# 두 집단의 평균을 비교하는 t-검정을 수행한 결과, 유의확률(p-value)이 0.03으로 나왔다. 이 결과를 해석한 것으로 옳은 것은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290982  
> language: ko  
> subject: 추론통계

## 문제

두 집단의 평균을 비교하는 t-검정을 수행한 결과, 유의확률(p-value)이 0.03으로 나왔다. 이 결과를 해석한 것으로 옳은 것은?

## 보기

1. 귀무가설을 채택한다.
2. 검정력이 충분하지 않다.
3. 귀무가설을 기각한다. **✔ 정답**
4. 대립가설을 기각한다.
5. 표본 크기가 부족하다.

**정답: 3**

## 해설

일반적인 유의수준 α=0.05에서 p-value(0.03)가 α보다 작으므로, 귀무가설을 기각하고 대립가설을 지지하는 통계적 증거가 있다고 판단한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학 및 연구방법론의 핵심인 가설검정(Hypothesis Testing)의 결과 해석을 묻고 있어요. 보건행정에서 정책 효과 평가, 의료 서비스 품질 비교, 신약 임상시험 결과 분석 등 다양한 분야에서 통계적 검정은 필수 도구입니다.

**핵심 개념 분석 (Key Concept)**
문제의 핵심은 유의확률(p-value)과 유의수준(Significance Level, α)의 관계를 통한 통계적 의사결정입니다.
- 귀무가설(Null Hypothesis, H₀): 두 집단 간 차이가 없다는 기본 가정 (예: 새 치료법과 기존 치료법의 효과 차이 없음).
- 대립가설(Alternative Hypothesis, H₁): 연구자가 입증하고자 하는 가설 (예: 두 치료법의 효과에 차이가 있음).
- 유의확률(p-value): 귀무가설이 참이라고 가정할 때, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률입니다. p-value가 작을수록 귀무가설 하에서 현재 데이터가 나오기 어렵다는 것을 의미해요.
- 유의수준(α): 귀무가설을 기각하기로 미리 정한 기준값으로, 일반적으로 0.05(5%)를 사용합니다.

**정답 근거 (Answer Rationale)**
핵심! 가설검정의 기본 판단 기준은 다음과 같습니다: **p-value < α 이면 귀무가설을 기각(Reject)**합니다.
문제에서 p-value는 0.03이고, 일반적으로 암묵적으로 적용되는 유의수준 α는 0.05입니다. 0.03 < 0.05이므로, p-value < α 조건을 만족합니다. 따라서 통계적으로 유의미한 차이가 있다고 판단하여 **귀무가설을 기각**하는 것이 옳은 해석입니다.

**오답 분석 (Distractor Analysis)**
혼동 주의! 각 오답이 왜 틀린지 개념을 정리해 볼게요.
① '귀무가설을 채택한다': p-value가 α보다 작은 상황에서는 귀무가설을 기각해야 합니다. '채택'은 p-value가 α보다 클 때(통계적 증거 불충분)의 결론이에요.
② '검정력이 충분하지 않다': 검정력(Power)은 귀무가설이 거짓일 때 이를 올바르게 기각할 확률입니다. p-value 자체로는 검정력의 충분 여부를 판단할 수 없어요. 검정력은 표본 크기, 효과 크기, α 값에 의해 결정됩니다.
④ '대립가설을 기각한다': p-value < α일 때는 오히려 대립가설을 지지(또는 채택)하는 증거가 있다고 해석합니다. 대립가설을 '기각'하는 것은 오해에서 비롯된 잘못된 표현이에요.
⑤ '표본 크기가 부족하다': p-value는 표본 크기의 영향을 받지만, p-value=0.03이라는 결과만으로 표본 크기가 부족하다고 단정할 수 없습니다. 오히려 작은 p-value는 관찰된 효과가 우연히 발생할 가능성이 낮음을 의미하므로, 표본 크기가 어느 정도는 적절했을 가능성을 시사합니다.

**연관 개념 정리 (Related Concepts)**
- 제1종 오류(Type I Error): 귀무가설이 참인데 기각하는 오류. 확률은 α(유의수준)와 같습니다.
- 제2종 오류(Type II Error): 귀무가설이 거짓인데 채택하는 오류. 확률은 β입니다.
- 검정력(Power) = 1 - β: 제2종 오류를 범하지 않을 확률, 즉 효과가 있을 때 이를 발견해낼 확률입니다.

개념 정리

| 용어 | 의미 | 판단 기준 (α=0.05) |
| --- | --- | --- |
| 유의확률(p-value) | 귀무가설이 참일 때 관찰 결과가 나올 확률 | - |
| 유의수준(α) | 귀무가설 기각의 임계값 (보통 0.05) | 기준선 |
| p-value < α | 통계적으로 유의미함 | 귀무가설 기각, 대립가설 지지 |
| p-value ≥ α | 통계적으로 유의미하지 않음 | 귀무가설 기각 불가 (채택이 아님) |

한눈에 비교!

| 비교 항목 | 귀무가설 기각 (Reject H₀) | 귀무가설 기각 실패 (Fail to Reject H₀) |
| --- | --- | --- |
| 통계적 조건 | p-value < 유의수준(α) | p-value ≥ 유의수준(α) |
| 의미 | 표본 자료가 대립가설을 지지하는 충분한 증거가 있음 | 표본 자료가 귀무가설을 기각할 만큼 강력한 증거가 없음 |
| 해석 주의 | "대립가설이 증명되었다"고 말하지 않음. "통계적 증거가 있다"고 해석. | "귀무가설이 참이다"라고 결론내지 않음. "차이가 없다고 말할 수 없다" 또는 "증거 불충분". |

실무 포인트
보건행정 또는 의료연구 실무에서 보고서나 논문을 읽을 때:
1. p-value만 확인하지 말고, **효과 크기(Effect Size)**와 **신뢰구간(Confidence Interval)**도 함께 확인하세요. p-value가 유의하더라도 효과 크기가 미미하면 실질적 의미는 작을 수 있어요.
2. α=0.05는 절대적인 마법의 숫자가 아닙니다. 연구 분야나 위험에 따라 α를 0.01 또는 0.10으로 설정하기도 해요.
3. 다중 검정(Multiple Testing) 시에는 p-value 해석에 주의해야 합니다. 여러 번 검정하면 우연히 유의한 결과가 나올 확률이 높아지기 때문에, 보정 방법(예: Bonferroni correction)을 적용해야 해요.

암기 팁
"**피가 알파보다 작으면, 귀무는 기각!**"

p-value(피) < α(알파) → 귀무가설 기각. 이 한 줄로 핵심 판단 기준을 외울 수 있어요.

국시 빈출 포인트
통계적 가설검정은 **보건정보학, 연구방법론, 역학** 과목에서 단골 출제 주제입니다. p-value의 정의와 해석, 제1종/제2종 오류의 개념, 검정력의 정의를 연결 지어 이해하는 문제가 자주 나와요. 계산보다는 **개념적 이해와 올바른 해석**을 묻는 경향이 강합니다.

기출 변형 주의!
- **사례형**: "새로운 감염병 관리 프로그램 시행 후, 시행군과 대조군의 평균 회복일수를 t-검정한 결과 p-value=0.12였다. 이 결과를 해석하시오."
- **역설형**: "p-value가 0.04로 유의수준 0.05보다 작아 귀무가설을 기각했다. 이때 내린 결론에 대한 설명으로 옳은 것은?" → '대립가설이 증명되었다'(X) vs '대립가설을 지지하는 통계적 증거가 있다'(O)를 구분하는 문제.
- **복합형**: 검정력, 표본크기, 효과크기, 유의수준 간의 관계를 묻는 문제.

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"병원 경영지원실에서 두 개의 다른 병동(A병동, B병동)에 시행한 새로운 환자 만족도 향상 프로그램의 효과를 비교 분석하고 있습니다. 설문조사 결과, A병동의 평균 만족도 점수가 85점, B병동이 80점이었고, 독립표본 t-검정을 실시한 결과 p-value가 0.04로 나왔습니다. 보건행정 담당자로서 이 결과를 바탕으로 병원 관리자에게 어떤 보고와 제안을 해야 할까요?"

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: 먼저, 설정된 유의수준(α)을 확인합니다. 일반적으로 0.05를 사용한다고 가정합니다.
2. **통계적 결론 도출**: p-value(0.04) < α(0.05)이므로, "**두 병동의 평균 만족도 점수에는 통계적으로 유의미한 차이가 있다**"는 결론을 내립니다. 즉, 귀무가설(두 병동 점수 차이 없음)을 기각합니다.
3. **실질적 해석 및 보고**: 통계적 유의성만 보고하지 말고, **실질적 의미**를 부여해야 합니다.
- "A병동의 프로그램이 B병동보다 평균 5점 높은 만족도를 보였으며, 이 차이는 통계적으로 유의합니다(p

## 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._