OECD 통계 의사결정 트리
OECD Statistical Decision Tree 도구는 실험 데이터에 맞는 통계 검정을 선택하고 적용하는 의사결정 체계를 기반으로 한 안내형 통계 분석 시스템입니다. 사용자가 복잡한 통계 이론을 직접 따라가지 않아도, 도구가 각 단계에서 데이터 유형, 정규성, 분산 동질성, 집단 수를 평가하며 OECD 의사결정 경로를 자동으로 따라가 적절한 검정을 적용합니다.
최종 검토
핵심 요점
OECD Statistical Decision Tree 도구는 실험 데이터에 맞는 통계 검정을 선택하고 적용하는 의사결정 체계를 기반으로 한 안내형 통계 분석 시스템입니다.
이 페이지 내용
OECD란?
OECD Statistical Decision Tree 도구는 실험 데이터에 맞는 통계 검정을 선택하고 적용하는 의사결정 체계를 기반으로 한 안내형 통계 분석 시스템입니다. 사용자가 복잡한 통계 이론을 직접 따라가지 않아도, 도구가 각 단계에서 데이터 유형, 정규성, 분산 동질성, 집단 수를 평가하며 OECD 의사결정 경로를 자동으로 따라가 적절한 검정을 적용합니다.
이 도구는 통계적 결론이 과학적으로 타당하고, 완전히 재현 가능하며, 국제적으로 인정되는 지침을 준수하도록 설계되었습니다. 이는 통계 검정의 선택이 문서화되고, 정당화되며, 감사에서 방어 가능해야 하는 독성학, 환경과학, 제약 연구, 규제 제출 연구에서 특히 중요합니다.
간단한 정의: OECD 통계 의사결정 순서도를 단계별로 따라가며 데이터 유형, 분포, 집단 구조를 평가하여 올바른 통계 검정을 자동으로 선택하고 적용하는 똑똑한 자동화 도구로, 언제나 타당하고 방어 가능한 결과를 얻을 수 있습니다.
OECD는 언제 사용합니까?
- OECD 순서도 방식은 진행하면서 검정마다 다음을 결정하는 대신 전체 통계 비교 과정을 한 번에 수행해야 할 때 사용합니다. 검정 하나를 마칠 때마다 멈추어 다음 단계를 파악하는 대신, 데이터 유형, 정규성 결과, 분산 결과 같은 데이터 특성을 미리 입력하면 전체 의사결정 트리가 한꺼번에 결정됩니다.
- 이것은 주로 비교 체계 로, 집단끼리 또는 집단을 대조군과 비교할 때(2개 집단 또는 3개 이상 집단) 어떤 통계 검정이 적절한지 판단하도록 특별히 설계되었습니다. 각 단계에서 검정마다 결정하는 대신 데이터 특성을 미리 입력합니다. 제약 분야에서 주로 사용합니다.
도구는 OECD 순서도를 엄격한 논리적 순서로 따릅니다. 각 단계는 다음에 따를 경로의 분기를 결정하는 판단을 내립니다. 이 흐름을 이해하면 도구의 출력을 해석하고 특정 데이터에 왜 특정 통계 검정이 선택되었는지 파악하는 데 도움이 됩니다.
1단계 — 데이터 유형 평가
첫 번째 판단 지점은 데이터가 연속형인지 이산형/양자(quantal)형인지 결정합니다. 이 구분이 이후의 전체 경로를 좌우합니다.
데이터 유형
설명 및 예
연속형 데이터
체중, 효소 활성, 장기 무게, 농도, 혈액학 지표처럼 일정 범위 안의 어떤 값이든 가질 수 있는 측정된 수치 값입니다. 연속형 데이터에서는 도구가 정규성 확인으로 진행합니다.
이산형 또는 양자형 데이터
영향을 받은 동물 수, 병변 발생률, 반응의 유무, 중증도 점수처럼 개수, 백분율, 비율, 순위 또는 범주형 결과입니다. 도구는 곧바로 비모수 또는 범주형 검정 선택으로 진행합니다.
2단계 — 정규성 확인(연속형 데이터)
연속형 데이터에 대해 도구는 선택한 정규성 검정으로 데이터가 정규(종 모양) 분포를 따르는지 확인합니다. 그 결과에 따라 따라갈 통계 경로가 결정됩니다.
정규성이 기각되지 않는 경우(p ≥ α) — 데이터가 정규인 경우:
→ 도구는 모수적(Parametric) 경로로 진행합니다.
→ 모수적 검정은 검정력이 더 크므로 정규성이 확인되면 항상 사용해야 합니다.
정규성이 기각되는 경우(p < α) — 데이터가 비정규인 경우:
→ 데이터 변환(로그, 제곱근 등)을 시도합니다.
→ 변환된 데이터에 대해 정규성을 다시 확인합니다.
→ 변환된 데이터가 정규이면 → 변환된 데이터에 모수적 검정을 적용합니다.
→ 변환된 데이터가 여전히 비정규이면 → 도구는 비모수(Non-Parametric) 경로로 이동합니다.
3단계 — 모수적 경로
데이터가 정규로 확인되면(또는 변환을 통해 정규성이 확보되면) 도구는 비교하는 집단 수에 따라 적절한 모수적 검정을 결정합니다.
2개 집단 비교
도구는 F 검정으로 분산 동질성을 확인하여 두 집단의 분산이 통계적으로 같은지 판단합니다.
분산 동질성 결과
적용되는 통계 검정
분산이 같음(F 검정이 유의하지 않음)
Student t 검정을 적용합니다. 두 집단의 분산이 같다고 가정하는 표준 2-표본 t 검정입니다.
분산이 다름(F 검정이 유의함)
Satterthwaite 방법(Welch t 검정)을 적용합니다. 이 변형은 분산이 같다고 가정하지 않으며 그에 맞게 자유도를 조정합니다.
3개 이상 집단 비교
도구는 Bartlett 검정, Levene 검정 또는 Brown-Forsythe 검정으로 분산 동질성을 확인합니다.
분산 동질성 결과
적용되는 통계 검정
분산이 같음(유의하지 않음)
분산분석(ANOVA)을 적용합니다. → ANOVA가 유의하면: 각 처리 집단을 대조군과 쌍으로 비교하기 위해 Dunnett 검정을 수행합니다. → ANOVA가 유의하지 않으면: 추가 검정이 필요 없습니다. 중단합니다.
분산이 다름(유의함)
도구는 분산 동질성을 가정하지 않는 적절한 검정으로 곧바로 진행합니다.
4단계 — 비모수 경로
데이터를 정규화할 수 없거나 데이터가 개수, 백분율 또는 순위로 이루어진 경우 도구는 비모수 경로를 따릅니다.
데이터 상황
적용되는 검정
결과 / 후속 조치
개수 / 백분율 / 순위 데이터, 3개 이상 집단
Kruskal-Wallis 검정
유의하면 → Dunn 검정(사후 검정). 유의하지 않으면 → 중단.
개수 / 백분율 / 순위 데이터, 2개 집단
Mann-Whitney U 검정
서로 독립인 두 집단 간의 직접 비교입니다.
범주형 또는 지수 데이터
카이제곱
검정 선택은 구체적인 데이터 구조와 연구 설계에 따라 달라집니다.
OECD의 올바른 사용 지침
- 데이터를 올바르고 일관되게 입력하십시오. 입력 단계의 데이터 입력 오류 는 트리의 이후 모든 결정에 전파되어 잘못된 검정이 적용될 수 있습니다.
- 여러 반응 변수를 선택하는 경우 반응 변수 열을 신중하게 선택하십시오. 각 열은 완전하고 독립적인 집단 데이터셋을 나타내야 합니다. 단일 반응 변수를 선택하는 경우 요인 열이 모든 관측값의 집단 소속을 정확하고 완전하게 식별하는지 확인하십시오.
- 반드시 Anderson-Darling과 Shapiro-Wilk 정규성 검정을 모두 활성 상태(기본값)로 유지하십시오. 독립적인 두 검정이 같은 정규성 결론을 확인하면 선택한 경로의 과학적 방어 가능성이 강화됩니다.
대안: OECD를 사용하지 않아야 할 때
- 연구가 OECD 지침 준수를 요구하지 않고 규제 맥락도 없다면, 가장 적절한 개별 통계 검정을 직접 사용하십시오. OECD 의사결정 트리 체계는 구조화된 부담을 더하므로 순수한 탐색적 분석이나 학술적 분석에는 불필요할 수 있습니다.
- 연구에 단순한 집단 비교가 아니라 회귀, 상관 분석 또는 용량-반응 모형화 가 필요하다면 해당하는 회귀 또는 모형화 도구를 사용하십시오. OECD 도구는 연속형 변수 사이의 관계를 적합하는 용도가 아니라 집단 평균 비교를 위해 특별히 설계되었습니다.
- 동일 대상의 전후 측정처럼 쌍체 관측값 이 있는 경우에는 쌍체 t 검정 또는 Wilcoxon 부호 순위 검정 을 사용하십시오. 여기에 구현된 OECD 의사결정 트리는 독립 집단을 가정합니다.
- 측정값이 여러 순차적 시점에 걸쳐 변하는 시계열 또는 종단 데이터인 경우에는 다음을 사용하십시오: 반복 측정 분산분석, 혼합 효과 모형 또는 시계열 분석
- 주된 분석 목표가 차이 탐지가 아니라 동등성 검정 또는 비열등성 평가 라면, OECD 의사결정 트리의 표준 우월성 체계 대신 전용 동등성 검정 절차를 사용하십시오.
OECD 예제
한 화학 엔지니어가 페인트 배합 4종의 경도를 비교하려고 합니다. 각 페인트 배합마다 시료 6개를 금속 조각에 도포한 다음 경화했습니다. 이어서 각 시료의 경도를 측정했습니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

2. 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
3. OECD를 찾으려면 Statistical module> OECD>OECD를 선택합니다.
4. 도구 안에서 다음과 같이 데이터와 다른 입력값을 입력합니다.

5. 위 도구를 사용하면 다음과 같은 출력이 나옵니다.









OECD 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> OECD>OECD를 선택합니다.
- 다음으로 데이터를 직접 입력하거나, 엑셀 시트의 데이터를 전체 복사(Ctrl+C)하여 붙여넣기(Ctrl+V)합니다. 또는 Load Example 옵션으로 예제 데이터를 불러올 수 있습니다.
- 다음으로 필요한 옵션을 입력합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
OECD의 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군을 이룹니다. 데이터는 직접 입력하거나, 엑셀 시트의 데이터를 전체 복사(Ctrl+C)하여 여기에 붙여넣기(Ctrl+V)할 수 있습니다.
Load example: 샘플 데이터가 불러와집니다.
Load File: 엑셀 데이터를 직접 불러올 때 사용합니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Response: 체중, 효소 활성, 종양 발생률, 혈액학 값 또는 연구에서 집단별로 기록된 기타 평가변수처럼 분석하려는 결과 측정값이 들어 있는 열을 하나 이상 선택합니다. 여러 반응 변수 열을 동시에 선택하려면 Ctrl 또는 Command + 클릭을 사용합니다.
선택한 반응 변수 열의 수에 따라 Factor 옵션이 필수인지 여부가 정해집니다.
선택
도구의 동작
반응 변수를 여러 개 선택한 경우
선택한 각 열이 별개의 집단을 나타냅니다. 도구는 열 자체로 집단을 정의하므로 추가 Factor 열이 필요 없습니다. 각 열의 측정값을 서로 직접 비교합니다.
반응 변수를 하나 선택한 경우
모든 측정값이 한 열에 쌓여 있으며, 각 측정값이 속한 집단을 식별하려면 별도의 Factor 열을 선택해야 합니다. Factor 열이 없으면 도구는 어떤 관측값이 어느 집단에 속하는지 판단할 수 없습니다.
⚠ 중요: 반응 변수를 하나 선택하면 Factor 항목이 필수가 됩니다. 분석을 진행하기 전에 도구가 Factor 열을 선택하도록 안내합니다.
- Factor: 각 관측값의 집단 소속을 식별하는 열을 선택합니다. 이 열에는 데이터의 각 행이 어느 실험 집단에 속하는지를 나타내는 범주형 레이블이나 코드가 들어 있으며, 예를 들어 Control, Low Dose, Mid Dose, High Dose 또는 Group 1, Group 2, Group 3입니다. 요인 열은 단일 반응 변수 열을 비교할 별개의 집단으로 나누는 방법을 도구에 알려 줍니다. 요인을 올바르게 지정하지 않으면 모든 측정값이 같은 집단에 속한 것으로 취급되어 의미 있는 비교를 할 수 없습니다. 이 항목은 반응 변수 열을 정확히 하나만 선택했을 때만 필수입니다. 반응 변수 열을 여러 개 선택하면 각 열이 하나의 집단을 나타내므로 Factor가 필요하지 않습니다. 반응 변수를 여러 개 선택하면 이 항목은 회색으로 표시되거나 무시됩니다
- Tests for Normality: 의사결정 트리의 2단계에서 반응 변수 데이터가 정규분포를 따르는지 평가하는 데 사용할 통계 검정을 정의합니다. 이 검정의 결과에 따라 분석 전체에서 모수적 경로를 따를지 비모수적 경로를 따를지가 결정됩니다. 세 가지 검정을 사용할 수 있습니다.
- Anderson-Darling : 분포의 꼬리, 즉 극단적으로 높거나 낮은 값에 특히 비중을 두는 강력한 종합 정규성 검정입니다. 따라서 독성학 및 환경 데이터에서 실무적으로 가장 중요한 영역인 꼬리 부분의 정규성 이탈에 특히 민감합니다. Anderson-Darling 검정은 다양한 표본 크기에서 범용으로 사용하도록 권장되며, 꼬리 거동이 정규분포와 다를 것으로 예상될 때 특히 효과적입니다.
- Shapiro-Wilk: 일반적으로 n < 50인 작은 표본 크기에서 가장 강력하고 신뢰할 수 있는 정규성 검정으로 널리 인정받으며, 집단 크기가 흔히 동물 5~20마리인 OECD 지침 연구에서 가장 흔한 상황입니다. Shapiro-Wilk 검정은 OECD 통계 지침에서 참조하는 기본 정규성 검정이며 제약 및 독성학 통계에서 표준으로 선택됩니다. 규제 연구 분석에서는 이 검정을 항상 활성 상태로 유지하도록 강력히 권장합니다.
- Ryan-Joiner: 관측 데이터와 이론적 정규 분위수 사이의 상관을 측정하여 데이터가 정규분포에서 기대되는 패턴을 얼마나 가깝게 따르는지 평가하는 상관 기반 정규성 검정입니다. 개념적으로 Shapiro-Wilk 검정과 비슷하지만 계산 방식이 다릅니다. 규제 업무에서는 필요한 경우가 드물지만, 검토 기관이 상관 기반 정규성 평가를 특별히 요청하거나 선호할 때 활성화할 수 있습니다.
- 여러 정규성 검정을 선택하면 도구는 선택한 모든 검정을 실행하고 모든 결과를 보고합니다. 전체 정규성 결정은 가장 보수적인 결과를 기준으로 하며, 선택한 검정 중 하나라도 비정규성(p < α)을 나타내면 데이터를 비정규로 취급하고 비모수적 경로를 따릅니다
Confidence Level (Default: 95): 정규성 검정, 분산 동질성 검정, 최종 집단 비교 검정을 포함하여 의사결정 트리 전체의 모든 가설검정에 일관되게 사용하는 유의 기준을 설정합니다. 입력한 값은 신뢰 백분율을 나타내며, 모든 결정에 사용하는 해당 유의수준(α)은 (100 − Confidence Level) ÷ 100으로 계산합니다.
Confidence Level
유의수준과 사용 시기
95 (기본값)
Alpha = 0.05. 대부분의 과학적 및 규제 OECD 연구에서 표준 신뢰수준입니다. 거짓 양성 결론이 나올 확률이 5%입니다. 이 수준은 OECD 지침과 전 세계 규제 기관이 가장 흔히 요구하는 수준입니다.
99
Alpha = 0.01. 더 보수적인 검정으로, 유의한 결과를 선언하려면 더 강한 증거가 필요합니다. 거짓 양성은 줄지만 더 작은 실제 효과를 놓칠 수 있습니다. 거짓 양성의 결과가 특히 심각할 때 사용합니다.
90
Alpha = 0.10. 더 민감한 검정으로 더 작은 차이를 탐지하지만 거짓 양성 결론의 위험이 커집니다. 실제 효과를 놓치는 것이 더 큰 우려인 탐색 연구나 예비 연구에서만 적절합니다.
자주 묻는 질문
OECD 통계 의사결정 트리란 무엇입니까?
OECD Statistical Decision Tree 도구는 실험 데이터에 맞는 통계 검정을 선택하고 적용하는 안내형 분석 시스템입니다. 각 단계에서 데이터 유형, 정규성, 분산 동질성, 집단 수를 평가하며 OECD 의사결정 경로를 따르므로 결론이 재현 가능하고 방어 가능합니다. 독성학, 환경과학, 제약 연구, 규제 제출에 사용합니다.
OECD 의사결정 트리는 정규 데이터에 어떤 검정을 적용합니까?
2개 집단에서는 F 검정으로 분산을 확인하며, 분산이 같으면 Student t 검정을, 다르면 Satterthwaite 방법(Welch t 검정)을 적용합니다. 3개 이상 집단에서는 Bartlett, Levene 또는 Brown-Forsythe 검정으로 분산을 확인하며, 분산이 같으면 ANOVA를 적용하고 ANOVA가 유의하면 대조군에 대한 Dunnett 검정이 이어집니다.
OECD 의사결정 트리에서 데이터가 정규가 아니면 어떻게 됩니까?
정규성이 기각되면 로그나 제곱근 같은 변환을 시도하고 정규성을 다시 확인합니다. 변환된 데이터가 여전히 비정규이면 비모수 경로를 따릅니다. 3개 이상 집단에는 Kruskal-Wallis 검정과 Dunn 사후 검정, 2개 집단에는 Mann-Whitney U 검정, 범주형 또는 지수 데이터에는 카이제곱을 사용합니다.
OECD 의사결정 트리는 언제 사용하지 않아야 합니까?
쌍체 관측값(쌍체 t 검정 또는 Wilcoxon 부호 순위 검정 필요), 회귀 또는 용량-반응 모형화, 시계열 또는 종단 데이터, 동등성 및 비열등성 검정에는 사용하지 마십시오. 규제상의 OECD 맥락이 없다면 가장 적절한 개별 검정을 직접 사용하는 편이 더 간단할 수 있습니다.
