# 어떤 신약의 효과를 검증하기 위해 대조군과 비교한 결과, 유의확률(p-value)이 0.03으로 계산되었다. 유의수준을 0.05로 설정했을 때 올바른 결론은?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=290992  
> language: ko  
> subject: 추론통계

## 문제

어떤 신약의 효과를 검증하기 위해 대조군과 비교한 결과, 유의확률(p-value)이 0.03으로 계산되었다. 유의수준을 0.05로 설정했을 때 올바른 결론은?

## 보기

1. 유의수준을 0.01로 조정하여 다시 검정해야 한다.
2. 귀무가설을 기각하지 않고 신약의 효과가 없다고 판단한다.
3. 귀무가설을 기각하고 신약의 효과가 있다고 판단한다. **✔ 정답**
4. 검정력을 높이기 위해 표본 크기를 늘려야 한다.
5. 제2종 오류가 발생했을 가능성이 높다.

**정답: 3**

## 해설

계산된 p-value(0.03)가 설정된 유의수준(0.05)보다 작으므로, 귀무가설(신약 효과 없음)을 기각하고 대립가설(신약 효과 있음)을 채택한다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건통계학과 연구 방법론의 핵심인 가설검정(Hypothesis testing)의 원리를 묻고 있어요. 특히, 핵심! **유의확률(p-value)**과 **유의수준(α, Significance level)**의 관계를 이해해야 해요.

**핵심 개념 분석 (Key Concept)**: 가설검정은 연구자가 세운 주장(대립가설, H1)이 통계적으로 타당한지 판단하는 과정이에요. 이때, '효과가 없다'는 기본 가정인 귀무가설(Null hypothesis, H0)을 먼저 세우죠. p-value는 "귀무가설이 참이라고 가정했을 때, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률"을 의미해요. 유의수준(α)은 귀무가설을 잘못 기각할 허용 오차(제1종 오류, Type I error)의 최대 한계를 사전에 정한 값이에요.

**정답 근거 (Answer Rationale)**: 가설검정의 판단 기준은 매우 명확해요. **계산된 p-value가 사전에 설정한 유의수준(α)보다 작으면 귀무가설을 기각(Reject)**합니다. 이 문제에서는 p-value=0.03, α=0.05로, p-value < α (0.03 < 0.05) 조건을 만족하므로, "신약 효과가 없다"는 귀무가설을 기각하고 "신약 효과가 있다"는 대립가설을 채택하는 결론을 내립니다. 따라서 정답은 ③번이에요.

**오답 분석 (Distractor Analysis)**:

혼동 주의! ①번 '유의수준을 0.01로 조정하여 다시 검정해야 한다'는 오류예요. 유의수준은 연구 설계 단계에서, 검정력을 고려해 사전에 결정하는 것이 원칙이에요. 결과가 나온 후에 유의수준을 마음대로 바꾸어 결론을 조정하는 것은 **p-hacking**에 해당하는 비윤리적 연구 행위로 간주돼요.

②번 '귀무가설을 기각하지 않는다'는 p-value > α인 상황(예: p=0.07, α=0.05)에서의 결론이에요. 이 문제 조건과 반대되므로 틀렸어요.

④번 '검정력을 높이기 위해 표본 크기를 늘려야 한다'는 검정력(Power, 1-β)이 부족한 연구 설계의 문제점을 지적한 내용이에요. 검정력은 제2종 오류(β, 효과가 있는데 없다고 판단)를 범하지 않을 확률을 의미하지만, 이 문제에서는 이미 p-value가 유의수준보다 작아 귀무가설을 기각했으므로, 검정력 부족과 직접적인 연관성이 없어요. 표본 크기 증가는 연구 설계 단계에서 고려할 사항이에요.

⑤번 '제2종 오류가 발생했을 가능성이 높다'도 틀린 설명이에요. p-value가 작아 귀무가설을 기각한 상황은, 오히려 제1종 오류(효과가 없는데 있다고 판단)가 발생했을 가능성이 α(여기서는 5%)만큼 있다고 해석해야 해요. 제2종 오류의 가능성은 검정력(1-β)으로 평가하며, p-value만으로는 알 수 없어요.

**연관 개념 정리 (Related Concepts)**:
- **제1종 오류(Type I error, α)**: 귀무가설이 참인데 기각하는 오류. '가짜 양성(False positive)'. 유의수준 α는 이 오류를 범할 최대 허용 확률.
- **제2종 오류(Type II error, β)**: 귀무가설이 거짓인데 기각하지 않는 오류. '가짜 음성(False negative)'.
- **검정력(Power, 1-β)**: 귀무가설이 거짓일 때 올바르게 기각할 확률. 효과가 실제로 있을 때 그것을 발견해낼 수 있는 연구의 능력.

개념 정리

| 용어 | 의미 | 판단 기준 (가설검정) |
| --- | --- | --- |
| 유의수준 (α) | 제1종 오류 허용 한계. 연구 전 설정. | 기준값 (예: 0.05) |
| 유의확률 (p-value) | 귀무가설 하에서 현재 데이터가 관찰될 확률. | 계산값. p < α 이면 H0 기각. |
| 귀무가설 (H0) | 검정의 대상. 효과 없음, 차이 없음. | 기각 대상 |
| 대립가설 (H1) | 연구자의 주장. 효과 있음, 차이 있음. | 채택 대상 (H0 기각 시) |

한눈에 비교!

| 구분 | 제1종 오류 (Type I Error) | 제2종 오류 (Type II Error) |
| --- | --- | --- |
| 의미 | 효과 없는데 있다고 판단 (False Positive) | 효과 있는데 없다고 판단 (False Negative) |
| 확률 | α (유의수준) | β |
| 관련 개념 | 특이도(Specificity)와 반비례 | 민감도(Sensitivity), 검정력(Power=1-β)과 관련 |
| 연구에서의 위험 | 무효한 신약을 허가할 위험 | 유효한 신약을 놓칠 위험 |

실무 포인트
보건행정이나 의료정책 연구에서 **체계적 문헌고찰(Systematic Review)**이나 **중재 효과 평가**를 할 때, 보고된 논문의 p-value를 비판적으로 평가해야 해요. p-value가 0.05보다 조금 작다고 해서 무조건 '효과 있다'고 받아들이기보다, 효과 크기(Effect size), 신뢰구간(Confidence interval), 연구의 방법론적 질을 종합적으로 판단하는 태도가 필요해요. 또한, 다중 검정(Multiple testing) 시에는 보정(예: Bonferroni correction)이 필요하다는 점도 기억하세요.

암기 팁
"**피( p )가 알파( α )보다 작으면( < ), 귀무가설(H0)은 깨져(기각)!**"

p-value < α → Reject H0. 이 한 줄이 가설검정의 모든 것이에요!

국시 빈출 포인트
통계적 검정 관련 문제는 **p-value와 α의 비교를 통한 결론 도출**이 가장 기본적으로 출제돼요. 더 나아가서는 제1종/제2종 오류의 정의, 검정력의 의미, 신뢰구간과의 관계 등을 묻는 복합 문제로도 자주 나오니 기초를 탄탄히 하세요.

기출 변형 주의!
*   **사례형**: "어느 연구에서 A 치료법과 B 치료법의 효과 차이를 t-검정한 결과 p-value=0.12였다. 유의수준 0.05에서의 결론은?" (정답: 귀무가설(차이無) 기각 못함)
*   **역설계형**: "제2종 오류를 줄이기 위해 연구 설계 시 고려해야 할 사항은?" (정답: 표본 크기 증가, 효과 크기 증가, 유의수준 증가(단, 제1종 오류 증가 트레이드오프 있음))

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**: "병원 기획조정실에서 신규 도입 예정인 수술용 로봇 장비의 비용-효과성을 분석하는 업무를 맡았어요. 외부 컨설팅 회사로부터 받은 분석 보고서에 '기존 수술법 대비 합병증 감소율이 통계적으로 유의하다(p=0.04)'는 결론이 나왔습니다. 이 결과를 바탕으로 장비 도입을 권고하는 보고서를 작성해야 할까요?"

**행정 중재 전략 (Admin Intervention)**:
1.  **상황 파악**: p-value=0.04 (< α=0.05)이므로, 통계적 유의성은 확보되었어요.
2.  **법적/규정 검토**: 통계적 유의성만으로 결정을 내리면 안 돼요. 핵심! **의학적/임상적 유의성(Clinical significance)**을 반드시 함께 평가해야 해요.
3.  **대응 및 처리**:
*   **효과 크기(Effect Size) 확인**: 합병증 감소율이 50%에서 49%로 1%p 감소한 것인지, 20%에서 10%로 10%p 감소한 것인지 확인해요. 후자의 경우 의학적 의미가 훨씬 큽니다.
*   **신뢰구간(Confidence Interval) 확인**: 보고서에 제시된 신뢰구간(예: 95% CI [2%, 15%])을 확인해요. 구간이 넓다면 결과의 불확실성이 크다는 의미예요.
*   **연구의 질 평가**: 무작위 배정(Randomization)이 잘 되었는지, 표본 수는 충분한지, 교란변수(Confounding variable)는 통제되었는지 등 방법론적 한계점을 검토해요.
4.  **사후 기록/보고**: 통계적 유의성(p-value)과 더불어 효과 크기, 신뢰구간, 연구의 한계점을 종합적으로 기술한 후, 장비 도입에 대한 최종 권고안을 작성해요.

**법적 안전 및 주의사항 (Precautions)**: 의료기기 도입과 관련된 의료법 및 건강보험심사평가원의 수가 인정 기준은 비용-효과성 분석을 중시해요. 통계 수치에만 의존한 보고는 나중에 문제가 발생했을 때 책임 소재가 될 수 있어요. 모든 판단의 근거를 명확히 문서화하는 것이 중요합니다.

업무 프로토콜
**통계 결과 해석 및 보고 프로토콜**
1.  p-value와 유의수준(α) 비교 → 통계적 유의성 판단.
2.  효과 크기(차이의 절대량, 상대위험도 등) 확인 → 의학적 유의성 판단.
3.  신뢰구간 확인 → 효과 추정의 정밀도 및 불확실성 평가.
4.  연구 설계 및 방법론 검토 → 결과의 타당성 평가.
5.  위 내용을 종합하여 실무 적용 가능성에 대한 결론 도출 및 보고.

선배의 한마디
"통계는 숫자로 된 '증거'를 제공하는 도구일 뿐이에요. p-value 하나에 휘둘리지 말고, 그 숫자가 의미하는 '실제 임상적/행정적 가치'는 무엇인지 항상 질문하세요. 보건행정가는 데이터를 해석하고 의사결정에 활용하는 '번역가' 역할을 해야 한답니다!"

## 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._