[이론] 카이제곱 검정(Chi-Squared Test)이란?

카이제곱 검정은 무엇을 확인할까

카이제곱 검정은 범주형 자료에서 실제로 관찰한 빈도가, 어떤 가정 아래에서 예상되는 빈도와 얼마나 다른지를 살피는 방법입니다. 예를 들어 성별과 선호하는 결제수단이 관련 있는지, 요일과 고객 문의 유형이 독립적인지처럼 숫자 자체보다 분류 결과가 중심인 질문에 잘 맞습니다. 여기서 범주형이란 혈액형, 만족·보통·불만족, 구매·미구매처럼 서로 구분되는 칸으로 나뉜 자료를 뜻합니다.

검정의 핵심은 차이가 있다는 인상만으로 결론을 내리지 않는 데 있습니다. 표의 한 칸이 예상보다 조금 많아 보여도 표본의 우연한 흔들림일 수 있고, 여러 칸의 작은 차이가 합쳐지면 의미 있는 패턴이 될 수도 있습니다. 카이제곱 검정은 각 칸의 차이를 표본 규모와 함께 계산하여, 현재의 차이가 우연으로 설명하기 어려운 수준인지 판단할 근거를 제공합니다.

이 방법은 크게 적합도 검정과 독립성 검정으로 나뉩니다. 적합도 검정은 한 변수의 분포가 미리 정한 비율과 맞는지 확인하며, 독립성 검정은 두 범주형 변수 사이에 관계가 있는지 확인합니다. 동질성 검정도 같은 계산 틀을 쓰지만 여러 집단의 범주 비율이 같은지를 묻는다는 점에서 질문의 출발점이 다릅니다.

간단한 예로 매장의 방문 요일과 구매 여부를 표로 만들 수 있습니다. 요일별 방문객 수가 서로 다르더라도 기대 빈도는 각 요일의 전체 방문 규모를 반영해 계산됩니다. 따라서 주말에 구매 건수가 많다는 사실 하나만으로 요일 효과를 단정하지 않고, 방문객 수를 고려한 뒤에도 구매 비율의 차이가 남는지를 묻습니다. 이처럼 카이제곱 검정은 원자료를 질문에 맞는 범주와 비교 기준으로 정리하는 단계부터 시작됩니다.

교차표에서 관측 빈도와 기대 빈도를 읽는 법

독립성 검정은 보통 행과 열로 구성된 교차표에서 시작합니다. 가령 연령대별로 상품 A와 상품 B 중 무엇을 선택했는지 세면, 각 칸에는 실제 선택 인원인 관측 빈도가 들어갑니다. 행의 합계는 연령대별 전체 인원이고 열의 합계는 상품별 전체 선택 인원입니다. 이 주변 합계는 단순한 부가 정보가 아니라 기대 빈도를 계산하는 재료입니다.

두 변수가 서로 독립이라고 가정하면 특정 칸의 기대 빈도는 행 합계와 열 합계를 곱한 뒤 전체 표본 수로 나누어 구합니다. 예를 들어 특정 연령대가 전체의 삼십 퍼센트이고 상품 A 선택자가 전체의 사십 퍼센트라면, 독립일 때 그 칸은 전체의 약 십이 퍼센트가 될 것으로 기대합니다. 기대 빈도는 실제 사람을 새로 관찰한 값이 아니라 독립이라는 가정에서 나온 비교 기준입니다.

교차표를 볼 때는 한두 칸만 확대해서 해석하기보다 전체 패턴을 먼저 보는 습관이 좋습니다. 어떤 행에서 특정 열이 기대보다 높다면 같은 행의 다른 열에는 낮은 칸이 생기기 쉽고, 행과 열의 합계가 고정되어 있기 때문입니다. 따라서 검정 결과가 유의하더라도 어느 조합이 차이를 이끌었는지는 잔차와 비율을 추가로 살펴야 설명할 수 있습니다.

표를 만들기 전에 결측값과 복수응답을 어떻게 처리했는지도 기록해야 합니다. 응답하지 않은 사람을 별도 범주로 둘지 분석에서 제외할지에 따라 행과 열의 합계가 달라집니다. 여러 답을 고를 수 있는 설문 문항을 단일 선택 문항처럼 교차표에 넣으면 한 사람이 여러 칸에 기여하게 되어 독립성 가정이 흔들릴 수 있습니다. 분석 가능한 표는 보기 좋은 표보다 자료 생성 과정을 정확히 반영한 표입니다.

카이제곱 통계량은 어떻게 만들어지는가

각 칸에서는 관측 빈도에서 기대 빈도를 뺀 차이를 구합니다. 이 차이를 제곱해 음수와 양수가 서로 지워지는 일을 막고, 기대 빈도로 나누어 규모가 다른 칸을 비교할 수 있게 만듭니다. 이렇게 얻은 값을 모든 칸에 대해 더한 것이 카이제곱 통계량입니다. 관측과 기대가 가까우면 값이 작아지고, 여러 칸에서 큰 차이가 누적되면 값이 커집니다.

제곱을 쓰기 때문에 실제 방향 정보는 통계량 하나만으로 알 수 없습니다. 관측값이 기대보다 많았는지 적었는지는 별도의 표나 표준화 잔차로 확인해야 합니다. 또한 기대 빈도가 작은 칸에서 같은 차이는 더 크게 반영될 수 있으므로, 표본이 매우 적은 범주를 무심코 세분화하면 해석이 불안정해질 수 있습니다. 이 점이 사전에 범주를 설계할 때 중요한 이유입니다.

자유도는 카이제곱 분포에서 비교 기준을 정하는 값입니다. 행이 r개이고 열이 c개인 독립성 검정의 자유도는 보통 (r-1)과 (c-1)을 곱해 구합니다. 교차표의 합계가 정해진 뒤에는 모든 칸을 마음대로 바꿀 수 없기 때문에 실제로 독립적으로 움직일 수 있는 정보의 수가 줄어듭니다. 자유도가 달라지면 같은 통계량이라도 p값이 달라질 수 있습니다.

통계량을 계산하는 소프트웨어는 많지만 계산 과정을 이해하면 출력표의 이상 신호를 더 빨리 발견할 수 있습니다. 기대 빈도가 영에 가깝거나 한 행 전체가 비어 있다면 단순히 경고를 무시해서는 안 됩니다. 분석 대상에서 제외된 범주가 있는지, 코딩 과정에서 같은 응답이 다른 문자로 나뉘지는 않았는지, 합계가 원자료의 표본 수와 맞는지를 먼저 확인하세요. 계산은 자동화할 수 있어도 자료 검수까지 자동으로 정답이 되지는 않습니다.

가설과 p값을 결론으로 바꾸는 순서

독립성 검정의 귀무가설은 두 범주형 변수가 독립이라는 주장입니다. 대립가설은 두 변수 사이에 어떤 형태로든 관련이 있다는 주장입니다. 검정을 시작하기 전에 유의수준을 정하고, 계산된 카이제곱 통계량이 자유도에 따른 분포에서 얼마나 드문 위치에 있는지 p값으로 확인합니다. 일반적으로 p값이 미리 정한 유의수준보다 작으면 독립이라는 가설을 기각합니다.

p값은 귀무가설이 참일 확률도 아니고, 결과가 중요할 확률도 아닙니다. 독립이라는 가정이 맞다고 할 때 현재 관찰한 차이만큼 또는 그보다 더 큰 차이가 나올 확률을 뜻합니다. 그러므로 p값이 작다는 말은 자료가 귀무가설과 잘 맞지 않는다는 신호이지, 관계의 크기나 실무적 가치를 자동으로 보장한다는 뜻은 아닙니다.

보고서에는 검정 이름, 표본 수, 카이제곱 통계량, 자유도, p값을 함께 제시하는 것이 좋습니다. 가능하다면 크래머의 V 같은 효과크기도 추가해 관계의 강도를 설명합니다. 표본이 아주 크면 사소한 차이도 유의하게 나올 수 있으므로, 비율 차이와 현업에서 감당할 수 있는 변화 폭을 함께 제시해야 읽는 사람이 과장된 결론을 피할 수 있습니다.

유의수준은 결과를 본 뒤에 바꾸지 말고 분석 전에 정하는 것이 원칙입니다. 다섯 퍼센트라는 관행적인 기준은 편리하지만, 오류의 비용이 큰 의료 안전 점검과 탐색적 마케팅 분석을 똑같이 다루어야 한다는 뜻은 아닙니다. 여러 교차표를 동시에 검정한다면 우연히 유의한 결과가 늘어날 수 있으므로 보정 방법이나 사전에 정한 핵심 비교를 고려합니다. 결론의 문장도 확정적 표현보다 자료가 지지하는 범위 안에서 작성하는 편이 정확합니다.

사용 전 확인해야 할 가정과 주의점

관측치는 서로 독립적이어야 합니다. 한 사람이 여러 칸에 중복으로 들어가거나, 같은 고객을 여러 번 세면서 각 기록을 독립 사례처럼 취급하면 p값의 근거가 약해집니다. 설문 반복 응답, 전후 비교, 군집 표본처럼 관측치가 서로 연결된 상황은 다른 모형이나 설계 보정이 필요할 수 있으므로 자료 수집 방식부터 점검해야 합니다.

기대 빈도도 반드시 확인합니다. 널리 쓰이는 실무 기준으로는 대부분의 기대 빈도가 5 이상이 되도록 표를 구성하는 방법이 있습니다. 기대 빈도가 지나치게 작은 칸이 많으면 근사적인 카이제곱 분포가 잘 맞지 않을 수 있습니다. 이때는 의미가 비슷한 범주를 사전에 합치거나, 작은 표에서는 피셔의 정확 검정 같은 대안을 검토할 수 있습니다.

범주를 결과를 본 뒤에 임의로 합치거나 쪼개는 행위는 특히 조심해야 합니다. 여러 조합을 시험한 다음 가장 작은 p값만 선택하면 우연한 패턴을 발견한 것처럼 보일 가능성이 커집니다. 분석 전에는 어떤 범주를 쓸지, 제외 기준은 무엇인지, 어떤 비교를 할지 정해 두고 변경이 필요했다면 탐색적 분석이라는 사실을 투명하게 기록하는 편이 안전합니다.

표본추출 방식도 해석을 바꿉니다. 편의 표본으로 모은 온라인 응답에서 발견한 관계는 모든 고객에게 그대로 적용되지 않을 수 있습니다. 층화 추출, 가중치, 지역별 군집처럼 설계 요소가 있다면 단순 교차표의 표준 오차가 적절하지 않을 수 있습니다. 카이제곱 검정은 강력한 기본 도구이지만, 자료가 어떤 모집단에서 어떤 방식으로 수집되었는지를 대신 설명해 주지는 않습니다.

실무 분석에서 해석을 한 단계 더 정확하게 만드는 법

유의한 결과가 나온 뒤에는 교차표의 행 비율과 열 비율을 나란히 확인해 보세요. 전체 선택자 중 특정 집단의 비율만 보면 집단 규모의 영향을 받을 수 있으므로, 질문에 맞는 분모를 일관되게 사용해야 합니다. 이어서 각 칸의 표준화 잔차를 보면 기대보다 특히 높은 조합과 낮은 조합을 찾는 데 도움이 됩니다. 다만 잔차가 많을수록 우연한 큰 값도 생길 수 있음을 기억해야 합니다.

분석의 질문을 문장으로 다시 적는 것도 좋은 검증 방법입니다. 예를 들어 결제수단과 연령대가 관련 있다는 결론은 특정 연령대가 어떤 결제수단을 더 선호한다고 단정하는 것과 다릅니다. 표본의 모집단, 조사 시점, 누락 처리 방식, 가중치 사용 여부에 따라 일반화할 수 있는 범위가 달라집니다. 통계적 결론과 운영 의사결정 사이에는 이러한 맥락 설명이 반드시 들어가야 합니다.

마지막으로 카이제곱 검정은 데이터의 출발점으로 활용하는 편이 가장 유용합니다. 관계가 발견되면 원인을 바로 확정하기보다 추가 설문, 세분화 분석, 실험 설계로 이어가는 것이 좋습니다. 반대로 유의하지 않은 결과도 아무 차이가 없다는 증명은 아니며, 표본 수와 효과크기, 측정 품질을 함께 검토해야 합니다. 좋은 분석은 한 줄의 p값보다 질문과 자료와 해석이 서로 맞물리는 과정에서 나옵니다.

실무에서 재현 가능한 분석을 만들려면 원자료를 바꾸기 전의 파일, 범주 재코딩 규칙, 교차표 생성 코드, 검정 결과를 함께 남겨 두는 편이 좋습니다. 다음 달의 같은 보고서에서 수치가 달라졌을 때 원인이 고객 행동 변화인지 집계 기준 변경인지 추적할 수 있기 때문입니다. 동료가 같은 자료로 같은 표를 만들 수 있다면, 카이제곱 검정의 결과는 한 번의 발표용 숫자를 넘어 의사결정에 다시 활용할 수 있는 공통 언어가 됩니다.

예를 들어 고객센터는 문의 채널과 해결 여부의 관계를 확인할 수 있습니다. 전화, 채팅, 이메일의 문의 수가 서로 다르기 때문에 해결 건수만 비교하면 채널 규모가 큰 쪽이 유리해 보일 수 있습니다. 교차표에서 각 채널의 해결·미해결 비율과 기대 빈도를 함께 보면, 단순한 물량 차이와 채널별 경험 차이를 구분하는 데 도움이 됩니다. 유의한 관련이 확인된 뒤에는 담당자 숙련도, 문의 난이도, 운영 시간처럼 가능한 설명 변수를 추가로 수집해 개선 과제를 구체화할 수 있습니다.

교육 분야에서는 수업 방식과 성취 수준의 관계를 살필 때 사용할 수 있습니다. 다만 특정 수업을 선택한 학생들이 처음부터 다른 특성을 가졌을 수 있으므로, 검정 결과를 수업 방식의 인과 효과라고 말해서는 안 됩니다. 카이제곱 검정은 두 범주가 함께 나타나는 양상을 보여 주는 도구이며, 원인과 결과를 가르기 위해서는 무작위 배정이나 충분한 통제 변수가 있는 연구 설계가 필요합니다. 이 구분을 지키면 통계 결과가 의사결정을 돕되 근거 이상으로 말하는 실수를 줄일 수 있습니다.

결과표를 전달할 때는 독자가 바로 읽을 수 있는 교차표와 간단한 시각화를 함께 제공하는 것이 좋습니다. 각 셀에는 빈도뿐 아니라 행 비율 또는 열 비율 중 질문에 맞는 하나를 표시하고, 표 아래에는 비교의 기준과 표본 수를 적습니다. 카이제곱 통계량과 p값은 본문에서 간결하게 설명하되, 원자료의 범주 정의와 제외 규칙은 부록이나 분석 노트에서 확인할 수 있게 합니다. 이렇게 하면 통계에 익숙하지 않은 이해관계자도 결론의 범위와 한계를 추적할 수 있습니다.

검정을 반복할수록 중요한 것은 정답을 빨리 찾는 태도보다 반증 가능하게 기록하는 태도입니다. 예상과 다른 결과가 나왔다면 코드를 고치기 전에 자료 분포와 입력 과정을 확인하고, 예상과 같은 결과가 나왔다면 특히 선택 편향과 누락값을 다시 점검하세요. 카이제곱 검정은 표의 차이를 한 숫자로 요약해 주지만, 그 숫자가 신뢰할 만한지는 질문의 정의, 관측의 독립성, 기대 빈도, 해석의 절제가 함께 충족될 때 결정됩니다.

실제 분석 순서는 대체로 명확합니다. 먼저 분석 단위를 정하고, 한 관측치가 한 번만 집계되도록 원자료를 정리합니다. 다음으로 행과 열의 범주가 서로 겹치지 않는지 확인한 뒤 교차표와 주변 합계를 만듭니다. 독립이라는 귀무가설 아래 기대 빈도를 계산하고, 작은 기대 빈도가 많은지 점검합니다. 조건이 적절하면 카이제곱 통계량과 자유도와 p값을 계산한 뒤, 유의성만이 아니라 어떤 셀에서 차이가 나타났는지 비율과 잔차로 확인합니다. 마지막에는 표본의 한계와 인과 해석이 불가능한 이유를 명시하고, 다음 조사나 실험에서 확인할 질문을 남깁니다.

이 흐름을 체크리스트로 운영하면 분석 품질이 안정됩니다. 질문은 범주형 변수의 관계를 묻는가, 표본은 중복 없이 독립적으로 수집되었는가, 결측 처리 규칙은 사전에 정했는가, 기대 빈도 조건은 충족하는가를 차례로 확인합니다. 결과를 공유할 때에는 유의하다는 문장과 함께 실제 비율, 효과크기, 적용 가능한 모집단을 제시합니다. 이러한 기본 절차는 복잡한 통계 기법으로 나아가기 전에도 충분히 가치가 있으며, 데이터에 근거한 대화를 더 투명하고 검증 가능하게 만드는 토대가 됩니다.

무엇보다 검정 결과는 현장의 맥락과 함께 읽어야 합니다. 표가 보여 주는 차이를 발견했다면 그 차이가 반복 측정에서도 유지되는지, 특정 기간의 사건이나 캠페인에만 나타난 현상은 아닌지 확인하세요. 관련 부서와 표의 정의를 함께 검토하면 분석자는 숫자의 오류를 줄이고 현업은 결과를 더 현실적인 행동으로 연결할 수 있습니다.

정리하면 카이제곱 검정은 범주형 자료의 차이를 체계적으로 확인하는 출발점입니다. 표본과 범주를 신중하게 설계하고 기대 빈도와 효과크기를 함께 점검하면, 단순한 유의성 판단을 넘어 더 신뢰할 수 있는 해석에 도달할 수 있습니다.