# 가설검정에서 사용되는 유의수준(α)의 일반적인 기준값은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290981  
> language: ko  
> subject: 추론통계

## 문제

가설검정에서 사용되는 유의수준(α)의 일반적인 기준값은?

## 보기

1. 0.50
2. 0.10
3. 0.01
4. 0.95
5. 0.05 **✔ 정답**

**정답: 5**

## 해설

유의수준 α는 일반적으로 0.05(5%)를 기준으로 하며, 연구의 목적에 따라 0.01이나 0.10을 사용하기도 한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학 및 연구 방법론의 기초인 가설검정(Hypothesis Testing)의 핵심 개념인 유의수준(Significance Level, α)을 묻고 있어요. 보건행정 분야에서 정책 효과 평가, 의료 서비스 품질 비교, 역학 조사 결과 해석 등 데이터 기반 의사결정의 토대가 되는 매우 중요한 개념이에요.

**핵심 개념 분석 (Key Concept)**
유의수준(α)은 귀무가설(H0)이 사실인데도 이를 잘못 기각할 오류, 즉 제1종 오류(Type I Error)를 범할 최대 허용 확률을 의미해요. 쉽게 말해, "실제로는 차이가 없는데(귀무가설이 참), 우리가 실험/조사 결과를 보고 '차이가 있다!'고 잘못 결론내릴 수 있는 위험률"을 사전에 설정하는 기준값이에요. 이 값이 낮을수록 통계적 결론을 더 보수적이고 엄격하게 내리게 돼요.

**정답 근거 (Answer Rationale)**
핵심! 사회과학, 의학, 보건학 분야에서 가장 널리 통용되고, 교과서와 논문 작성 가이드라인에서 암묵적으로 채택하는 일반적인 기준값은 0.05 (5%)입니다. 이는 Ronald Fisher가 제안한 관례에서 비롯된 것으로, 균형 잡힌 엄격함(너무 관대하지도, 너무 까다롭지도 않음)을 제공해요. 따라서 "일반적인 기준값"을 묻는 이 문제의 정답은 0.05입니다.

**오답 분석 (Distractor Analysis)**
혼동 주의! 다른 선택지들은 모두 특정 맥락에서는 사용되지만, "일반적인 기준"이라는 질문의 조건에 부합하지 않아요.

① 0.50: 이는 50%의 오류를 허용한다는 뜻으로, 사실상 검정력이 없는 수준이에요. 일반적인 기준이 될 수 없어요.

② 0.10: 때로는 탐색적 연구나 표본 크기가 작은 연구에서 사용되기도 하지만, 0.05보다 덜 엄격한(관대한) 기준이에요. 일반적이지 않아요.

③ 0.01: 매우 엄격한 기준으로, 생명과학 실험이나 약물 임상시험(Clinical Trial)처럼 제1종 오류의 비용이 매우 클 때 사용해요. 일반적 기준보다 엄격한 특수 경우에 해당해요.

④ 0.95: 이는 신뢰수준(Confidence Level, 1-α)의 일반적인 값이에요. 유의수준(α)은 0.05이므로, 신뢰수준 95%와 혼동하기 쉬운 함정 선택지입니다.

**연관 개념 정리 (Related Concepts)**
유의수준(α)과 함께 제2종 오류(Type II Error, β)와 검정력(Power, 1-β)의 개념을 반드시 연계해서 이해해야 해요. α를 낮추면(예: 0.01) 제1종 오류는 줄지만, 제2종 오류(β)가 커질 위험이 있고, 이는 검정력이 낮아진다는 의미예요. 연구 설계 시 이들 간의 트레이드오프(Trade-off) 관계를 고려해야 합니다.

개념 정리

| 용어 | 의미 | 일반적 기준/특징 |
| --- | --- | --- |
| 유의수준 (α) | 제1종 오류 허용 확률 (귀무가설이 참인데 기각할 확률) | 0.05 (5%) |
| 신뢰수준 | 귀무가설 기각 여부 판단의 신뢰도 | 1 - α = 0.95 (95%) |
| 제2종 오류 (β) | 귀무가설이 거짓인데 채택할 오류 확률 | 일반적으로 0.2(20%) 이하 권장 |
| 검정력 (1-β) | 대립가설이 참일 때 이를 올바르게 발견할 확률 | 일반적으로 0.8(80%) 이상 권장 |

한눈에 비교!

| α 값 | 용도/의미 | 신뢰수준 | 엄격도 |
| --- | --- | --- | --- |
| 0.05 | 가장 일반적인 기준 대부분의 보건/사회과학 연구 | 95% | 보통 |
| 0.01 | 엄격한 기준 임상시험, 생명과학, 다중 비교 보정 후 | 99% | 매우 높음 |
| 0.10 | 관대한 기준 탐색적 연구, 표본 수가 매우 작은 연구 | 90% | 낮음 |

실무 포인트
보건행정 현장에서 데이터를 분석해 정책 효과를 평가하거나, 병원 내 두 치료법의 성과를 비교할 때, 보고서나 발표 자료에 "p-value < 0.05"라는 문구를 자주 보게 될 거예요. 이는 분석 결과가 사전에 설정한 유의수준 α=0.05 기준에서 **통계적으로 유의미하다**는 결론을 내릴 수 있다는 의미입니다. 단, p-value가 0.05보다 작다고 해서 무조건 '중요한' 차이라는 의미는 아니에요. 효과의 크기(Effect Size)와 실무적 의미(Clinical Significance)도 함께 고려해야 해요.

암기 팁
"**오(5)늘은 통계 공부하는 날!**" → 유의수준의 일반적인 값은 **0.05** (5%)입니다.
신뢰수준은 1에서 빼면 돼요: 1 - 0.05 = 0.95 (95%).

국시 빈출 포인트
보건의료정보관리사/병원행정사 시험에서는 핵심! 유의수준 α의 정의와 일반적인 수치(0.05)를 직접 묻거나, 제1종/제2종 오류의 정의를 구분하는 문제로 자주 출제됩니다. "귀무가설이 참일 때 기각할 확률"이라는 정의를 정확히 암기하세요.

기출 변형 주의!
동일한 개념을 다음과 같이 변형 출제할 수 있어요:
- 사례형: "어느 연구에서 p-value를 0.03으로 계산했다. 유의수준 α=0.05 기준으로 귀무가설을 기각할 수 있는가?" (정답: 기각 가능)
- 혼동형: "신뢰수준 95%에서의 유의수준은?" (정답: 0.05)
- 정의형: "제1종 오류의 확률을 무엇이라고 하는가?" (정답: 유의수준, α)

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 경영지원실에서 새로운 원무 처리 시스템 도입 후 환자 대기 시간이 줄었는지 효과를 평가하고자 해요. 기존 시스템 사용 시 평균 대기 시간 30분, 새 시스템 도입 후 측정한 100명 표본의 평균 대기 시간은 28분이었습니다. 통계 분석 결과 p-value가 0.04로 나왔을 때, 어떻게 결론을 내리고 경영진에게 보고해야 할까요?"

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: 비교 대상(신규 vs 기존 시스템), 측정 지표(대기 시간), 표본 크기(100명), 얻은 p-value(0.04)를 확인합니다.
2. **법적/규정 검토**: 연구 설계 시 사전에 설정한 유의수준(α)을 확인합니다. 일반적으로 0.05를 사용한다면, p-value(0.04) < α(0.05) 조건을 만족합니다.
3. **대응 및 처리**: "**유의수준 5%에서, 새로운 시스템 도입 후 환자 대기 시간이 통계적으로 유의미하게 단축되었다**"는 결론을 내릴 수 있습니다. 보고서에는 p < 0.05라고 명시합니다.
4. **사후 기록/보고**: 단순히 통계적 유의성만 강조하지 말고, 평균 2분 단축이라는 **효과의 크기**와 이로 인한 환자 만족도 상승, 직원 업무 효율 개선 등 **실질적 임팩트**를 함께 제시하는 것이 좋은 보고의 핵심이에요.

**법적 안전 및 주의사항 (Precautions)**
통계 결과를 해석할 때 가장 흔한 실수는 혼동 주의! "통계적으로 유의미 = 실무적으로 중요"라고 단정짓는 것입니다. p-value는 차이가 우연히 발생했을 가능성만 알려줄 뿐, 그 차이가 얼마나 '의미 있는 크기'인지는 알려주지 않아요. 효과 크기(Effect Size)를 반드시 함께 보고해야 합니다.

업무 프로토콜
**데이터 기반 의사결정 보고서 작성 단계**
1. 가설 설정: 귀무가설(H0)과 대립가설(H1) 명확히 기술.
2. 분석 방법 선정: 적절한 통계 검정법(예: t-test, Chi-square test) 선택.
3. 유의수준 설정: 일반적으로 α = 0.05.
4. 분석 수행 및 p-value 도출.
5. 결론 도출: p-value와 α 비교 → "기각" 또는 "채택".
6. 실무적 권고 사항 제시: 통계적 결론을 운영 개선 방안으로 연결.

선배의 한마디
"통계 숫자에 압도되지 마세요! α=0.05는 우리가 '이 정도의 오류 위험은 감수하자'고 사회적으로 합의한 하나의 기준일 뿐이에요. 보건행정가로서 중요한 건, 숫자 뒤에 숨은 **이야기(데이터의 맥락)**를 읽고, 그것을 현장 개선과 정책 설계에 어떻게 활용할지 고민하는 거예요. 통계는 훌륭한 도구지만, 최종 판단은 여러분의 전문적 통찰력이 이끌어야 해요."

## 핵심 개념

- **가설검정 (Hypothesis Testing)** — 표본 자료를 분석하여 모집단에 대한 가설의 진위를 통계적으로 판단하는 방법. 귀무가설(H0)과 대립가설(H1)을 설정하고 검정 통계량을 계산하여 판단한다.
- **유의수준 (Significance Level, α)** — 제1종 오류를 범할 최대 허용 확률. 일반적으로 0.05(5%)를 기준으로 하며, 귀무가설 기각 여부의 임계값 역할을 한다.
- **제1종 오류 (Type I Error)** — 귀무가설(H0)이 사실인데도 이를 잘못 기각하는 오류. '알파 오류'라고도 하며, 그 확률이 유의수준(α)이다.
- **p-value** — 귀무가설이 참이라고 가정했을 때, 현재 표본에서 관찰된 통계량보다 더 극단적인 결과가 나올 확률. p-value < α 이면 귀무가설을 기각한다.
- **신뢰수준 (Confidence Level)** — 추정 또는 검정 결과에 대한 신뢰도를 백분율로 나타낸 것. 일반적으로 1 - α 로 계산되며, 유의수준 0.05일 때 신뢰수준은 95%가 된다.

## 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._