이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
통계 과목 튜터링과 분석 도움 업무를 하면서 방법론 선택이 분석 목적에서 출발한다는 것을 반복적으로 확인했습니다. 같은 데이터라도 어떤 질문에 답하려는지에 따라 적절한 방법이 달라집니다.
그룹 간 차이를 보는지, 관계를 보는지, 분포를 확인하는지를 먼저 물어보는 방식으로 접근합니다. t검정은 두 그룹 평균 비교, 회귀분석은 변수 간 관계, 기술통계는 데이터 전체 분포 파악에 사용한다는 기준을 씁니다. 측정 척도가 명목형인지 연속형인지에 따라 비모수 검정이 적합한 경우도 있다는 것을 이해하고 있습니다. 다만 심화 다변량 분석이나 시계열 분석은 경험이 제한적이라, 복잡한 분석 요청이 오면 참고 문헌을 찾아보는 단계가 필요합니다. 방법론 선택의 이유를 설명할 수 있어야 분석 결과도 신뢰받는다고 봅니다.
통계 분석을 할 때 제가 가장 먼저 하는 것은 무엇을 묻는지와 데이터가 어떤 척도인지를 확인하는 것입니다. 같은 데이터도 그룹 간 차이를 보려는지, 관계를 보려는지에 따라 맞는 방법이 다릅니다. 그래서 저는 분석 요청이 오면 먼저 목적을 묻고, 변수가 연속형인지 범주형인지, 집단이 몇 개인지를 확인한 뒤 방법을 고르는 순서를 씁니다. 두 그룹 평균 비교는 t검정, 변수 간 관계는 회귀, 분포 파악은 기술통계로 나누는 식입니다. 척도가 명목형이면 비모수 검정이 적합한 경우도 있었습니다. 방법을 먼저 정하고 데이터를 끼워 맞추면 틀립니다. 통계 방법론 선택은 목적과 데이터 특성에서 출발해야, 맞는 결론을 얻을 수 있다고 생각합니다.
통계 분석에서 제가 의식한 것은 유의성만 보면 안 된다는 점입니다. p값이 작아 통계적으로 유의하다고 해서, 그 차이가 실제로 의미 있는 크기인 것은 아닙니다. 표본이 크면 작은 차이도 유의하게 나옵니다. 그래서 저는 유의성과 함께 효과 크기를 같이 보는 것이 필요하다고 봤습니다. p값만 보고하면 불완전한 분석으로 여겨집니다. 또 여러 비교를 한꺼번에 하면 우연히 유의한 결과가 나올 수 있어, 다중 비교 보정도 고려했습니다. 다만 정밀한 방법일수록 해석이 어려워, 연구자가 이해할 수 있게 설명하는 것과의 균형도 필요했습니다. 통계 분석은 유의하다는 한 숫자가 아니라, 효과 크기까지 함께 봐서 실제 의미를 가리는 것이라고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 고려대학교의료원 바이오·제약 연구 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.