# 유의수준 α=0.05에서 가설검정을 수행한 결과 p-value가 0.10으로 나왔다. 올바른 통계적 결론은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290968  
> language: ko  
> subject: 추론통계

## 문제

유의수준 α=0.05에서 가설검정을 수행한 결과 p-value가 0.10으로 나왔다. 올바른 통계적 결론은?

## 보기

1. 귀무가설을 기각할 수 없다. **✔ 정답**
2. 귀무가설을 기각한다.
3. 제2종 오류가 발생했다고 결론짓는다.
4. 대립가설을 채택한다.
5. 검정력이 부족하다고 결론짓는다.

**정답: 1**

## 해설

p-value(0.10) > α(0.05) 이므로, 귀무가설을 기각할 만한 통계적으로 유의한 증거가 부족하다. 따라서 귀무가설을 기각하지 못한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 핵심인 가설검정(Hypothesis Testing)의 원리와 p-value 해석을 묻고 있어요. 보건행정 현장에서는 연구 결과 해석, 정책 효과 평가, 의료 서비스 품질(QI) 분석 등 다양한 분야에서 통계적 검정 결과를 올바르게 이해하는 능력이 필수적이에요.

**핵심 개념 분석 (Key Concept)**
가설검정은 표본 데이터를 통해 모집단에 대한 주장(가설)을 검증하는 통계적 절차예요. 핵심 요소는 귀무가설(Null Hypothesis, H₀), 대립가설(Alternative Hypothesis, H₁), 유의수준(Significance Level, α), 그리고 p-value입니다. p-value는 "귀무가설이 참이라고 가정할 때, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률"을 의미해요. 이 값이 미리 설정한 α보다 작을 때만 귀무가설을 기각할 수 있는 통계적 증거를 얻은 것으로 판단해요.

**정답 근거 (Answer Rationale)**
핵심! 가설검정의 결정 규칙(Decision Rule)은 매우 명확해요: **p-value ≤ α 이면 귀무가설(H₀)을 기각(Reject)**, **p-value > α 이면 귀무가설(H₀)을 기각하지 못함(Fail to Reject)**입니다.
문제에서 p-value=0.10, α=0.05이므로, 0.10 > 0.05 조건을 만족합니다. 따라서 통계적 결정은 "귀무가설을 기각할 수 없다"가 정확한 결론이에요. 이는 "귀무가설이 참이다"라고 결론짓는 것이 아니라, "귀무가설을 기각할 만한 충분한 증거가 표본 데이터에서 발견되지 않았다"는 의미예요.

**오답 분석 (Distractor Analysis)**
혼동 주의! 각 오답이 왜 틀린지 개념적 오류를 분석해볼게요.
②번 '귀무가설을 기각한다'와 ④번 '대립가설을 채택한다'는 p-value가 α보다 작은 경우(예: p=0.03, α=0.05)에 내리는 결론이에요. p-value > α 상황에서는 적용할 수 없는 오답입니다.
③번 '제2종 오류가 발생했다고 결론짓는다'는 심각한 개념적 오류예요. 제2종 오류(Type II Error, β)는 귀무가설이 거짓인데도 기각하지 못하는 오류를 말합니다. 우리는 표본 데이터만 보고 p-value를 계산할 뿐, 모집단의 진실(귀무가설의 참/거짓)은 절대 알 수 없어요. 따라서 특정 검정 결과 하나만으로 "제2종 오류가 발생했다"고 단정할 수 없습니다. 이는 검정력(Power) 분석을 통해 사전에 추정하거나, 많은 연구를 반복했을 때 논의할 수 있는 개념이에요.
⑤번 '검정력이 부족하다고 결론짓는다'도 비슷한 오류예요. 검정력(Power, 1-β)은 대립가설이 참일 때 이를 올바르게 발견할 확률입니다. p-value > α 라는 결과 하나로 검정력이 부족하다고 결론내릴 수 없어요. 표본 크기가 작을 때 검정력이 낮아 p-value가 커질 수는 있지만, 이는 결과의 '원인'을 추측하는 것이지 결과 자체로부터 직접 도출하는 '결론'은 아닙니다.

**연관 개념 정리 (Related Concepts)**
가설검정에는 두 가지 종류의 오류가 있어요.
- 제1종 오류(Type I Error, α): 귀무가설이 참인데 기각하는 오류. 유의수준(α)은 제1종 오류를 범할 허용 가능한 최대 확률을 의미해요.
- 제2종 오류(Type II Error, β): 귀무가설이 거짓인데 기각하지 못하는 오류.
검정력(Power = 1-β)은 제2종 오류를 범하지 않을 확률, 즉 효과가 실제로 존재할 때 이를 발견해내는 능력을 의미합니다.

개념 정리

| 용어 | 의미 | 결정 기준 |
| --- | --- | --- |
| p-value | 귀무가설이 참일 때, 관찰된 데이터(또는 그 이상 극단)가 나올 확률 | - |
| 유의수준 (α) | 제1종 오류를 허용할 최대 확률 (일반적 0.05) | 사전 설정 값 |
| 결정 규칙 | p-value와 α 비교 | p ≤ α: H₀ 기각 p > α: H₀ 기각 불가 |

한눈에 비교!

| 상황 | 통계적 결론 | 실질적 의미 | 잘못된 해석 |
| --- | --- | --- | --- |
| p-value (0.03) ≤ α (0.05) | 귀무가설 기각 대립가설 지지 | 통계적으로 유의한 효과/차이 발견 | "효과가 매우 크다" (p-value는 효과 크기와 무관) |
| p-value (0.10) > α (0.05) | 귀무가설 기각 불가 | 유의한 효과/차이를 입증할 증거 불충분 | "효과가 없다" or "제2종 오류 발생" |

실무 포인트
보건행정 실무에서 연구 보고서나 품질 개선(QI) 프로젝트 결과를 검토할 때 p-value 해석은 필수예요.
- **p > α 결과의 함의**: "차이가 없다"가 아니라 "차이를 입증할 충분한 증거가 없다"로 해석해야 해요. 표본 수가 부족할 가능성을 고려해 추가 연구 필요성을 제안할 수 있어요.
- **α 값의 의미**: 0.05는 5%의 위험을 감수하겠다는 뜻이에요. 의약품 안전성 검토처럼 더 엄격한 검정이 필요하면 α=0.01을 사용하기도 해요.
- **보고 시 주의**: "통계적으로 유의하지 않다(Not statistically significant)"라는 표현을 정확히 사용하세요. "의미 없다"라고 표현하면 안 돼요.

암기 팁
"**p가 알파보다 크면, 기각은 못 해**"

간단한 구호로 p-value와 유의수준(α)의 크기 비교에 따른 결론을 외울 수 있어요. p-value가 크다는 것은 귀무가설 하에서의 사건이 그리 드물지 않다는 뜻이므로, 귀무가설을 뒤집을 강력한 이유가 없다는 논리예요.

국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 가설검정의 기본 원리, p-value의 정의, 제1종/제2종 오류의 개념이 단골 출제예요. 특히 **p-value와 α의 비교를 통한 결론 도출**은 가장 기본적이면서도 핵심적인 문제 유형이니 반드시 숙지해야 해요. 계산보다는 개념 이해를 묻는 문제가 대부분이에요.

기출 변형 주의!
동일한 개념을 다음과 같이 변형하여 출제될 수 있어요.
- **사례형**: "신약 A와 기존약 B의 치료 효과를 비교한 임상시험에서 p-value=0.07이 나왔다(α=0.05). 연구자의 결론으로 옳은 것은?"
- **역방향 질문**: "귀무가설을 기각했다는 결론이 나왔다. p-value와 α의 관계는?" (정답: p-value ≤ α)
- **오류 개념 연결**: "제1종 오류의 확률을 무엇이라고 하는가?" (정답: 유의수준, α)

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
병원 경영기획팀에서 새로운 원무 처리 프로세스 도입 효과를 평가하고 있어요. 기존 프로세스 대비 환자 대기 시간을 단축시킬 수 있다는 가설 하에, 시범 운영한 30건의 데이터를 수집해 통계 검정을 실시했어요. 분석 결과, 평균 대기 시간 차이에 대한 p-value가 0.08로 나왔고, 팀은 유의수준을 0.05로 설정했어요. 이 결과를 가지고 병원 관리자에게 어떻게 보고해야 할까요?

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: p-value(0.08) > α(0.05) 이므로, 통계적 검정 상으로는 새로운 프로세스가 대기 시간을 유의하게 줄인다는 증거가 불충분해요.
2. **법적/규정 검토**: 통계 보고에는 엄격한 과학적 기준이 적용돼요. p-value 기준을 임의로 변경하거나 결과를 호도해서는 안 돼요.
3. **대응 및 처리**:
- 보고서에는 "**새 프로세스는 대기 시간 단축에 대한 통계적으로 유의한 증거를 보이지 않았습니다(p=0.08 > α=0.05)**"라고 명확히 기재해야 해요.
- 하지만, p=0.08은 '경계선적 유의성(borderline significance)'으로 해석될 수 있어요. 따라서 "**표본 크기가 작아 검정력이 제한적일 수 있으므로, 더 큰 규모의 시범 사업 또는 장기적인 모니터링을 고려할 필요가 있습니다**"라는 실용적 제안을 추가하는 것이 현명해요.
- "효과가 없다"고 단정하지 말고, "효과를 입증하기에는 데이터가 아직 부족하다"는 미래 지향적인 메시지를 전달하세요.
4. **사후 기록/보고**: 모든 분석 가정(정규성, 등분산성 등), 사용된 통계 방법, 정확한 p-value를 보고서 부록에 상세히 기록하여 투명성을 유지하세요.

**법적 안전 및 주의사항 (Precautions)**
연구 윤리 차원에서 p-value 하킹(p-hacking)이나 데이터 조작은 절대 금물이에요. 유의하지 않은 결과를 무시하거나, α 값을 사후적으로 0.10로 올려 유의한 것처럼 보이는 것은 연구 부정 행위에 해당할 수 있어요. 보건행정가로서 데이터의 정직한 해석과 보고는 기본적인 전문가 윤리예요.

업무 프로토콜
**통계 검정 결과 해석 및 보고 프로토콜**
1. **결과 확인**: p-value와 사전 설정한 α 값을 확인.
2. **결론 도출**: p ≤ α → "통계적으로 유의하다" 결론. p > α → "통계적으로 유의하지 않다" 결론.
3. **보고서 작성**:
- p-value는 정확한 수치(예: p=0.048, p=0.12)로 보고.
- "유의하다/유의하지 않다" 표현 사용.
- 표본 크기, 효과 크기(Effect Size), 신뢰구간(Confidence Interval)을 함께 보고하여 결과에 대한 풍부한 정보 제공.
4. **의사결정 지원**: 통계적 결론을 바탕으로 하되, 비용, 환자 안전, 운영 효율성 등 다른 실무적 요소를 종합적으로 고려한 정책 제안.

선배의 한마디
"통계는 숫자의 언어예요. p-value 하나만 보고 '있다, 없다'로 판단하는 것은 위험해요. 보건행정가라면 통계적 유의성(Statistical Significance)과 실질적 유의성(Clinical/Practical Significance)을 구분할 줄 알아야 해요. p-value가 크게 나왔어도 효과 크기가 실무적으로 매우 중요하다면, 더 많은 데이터를 모아서 확인해보는 지혜가 필요하답니다. 숫자 뒤에 숨은 이야기를 읽는 것이 진짜 실력이에요!"

## 핵심 개념

- **가설검정 (Hypothesis Testing)** — 표본 데이터를 이용해 모집단에 대한 가설의 진위를 통계적으로 검증하는 방법.
- **p-value** — 귀무가설이 참이라고 가정할 때, 관측된 데이터(또는 그보다 더 극단적인 데이터)가 발생할 확률.
- **유의수준 (Significance Level, α)** — 제1종 오류(귀무가설이 참인데 기각하는 오류)를 범할 허용 최대 확률. 일반적으로 0.05 사용.
- **귀무가설 (Null Hypothesis, H₀)** — 검정하고자 하는 효과나 차이가 없다는, 통계적 검정의 출발점이 되는 가설.
- **제2종 오류 (Type II Error, β)** — 귀무가설이 거짓인데도 이를 기각하지 못하는 오류. 검정력(Power)은 1-β입니다.

## 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)
- [카이제곱(χ²) 검정이 주로 사용되는 상황은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290966)
- [가설검정에서 '귀무가설'에 대한 설명으로 옳은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=290967)

---

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

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