만: 0=無, 1=有) | 스프레드시트(Excel), 통계 패키지 데이터 파일 | 개인식별정보 제거 필수 |
| 2. 분할표 생성 | 두 변수의 조합별 관찰빈도 계산 | 2x2 교차표 |  |
| 3. 검정 수행 | 통계 소프트웨어(SPSS, R, SAS) 또는 Excel 함수를 이용해 카이제곱 검정 실행 | 카이제곱 통계량(χ²), 자유도(df), p-value | 기대빈도 조건 확인 |
| 4. 결과 해석 | p-value < 0.05이면 "연관성 있음"으로 해석. 효과 크기는 파이 계수(φ) 또는 크래머의 V(Cramer's V)로 추가 분석 가능. | 분석 보고서 초안 | 인과관계 주의 |
| 5. 보고 및 활용 | 결과를 시각화(막대그래프)하여 QI 보고서에 포함, 관련 부서 공유 | 최종 QI 보고서, 프레젠테이션 자료 | 경영 결정 지원 자료로 활용 |

선배의 한마디
"보건행정에서 데이터는 말을 하지 않아요. 우리가 올바른 통계 방법으로 '질문'을 해야 그 답을 들을 수 있어요. 카이제곱 검정은 범주형 데이터에게 '너희 둘 사이 관계 있어?'라고 묻는 가장 기본적인 질문이에요. 이 기본기를 탄탄히 하면, 환자 조사 결과 분석부터 병원 정책 효과 평가까지, 데이터 기반 의사 결정의 첫걸음을 자신 있게 내딛을 수 있을 거예요!"

## 핵심 개념

- **카이제곱(χ²) 검정** — 관찰된 빈도 분포가 기대 빈도 분포와 일치하는지, 또는 두 개의 범주형 변수 간에 연관성이 있는지를 검정하는 비모수 통계 방법.
- **범주형 변수** — 명목 척도(예: 성별, 혈액형)나 서열 척도(예: 만족도 등급)로 측정되어, 개체를 특정 범주로 분류하는 변수.
- **독립성 검정** — 카이제곱 검정의 한 유형으로, 두 범주형 변수가 서로 통계적으로 독립적인지(연관이 없는지) 여부를 평가하는 검정.
- **분할표** — 두 개 이상의 범주형 변수를 행과 열로 배열하여, 각 범주 조합에 속하는 관찰치의 빈도를 나타낸 표. 교차표라고도 함.
- **기대빈도** — 카이제곱 검정에서, 두 변수가 완전히 독립이라는 가정 하에 특정 셀에서 이론적으로 기대되는 빈도 수.

## 같은 주제 문제

- [통계적 가설검정에서 귀무가설(H0)이 참인데 기각하는 오류는?](https://mymerci.kr/pages/nclex_q.php?qn_id=290960)
- [가설검정 시 사용하는 유의수준(α)의 일반적인 기준값은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290961)
- [새로운 혈압약의 효과를 검증하기 위해 대조군과 비교하는 연구를 수행했다. 검정 결과 p-value가 0.03으로 나왔다. 이 결과의 해석으로 옳은 것은? (유의수…](https://mymerci.kr/pages/nclex_q.php?qn_id=290962)
- [가설검정에서 '검정력(power)'을 올바르게 정의한 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290963)
- [단측 검정(one-tailed test)과 양측 검정(two-tailed test)을 구분하는 주요 기준은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290964)
- [두 독립 표본의 평균을 비교하는 t-검정을 수행할 때, 먼저 확인해야 하는 전제 조건은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290965)
- [가설검정에서 '귀무가설'에 대한 설명으로 옳은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290967)
- [유의수준 α=0.05에서 가설검정을 수행한 결과 p-value가 0.10으로 나왔다. 올바른 통계적 결론은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290968)

---

More free questions: [기출문제](https://mymerci.kr/)

_학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요._