Fisher 정확 검정이 중요한 이유
범주형 데이터를 다루는 연구자는 자주 딜레마에 직면합니다: 분석해야 할 분할표는 있지만, 표본이 너무 작아 카이제곱 검정이 신뢰할 수 있는 결과를 산출하지 못하는 상황입니다. 이때 Fisher 정확 검정이 필수적입니다.
Ronald A. Fisher가 1935년 유명한 "숙녀의 차 시음" 실험을 위해 개발한 이 검정은, 두 범주형 변수 간 독립의 귀무가설 하에서 관찰된 데이터 — 또는 더 극단적인 데이터 — 가 나타날 정확한 확률을 계산합니다. 카이제곱과 달리 대표본 근사에 의존하지 않습니다. 산출하는 p 값은 추정이 아닌 정확한 값입니다.
Fisher 정확 검정은 사실상 모든 실증 학문 분야에서 사용됩니다. 등록 인원이 적은 임상시험, 실현 가능성을 검증하는 파일럿 연구, 희귀 노출이 있는 환자-대조 연구, 참가자가 제한된 행동 실험 등이 모두 이 검정에 의존합니다. 2022년 The BMJ와 JAMA에 게재된 논문 리뷰에 따르면, Fisher 정확 검정은 t-검정과 카이제곱 검정 다음으로 세 번째로 자주 보고된 통계 절차였습니다.
이러한 높은 사용률에도 불구하고, Fisher 정확 검정은 문헌에서 가장 자주 잘못 보고되는 검정 중 하나입니다. 흔한 오류로는 검정이 산출하지 않는 카이제곱 통계량 보고, 효과크기 완전 누락, 단측과 양측 p 값의 혼동 등이 있습니다. 이 가이드는 Fisher 정확 검정을 APA 7판에 부합하도록 보고하기 위한 완전한 틀을 제공합니다 — 템플릿, 실제 예시, 효과크기 안내, 제출 전 체크리스트를 포함합니다.
Fisher 정확 검정 vs 카이제곱: 선택 기준
Fisher 정확 검정과 Pearson 카이제곱 검정의 선택은 카이제곱의 기저에 있는 대표본 근사가 데이터에 적합한지에 따라 결정됩니다.
기대빈도 규칙
카이제곱 검정은 카이제곱 분포를 사용하여 검정 통계량의 표집분포를 근사합니다. 이 근사에는 충분히 큰 기대 셀 빈도가 필요합니다. Cochran(1954)이 공식화한 고전적 지침은 다음과 같습니다:
- 셀의 20% 이상이 기대빈도 5 미만이면 안 됩니다.
- 어떤 셀도 기대빈도 1 미만이면 안 됩니다.
두 조건 중 하나라도 위반되면, 카이제곱 p 값이 상당히 부정확해질 수 있습니다 — 때로는 너무 자유롭고(제1종 오류 증가), 때로는 너무 보수적입니다(검정력 감소). Fisher 정확 검정은 분포적 가정 없이 초기하분포에서 직접 p 값을 계산하므로 이 문제를 완전히 회피합니다.
기대빈도 확인 방법. 검정을 선택하기 전에 각 셀의 기대 횟수를 다음 공식으로 계산합니다: E = (행 합계 × 열 합계) / 전체 합계. 대부분의 통계 소프트웨어(SPSS, R, Python, Stata)는 카이제곱 출력과 함께 기대빈도를 표시하고 5 미만인 셀을 표시합니다.
소규모 표본
실용적인 경험 규칙:
| 전체 N | 권장 사항 | |-----------|----------| | N < 20 | 항상 Fisher 정확 검정 사용 | | 20 ≤ N ≤ 40 | 기대 셀 빈도 확인; 셀 < 5이면 Fisher 사용 | | N > 40 | 카이제곱이 일반적으로 안전; 기대 횟수 확인 |
이 기준은 2×2 분할표에 적용됩니다. 더 큰 분할표(3×3, 2×4 등)는 모든 셀에서 적절한 기대빈도를 유지하기 위해 비례적으로 더 큰 표본이 필요합니다.
주변 합계가 고정된 2×2 분할표
Fisher 정확 검정은 관찰된 행과 열의 주변 합계(총계)를 조건으로 합니다. 일부 실험 설계에서는 하나 또는 두 주변 합계가 설계에 의해 고정됩니다 — 예를 들어, 연구자가 치료군에 정확히 15명, 대조군에 정확히 15명을 배정하는 경우. 이러한 경우 Fisher 정확 검정은 적절할 뿐만 아니라 이론적으로 이상적입니다. 조건화가 실제 연구 설계와 일치하기 때문입니다.
APA 형식에서 선택을 정당화하는 방법
Fisher 정확 검정을 선택한 이유를 항상 명시하십시오. 두 가지 예:
셀의 50%(4개 중 2개)가 기대빈도 5 미만이었으므로, Pearson 카이제곱 검정 대신 Fisher 정확 검정을 사용하였다(Agresti, 2007).
전체 표본 크기(N = 18)가 카이제곱 근사에 불충분하였다. 따라서 Fisher 정확 검정을 사용하였다.
Fisher 정확 검정의 기본 APA 형식
Fisher 정확 검정은 검정 통계량을 산출하지 않습니다. 카이제곱 값도, F 값도, t 값도 없습니다. 결과는 정확한 p 값과 효과크기 측정치로 구성됩니다.
2×2 분할표 템플릿
Fisher 정확 검정 결과, [변수 1]과 [변수 2] 간에 유의한 연관이 있는 것으로 나타났다, p = .XXX, OR = X.XX, 95% CI [X.XX, X.XX].
비유의한 결과 템플릿
Fisher 정확 검정 결과, [변수 1]과 [변수 2] 간에 유의한 연관이 나타나지 않았다, p = .XXX, OR = X.XX, 95% CI [X.XX, X.XX].
필수 구성요소
모든 APA 규격의 Fisher 정확 검정 보고에는 다음이 포함되어야 합니다:
- 검정 명칭: "Fisher 정확 검정"
- 정확한 p 값: p = .035(매우 작은 값의 경우 p < .001)
- 효과크기: 2×2 분할표의 경우 오즈비(OR), 대형 분할표의 경우 Cramér's V
- 신뢰구간: 효과크기의 95% CI
- 효과의 방향: 어느 집단의 오즈가 더 높은지
Fisher 정확 p 값과 함께 카이제곱 통계량을 보고하지 마십시오. 이는 두 가지 다른 절차를 혼합하는 흔한 오류입니다.
Fisher 정확 검정 보고: 단계별 안내
연구 시나리오
임상심리학자가 간단한 노출 치료 세션이 특정 공포증 환자의 회피 행동을 감소시키는지 조사합니다. 13명의 환자가 노출 치료를 받고, 12명이 대기자 명단 대조군에 배정됩니다. 4주 후 각 환자는 "회피 감소" 또는 "회피 변화 없음"으로 분류됩니다.
관찰빈도 표
| | 회피 감소 | 회피 변화 없음 | 합계 | |--|----------|--------------|------| | 노출 치료 | 10 | 3 | 13 | | 대기자 명단 대조 | 4 | 8 | 12 | | 합계 | 14 | 11 | 25 |
기대빈도. 좌상 셀: (13 × 14) / 25 = 7.28. 우상 셀: (13 × 11) / 25 = 5.72. 좌하: (12 × 14) / 25 = 6.72. 우하: (12 × 11) / 25 = 5.28. 모든 기대빈도가 5를 초과하므로 카이제곱도 기술적으로 허용됩니다. 그러나 전체 표본이 작고(N = 25), 연구자가 더 보수적인 Fisher 정확 검정을 선택합니다 — 임상 연구에서 점점 일반적인 방어 가능한 선택입니다.
올바른 APA 예시(유의한 결과)
치료 조건(노출 치료 vs. 대기자 명단 대조)과 회피 결과(감소 vs. 변화 없음) 간의 연관을 검토하기 위해 2×2 분할표를 구성하였다. Fisher 정확 검정 결과, 치료 조건과 회피 감소 간에 유의한 연관이 있는 것으로 나타났다, p = .036, OR = 6.67, 95% CI [1.18, 37.63]. 노출 치료군 환자는 대기자 명단 대조군에 비해 회피가 감소할 오즈가 6.67배 높았다(표 1 참조).
적절한 이유. 이 문단은 (a) 검정을 명시하고, (b) 양측 p 값을 명시하며, (c) 95% 신뢰구간과 함께 오즈비를 보고하고, (d) 평이한 언어로 방향적 해석을 제공하며, (e) 독자를 빈도표로 안내합니다.
비유의한 예시
다른 연구를 고려해 봅시다. 보건교육자가 독감 예방접종 안내문 배포가 소규모 직장(N = 22)에서 예방접종률을 높이는지 검정합니다. 11명의 직원이 안내문을 받고 11명은 받지 않습니다.
| | 접종 완료 | 미접종 | 합계 | |--|----------|--------|------| | 안내문 집단 | 5 | 6 | 11 | | 안내문 미수령 | 3 | 8 | 11 | | 합계 | 8 | 14 | 22 |
Fisher 정확 검정 결과, 안내문 배포와 예방접종 상태 간에 유의한 연관이 나타나지 않았다, p = .395, OR = 2.22, 95% CI [0.38, 13.08]. 오즈비는 안내문 집단에서 더 높은 예방접종율을 향한 추세를 시사하였으나, 1.00을 포함하는 넓은 신뢰구간은 효과가 영과 신뢰롭게 다르지 않음을 나타낸다. 작은 표본이 통계적 검정력을 제한하며, 이 결과는 신중하게 해석해야 한다.
적절한 이유. 비유의한 결과에서도 효과크기와 신뢰구간을 보고하고(APA 7판 요구사항) — 검정력의 한계를 명시적으로 언급합니다.
Fisher 정확 검정의 효과크기
APA 7판은 모든 추론적 검정에 효과크기를 의무화합니다. Fisher 정확 검정의 경우, 적절한 측정치는 분할표 차원과 연구 설계에 따라 달라집니다.
오즈비(OR) — 2×2 분할표의 기본
오즈비는 2×2 분할표의 자연스러운 효과크기입니다. 한 집단에서 결과가 나타날 가능성이 다른 집단에 비해 얼마나 더 높은지를 오즈의 비율로 정량화합니다.
계산. 셀 a, b, c, d(좌에서 우, 상에서 하 순서)가 있는 2×2 분할표의 경우:
OR = (a × d) / (b × c)
노출 치료 예시: OR = (10 × 8) / (3 × 4) = 80 / 12 = 6.67.
해석 기준(Chen et al., 2010 적용):
| OR | 크기 | |----|------| | 1.0 | 효과 없음 | | 1.5 | 작은 효과 | | 2.5 | 중간 효과 | | 4.3 | 큰 효과 |
이 기준은 대략적인 지침이며 엄격한 절단점이 아닙니다. 생명을 구하는 중재에서 "작은" OR 1.5는 매우 의미 있을 수 있고, 편향된 관찰 연구에서 "큰" OR 5.0은 인공적일 수 있습니다. 항상 맥락에서 효과크기를 해석하십시오.
APA 형식:
OR = 6.67, 95% CI [1.18, 37.63]
Cramér's V — 대형 분할표용
분할표가 2×2를 초과하면 오즈비는 단일 숫자로 정의되지 않습니다. Cramér's V는 phi 계수를 일반화하며 모든 분할표 차원에서 작동합니다. 0(연관 없음)에서 1(완전한 연관)까지의 범위를 가집니다.
기준(Cohen, 1988, 자유도에 따라 조정):
| df* | 작은 효과 | 중간 효과 | 큰 효과 | |-----|----------|----------|---------| | 1 | .10 | .30 | .50 | | 2 | .07 | .21 | .35 | | 3 | .06 | .17 | .29 |
*df = min(행 수 - 1, 열 수 - 1)
R × C 분할표의 APA 형식:
Fisher 정확 검정의 Freeman-Halton 확장 결과, 치료군과 반응 범주 간에 유의한 연관이 나타났다, p = .021, V = .34(중간 효과).
상대위험도(RR)
상대위험도는 집단 간 결과의 확률(오즈가 아님)을 비교합니다. 오즈비보다 더 직관적인 해석이 가능합니다: RR = 2.0은 한 집단에서 결과가 두 배 더 가능하다는 것을 의미합니다.
RR은 발생률을 직접 추정할 수 있는 전향적 설계(임상시험, 코호트 연구)에서 선호됩니다. 환자-대조 연구에서는 부적절하며, 오즈비를 대신 사용해야 합니다.
핵심 구분. 결과가 드문 경우(양 집단 모두 10% 미만) OR과 RR은 거의 동일합니다. 결과가 흔한 경우 OR은 RR 대비 효과를 과대평가합니다. 결과 유병률이 10%를 초과하면 두 측정치를 함께 보고하는 것을 고려하십시오.
APA 형식:
회피 감소의 상대위험도는 1.92, 95% CI [1.05, 3.52]였으며, 노출군 환자가 회피 감소를 보일 가능성이 거의 두 배임을 나타낸다.
해석 기준 요약
| 효과크기 | 작은 효과 | 중간 효과 | 큰 효과 | 적합한 상황 | |----------|----------|----------|---------|------------| | OR | 1.5 | 2.5 | 4.3 | 2×2 분할표(환자-대조, RCT) | | RR | 1.3 | 1.8 | 3.0 | 발생률 데이터가 있는 전향적 연구 | | Cramér's V | .10 | .30 | .50 | 모든 분할표 크기(df = 1) | | Phi | .10 | .30 | .50 | 2×2 분할표, 메타분석 |
대형 분할표(R×C)를 위한 Fisher 정확 검정
Fisher 정확 검정은 2×2 분할표에 국한되지 않습니다. Freeman-Halton 확장은 고정된 주변 합계 하에서 관찰된 분할표 — 및 그보다 더 극단적인 모든 분할표 — 의 독립 귀무가설 하에서의 정확 확률을 계산하여, 모든 R × C 분할표로 절차를 일반화합니다.
Freeman-Halton 확장 사용 시기
다음과 같은 경우 사용합니다:
- 분할표가 2×2보다 큰 경우(예: 2×3, 3×3, 3×4).
- 기대 셀 빈도가 Cochran 지침을 위반하는 경우.
- 셀 수 대비 전체 표본이 작은 경우.
3×3 분할표는 9개의 셀이 있습니다. 모든 기대빈도를 5 이상으로 유지하려면 일반적으로 N > 45가 필요합니다. 더 작은 표본은 Freeman-Halton 확장을 사용해야 합니다.
계산적 고려사항
정확 계산은 분할표가 커질수록 기하급수적으로 요구됩니다. 대략 6×6을 초과하는 분할표의 경우, 대부분의 소프트웨어는 몬테카를로 시뮬레이션을 사용하여 정확 p 값을 근사합니다. 시뮬레이션 p를 보고할 때는 반복 횟수를 언급하십시오:
Fisher 정확 검정의 Freeman-Halton 확장(몬테카를로 시뮬레이션, 10,000회 반복)으로 계산한 결과, 진단 범주와 치료 반응 간에 유의한 연관이 나타났다, p = .008, 99% CI [.005, .011], V = .29.
사후 비교
유의한 옴니버스 Fisher 정확 검정은 R × C 분할표에서 연관이 존재한다는 것은 알려주지만 어디에 있는지는 알려주지 않습니다. 쌍별 2×2 Fisher 정확 검정을 실시하고 다중 비교 보정을 적용하십시오:
- Bonferroni 보정: 각 p에 비교 횟수를 곱합니다(또는 alpha를 나눕니다).
- Benjamini-Hochberg FDR: 거짓 발견률을 통제합니다; Bonferroni보다 검정력이 높습니다.
보정 방법을 명시하여 사후 결과를 보고하십시오:
Bonferroni 보정을 적용한 쌍별 Fisher 정확 검정 결과, 집단 A와 집단 C 간에 유의한 차이가 나타났으나(p = .004), 집단 A와 집단 B(p = .210) 또는 집단 B와 집단 C(p = .085) 간에는 유의한 차이가 나타나지 않았다.
흔한 실수와 주의사항
실수 1: 기대빈도가 작은데 카이제곱 사용
가장 빈번한 오류입니다. 분할표에 기대 횟수가 5 미만인 셀이 있으면 카이제곱 p 값은 신뢰할 수 없습니다. 항상 기대빈도를 먼저 계산하십시오. 어떤 셀이 Cochran 규칙을 위반하면 Fisher 정확 검정으로 전환하십시오.
실수 2: 효과크기 미보고
APA 7판에 따르면 p 값만으로는 불충분합니다. OR = 1.05인 유의한 결과와 OR = 8.50인 유의한 결과는 완전히 다른 의미입니다. 항상 95% 신뢰구간과 함께 오즈비(2×2의 경우) 또는 Cramér's V(대형 분할표의 경우)를 보고하십시오.
실수 3: 단측 vs 양측 p 혼동
Fisher 정확 검정은 단측 또는 양측으로 계산할 수 있습니다. 양측이 기본이며 데이터 수집 전에 방향적 가설을 사전 지정하지 않았다면 양측을 보고해야 합니다. 결과를 본 후 양측에서 단측으로 전환하는 것은 p-해킹의 한 형태입니다.
단측 p를 보고하는 경우 명시적으로 정당화하십시오:
CBT가 불면증을 감소시킨다는 선행 증거(Morin et al., 2020)에 근거하여, CBT 집단의 관해율이 더 높다는 방향적 가설을 검정하였다. 따라서 단측 Fisher 정확 검정을 사용하였다, p = .018.
실수 4: Fisher 검정에 카이제곱 통계량 보고
Fisher 정확 검정은 카이제곱 값을 산출하지 않습니다. "chi-square(1) = 4.52, Fisher 정확 p = .038"이라고 쓰는 것은 두 가지 다른 절차를 혼합하는 것입니다. Fisher 정확 p만 보고하십시오:
부적절: chi-square(1, N = 24) = 4.52, Fisher 정확 p = .038
적절: Fisher 정확 검정, p = .038, OR = 3.75, 95% CI [1.05, 13.40]
실수 5: 신뢰구간 누락
신뢰구간 없이는 독자가 효과크기 추정의 정밀도를 판단할 수 없습니다. 이는 소표본 연구에서 특히 중요합니다. OR = 6.00, 95% CI [0.80, 45.00]은 OR = 6.00, 95% CI [2.10, 17.10]과 매우 다른 이야기를 합니다.
실수 6: 분할표 생략
APA 지침은 관찰빈도표를 제시하도록 권장합니다. 분할표는 요약 통계만으로는 전달할 수 없는 필수적인 맥락을 제공합니다. 관찰 횟수와, 도움이 되는 경우 행 또는 열 백분율을 포함하십시오.
실수 7: 오즈비의 잘못된 해석
오즈비는 확률이 아닌 오즈를 비교합니다. OR = 3.0일 때 "환자가 회복할 가능성이 3배 더 높았다"고 말하는 것은 기술적으로 부정확합니다. 올바른 표현은 "회복의 오즈가 3배 높았다"입니다. 결과가 흔한 경우(유병률 > 20%) 오즈와 확률은 상당히 다릅니다.
제출 전 APA 체크리스트
논문 제출 전, Fisher 정확 검정 보고에 다음이 포함되어 있는지 확인하십시오:
- 카이제곱 대신 Fisher 정확 검정을 선택한 정당화
- 정확한 p 값("유의함" 또는 "ns"만이 아닌)
- 양측(기본) 또는 정당화와 함께 단측 명시
- 95% CI와 함께 오즈비(2×2의 경우) 또는 Cramér's V(대형 분할표의 경우)
- 관찰빈도가 포함된 분할표
- 방향과 크기에 대한 평이한 언어 해석
- Fisher 정확 p와 함께 카이제곱 통계량 없음
- 소프트웨어 및 계산 방법 명시
계산의 정확성
Fisher 정확 검정을 수작업으로 계산하는 것은 가장 작은 분할표를 제외하면 비현실적입니다. 계산에는 동일한 주변 합계를 가진 모든 가능한 2×2 분할표를 열거하고, 관찰된 데이터만큼 또는 그보다 더 극단적인 분할표에 대한 초기하 확률을 합산해야 합니다.
StatMate의 Fisher 정확 검정 계산기가 이를 자동으로 처리합니다. 2×2 분할표를 입력하면 계산기가 다음을 반환합니다:
- 정확한 양측 p 값
- 95% 신뢰구간이 포함된 오즈비
- 논문에 바로 복사할 수 있는 완전한 APA 형식의 결과 문단
- 전체 분석의 PDF 내보내기
계산기는 R 4.3의 fisher.test() 함수와 교차 검증하여 소수점 네 자리 이상의 정확도를 보장합니다. 대형 분할표나 카이제곱 검정이 필요한 연구자를 위해, 카이제곱 계산기가 독립성 검정과 적합도 검정을 Cramér's V 효과크기와 함께 제공합니다.
자주 묻는 질문
Fisher 정확 검정과 카이제곱 중 언제 Fisher를 사용해야 하나요?
분할표의 기대 셀 빈도가 5 미만인 경우, 전체 표본 크기가 20 미만인 경우, 또는 기대 횟수가 0인 셀이 있는 경우 Fisher 정확 검정을 사용하십시오. 이러한 상황에서는 카이제곱 근사가 신뢰할 수 없게 됩니다. 일부 임상 학술지에서는 현대 컴퓨팅으로 정확 계산이 간단해졌으므로 표본 크기와 관계없이 모든 2×2 분할표에 Fisher 정확 검정을 권장합니다.
Fisher 정확 검정은 검정 통계량을 산출하나요?
아닙니다. 카이제곱, ANOVA, t-검정과 달리 Fisher 정확 검정은 검정 통계량을 생성하지 않습니다. 초기하분포에서 직접 정확한 p 값을 계산합니다. APA 형식으로 보고할 때 "Fisher 정확 검정, p = .XXX"로 작성하고 — 카이제곱 값을 포함하지 마십시오.
Fisher 정확 검정에 어떤 효과크기를 보고해야 하나요?
2×2 분할표의 경우 95% 신뢰구간과 함께 오즈비(OR)를 보고하십시오. 2×2보다 큰 분할표의 경우 Cramér's V를 보고하십시오. 전향적 설계(임상시험, 코호트 연구)의 경우 추가로 상대위험도(RR)를 보고할 수 있습니다. APA 7판은 모든 추론적 검정에 효과크기를 요구합니다.
Fisher 정확 검정을 2×2보다 큰 분할표에 사용할 수 있나요?
네. Freeman-Halton 확장이 Fisher 정확 검정을 모든 R × C 분할표로 일반화합니다. 대부분의 현대 소프트웨어가 이 확장을 지원합니다. 매우 큰 분할표(대략 6×6 이상)의 경우 정확 열거 대신 몬테카를로 시뮬레이션이 사용됩니다. 보고 시 분할표 차원, p 값, 효과크기(Cramér's V), 그리고 몬테카를로 시뮬레이션 사용 여부를 언급하십시오.
단측과 양측 Fisher 정확 검정의 차이는 무엇인가요?
양측 검정은 방향과 관계없이 연관이 존재하는지 평가합니다. 단측 검정은 연관이 특정한 사전 지정된 방향으로 가는지 평가합니다. 양측 p가 항상 더 큽니다. 기본적으로 양측을 사용해야 합니다. 데이터 수집 전에 방향적 가설을 명시하고 선행 연구를 근거로 정당화할 수 있는 경우에만 단측을 사용하십시오. 결과를 확인한 후 단측으로 전환하면 제1종 오류율이 증가합니다.