# '통계적으로 유의하다(statistically significant)'는 결론의 의미로 가장 적절한 것은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290988  
> language: ko  
> subject: 추론통계

## 문제

'통계적으로 유의하다(statistically significant)'는 결론의 의미로 가장 적절한 것은?

## 보기

1. 관찰된 효과의 크기가 임상적으로 중요하다.
2. 연구의 표본 크기가 충분히 크다.
3. 실험 절차에 오류가 없었다.
4. 관찰된 효과가 우연히 발생할 가능성이 낮다. **✔ 정답**
5. 연구 가설이 100% 옳다는 것이 증명되었다.

**정답: 4**

## 해설

통계적 유의성은 관찰된 결과(또는 그보다 더 극단적인 결과)가 귀무가설이 참이라는 가정 하에 발생할 확률(p-value)이 매우 낮음을 의미한다. 이는 효과의 실제 중요성(임상적 유의성)과는 별개의 개념이다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학의 가장 기초적이면서도 가장 오해하기 쉬운 개념인 통계적 유의성(Statistical Significance)의 정확한 의미를 묻고 있어요. 연구 결과를 해석하고, 정책 근거를 마련하는 데 있어 이 개념을 올바르게 이해하는 것은 필수적이에요.

**핵심 개념 분석 (Key Concept)**
통계적 유의성은 **가설 검정(Hypothesis Testing)**의 결과를 해석하는 기준이에요. 귀무가설(Null Hypothesis, H0)이 '두 집단 간 차이가 없다' 또는 '효과가 없다'라고 할 때, 표본 데이터를 통해 관찰된 차이(효과)가 **우연(Chance)에 의한 것일 가능성**이 얼마나 낮은지를 나타내는 지표예요. 이 가능성을 p-value라고 하며, 일반적으로 p-value가 0.05(5%) 미만이면 '통계적으로 유의하다'고 판단해요.

**정답 근거 (Answer Rationale)**
핵심! 정답인 ④번 "**관찰된 효과가 우연히 발생할 가능성이 낮다**"는 통계적 유의성의 본질을 가장 정확하게 표현하고 있어요. p-value가 0.05라는 것은, '귀무가설(차이가 없다는 가설)이 사실이라면 현재 관찰된 결과(또는 그보다 더 극단적인 결과)가 나타날 확률이 5% 미만이다'라는 뜻이에요. 즉, 우연히 그런 결과가 나올 확률이 매우 낮으므로, 귀무가설을 기각하고 효과가 있다는 대립가설을 지지하는 근거로 삼는 것이죠.

**오답 분석 (Distractor Analysis)**
혼동 주의! 통계적 유의성은 흔히 임상적 중요성, 표본 크기, 연구의 정확성 등과 혼동되기 쉬워요.

① **관찰된 효과의 크기가 임상적으로 중요하다.**: 통계적 유의성은 효과의 '크기(Magnitude)'가 아니라 효과가 '존재하는지(Existence)'에 대한 증거의 강도를 말해요. 아주 작은 효과라도 표본 크기가 크면 통계적으로 유의해질 수 있지만, 임상적으로는 의미 없을 수 있어요. 이것이 바로 통계적 유의성 vs 임상적 유의성(Clinical Significance)의 차이예요.

② **연구의 표본 크기가 충분히 크다.**: 표본 크기가 크면 검정력(Power)이 높아져 작은 효과도 통계적으로 유의하게 나올 가능성이 커집니다. 하지만 '통계적 유의성' 그 자체는 표본 크기에 대한 결론이 아니라, 주어진 표본에서 나온 결과에 대한 결론이에요.

③ **실험 절차에 오류가 없었다.**: 통계적 유의성은 연구 설계의 타당성(Validity)이나 오류(Bias)와는 직접적인 관련이 없어요. 설계가 잘못된 연구에서도 통계적으로 유의한 결과가 나올 수 있어요.

⑤ **연구 가설이 100% 옳다는 것이 증명되었다.**: 통계는 확률에 기반한 학문으로, '증명(Proof)'이 아니라 '증거(Evidence)'를 제공해요. 통계적 유의성은 귀무가설을 기각할 만한 증거가 있다는 뜻이지, 대립가설이 100% 옳다는 것을 보장하지 않아요. 항상 제1종 오류(Type I Error, 귀무가설이 참인데 기각하는 오류)의 가능성이 존재해요.

**연관 개념 정리 (Related Concepts)**
- **p-value**: 귀무가설이 참일 때, 관찰된 통계량(또는 그보다 더 극단적인 값)이 나타날 확률. 작을수록 귀무가설에 반하는 증거가 강함.
- **유의수준(Significance Level, α)

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
병원 기획조정실에서 신규 도입 예정인 수술용 로봇의 비용-효과 분석 보고서를 검토하고 있어요. 외부 컨설팅 회사의 보고서에는 "로봇 수술이 기존 복강경 수술 대비 통계적으로 유의하게(p=0.03) 입원 기간을 단축시켰다"고 결론지었지만, 평균 단축 일수가 단 0.2일에 불과해요. 병원 경영진은 수십억 원의 장비 도입을 결정해야 하는 상황이에요.

**행정 중재 전략 (Admin Intervention)**
1. **상황 파악**: 보고서의 핵심 결론인 '통계적 유의성'을 확인했지만, 효과의 절대적 크기(0.2일)가 매우 작아 보여요.
2. **법적/규정 검토**: 여기서 적용해야 할 것은 법규가 아니라 보건기술평가(Health Technology Assessment, HTA)의 원칙이에요. HTA는 효과성(통계적 유의성 포함), 안전성, 경제성(비용-효과), 사회·윤리적 영향 등을 종합적으로 평가해요.
3. **대응 및 처리**: 기획조정실 담당자는 다음과 같은 추가 분석을 제안해야 해요.
- **효과 크기 및 신뢰구간 재확인**: 0.2일 단축의 95% 신뢰구간이 무엇인지 확인 (예: 0.05일 ~ 0.35일). 구간이 0을 포함하지 않아 통계적 유의성은 유지되지만, 상한값도 임상적으로 큰 차이가 아닐 수 있음.
- **임상적 유의성 기준 설정**: 의료진(외과)과 협의하여 '입원 기간 단축'에 대한 임상적 의미 있는 최소 차이(MCID, Minimal Clinically Important Difference)가 무엇인지 논의 (예: 1일 이상).
- **다른 결과 지표 검토**: 합병증 감소율, 삶의 질 향상, 조기 사회 복귀 등 다른 중요한 지표에서는 유의미한 차이가 있는지 확인.
- **비용-효과 분석 강화**: 단순 입원일 단축이 아닌, QALY(Quality-Adjusted Life Year) 당 증가 비용(ICER, Incremental Cost-Effectiveness Ratio)을 계산하여 보건당국의 기준(예: 1 QALY 당 3,000만 원)과 비교.
4. **사후 기록/보고**: 분석 결과와 권고 사항을 '의료장비 도입 타당성 검토 보고서'에 체계적으로 기록하고, 병원 의료기술위원회에 제출하여 합리적인 의사결정을 지원해야 해요.

**법적 안전 및 주의사항 (Precautions)**
통계 결과를 오해하거나 과장하여 보고하면, 병원의 비합리적인 자원 배분을 초래하고, 궁극적으로는 환자 진료의 질과 병원의 재정 건전성을 해칠 수 있어요. 핵심! 모든 데이터 기반 의사결정은 '통계적 유의성'이라는 첫 번째 관문을 통과한 후, 반드시 '실질적 중요성(Substantive Significance)'이라는 두 번째 관문을 거쳐야 한다는 점을 명심하세요.

업무 프로토콜
**연구/분석 보고서 검토 체크리스트**
1. 주요 가설과 결론 확인.
2. **통계적 유의성(p-value)** 확인: α=0.05 기준 충족 여부.
3. **효과 크기(Effect Size)** 확인: 통계적 유의성과 별도로 절대적 크기 평가.
4. **신뢰구간(Confidence Interval)** 확인: 불확실성의 범위 파악.
5. **표본 크기(Sample Size) 및 검정력(Power)** 확인: 연구 설계의 적절성 평가.
6. 연구의 제한점(Limitations) 파악.
7. **임상적/정책적 시사점** 도출: 분석 결과를 실무에 어떻게 적용할지 고민.

선배의 한마디
"보건행정가는 데이터의 번역가가 되어야 해요! 연구자나 통계 전문가가 내놓은 'p

## 핵심 개념

- **통계적 유의성(Statistical Significance)** — 관찰된 효과가 우연히 발생할 확률(p-value)이 매우 낮아, 귀무가설을 기각할 만한 증거가 있음을 의미한다. 효과의 존재 여부에 대한 증거이며, 효과의 크기나 중요성과는 구별된다.
- **p-value** — 귀무가설이 참이라고 가정할 때, 현재 관찰된 표본 통계량(또는 그보다 더 극단적인 값)이 나타날 확률. 일반적으로 0.05 미만이면 통계적으로 유의하다고 판단한다.
- **임상적 유의성(Clinical Significance)** — 연구에서 발견된 효과의 크기가 실제 임상 현장에서 의미 있는 차이를 만들어내는지 여부를 판단하는 기준. 통계적 유의성과 반드시 일치하지 않으며, 효과 크기(Effect Size) 등으로 평가한다.
- **귀무가설(Null Hypothesis, H0)** — 가설 검정에서 검정의 대상이 되는 가설로, 일반적으로 '두 집단 간 차이가 없다' 또는 '효과가 없다'는 내용을 담는다. 통계적 분석은 이 귀무가설을 기각할 증거가 있는지 판단하는 과정이다.
- **효과 크기(Effect Size)** — 두 집단 간 차이 또는 변수 간 관계의 강도를 나타내는 표준화된 지표(예: Cohen's d, 상관계수 r). 표본 크기에 영향을 받지 않아, 통계적 유의성과 별도로 효과의 실질적 중요성을 평가하는 데 사용된다.

## 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._