카이제곱분포 (Chi-squared Distribution)

한 줄 정의: 표준정규분포를 따르는 값들을 제곱해서 더했을 때 나오는 분포로, 카이제곱검정·분산 추정 등 여러 통계 기법의 이론적 바탕이 되는 분포입니다.

쉽게 풀면

평균 0, 표준편차 1인 표준정규분포에서 값을 하나 뽑아 제곱하면 항상 0 이상인 값이 나옵니다. 이런 값을 여러 개 뽑아 제곱한 뒤 모두 더하면 어떤 모양의 분포가 만들어지는데, 이것이 카이제곱분포입니다. 몇 개를 더했는지가 "자유도"이며, 자유도가 커질수록 분포의 봉우리가 오른쪽으로 이동하고 좀 더 완만해집니다. 카이제곱검정에서 "카이제곱값이 크면 유의하다"고 판단하는 것은 바로 이 분포의 모양을 기준으로 "이 정도로 큰 값이 우연히 나올 확률"을 계산하기 때문입니다. 즉 카이제곱검정은 "검정 방법"이고, 카이제곱분포는 그 검정이 기대는 "확률분포"라는 차이가 있습니다.

왜 중요한가

카이제곱분포는 범주형 자료를 다루는 거의 모든 통계 검정의 기반이 되기 때문에, 설문·실험·관찰 연구에서 빈도 데이터를 분석하는 논문이라면 어떤 형태로든 마주치게 됩니다. 독립성 검정, 적합도 검정뿐 아니라 분산의 신뢰구간 추정, 우도비 검정, 구조방정식모형의 적합도 지표(예: 모형 카이제곱값) 등 훨씬 넓은 범위의 통계 기법이 이 분포 위에서 작동합니다. 그래서 논문에서 제시된 통계량이 정말로 신뢰할 만한지 판단하려면, 그 배경에 깔린 카이제곱분포의 성질을 이해하는 것이 중요합니다.

논문에서는 이렇게 쓰입니다

"검정통계량은 자유도 3인 카이제곱분포를 따르며, χ²(3) = 8.42, p = .038로 나타났다."

이 문장은 계산된 검정통계량이 자유도 3짜리 카이제곱분포 상에서 얼마나 극단적인 위치에 있는지를 근거로 p값을 산출했다는 뜻입니다. 자유도를 함께 표기하는 이유는 같은 카이제곱값이라도 자유도에 따라 의미(유의성)가 달라지기 때문입니다.

"제안한 구조방정식모형은 자료에 대체로 적합한 것으로 나타났다(χ² = 152.3, df = 89, CFI = .96, RMSEA = .05)."

구조방정식모형(SEM)에서는 모형이 예측한 공분산 구조와 실제 관측된 공분산 구조 사이의 차이를 카이제곱값으로 나타냅니다. 값이 작을수록(그리고 이에 대응하는 p값이 유의하지 않을수록) 모형이 자료를 잘 설명한다고 보지만, 표본이 크면 카이제곱값이 쉽게 유의해지는 한계가 있어 CFI, RMSEA 같은 보조 적합도 지수를 함께 보고하는 것이 일반적입니다.

"관찰된 유전형 빈도는 하디-바인베르크 평형에서 기대되는 빈도와 유의한 차이를 보이지 않았다(χ²(2) = 1.87, p = .393)."

유전학·생태학 연구에서는 실제 관찰된 빈도와 이론적으로 기대되는 빈도가 얼마나 일치하는지를 확인할 때 카이제곱 적합도 검정을 자주 사용합니다. 여기서도 검정통계량이 따르는 기준 분포가 바로 카이제곱분포이며, 범주(유전형) 개수에 따라 자유도가 정해집니다.

조금 더 깊게 보면

카이제곱분포는 감마분포의 특수한 경우로, 자유도가 늘어날수록 평균과 분산이 함께 커지고 분포 모양은 점차 정규분포에 가깝게 대칭적으로 변해갑니다. 실제 논문을 읽을 때는 카이제곱값 자체보다 자유도와 함께 해석하는 것이 중요한데, 같은 카이제곱값이라도 자유도가 크면 상대적으로 덜 극단적인 결과로 평가됩니다. 또한 표본 크기가 커지면 아주 작은 차이도 통계적으로 유의하게 나오기 쉬우므로, 최근에는 카이제곱값 단독보다 효과크기 지표(예: 크래머의 V)나 앞서 언급한 CFI·RMSEA 같은 보조 지수를 함께 검토하는 경향이 강해지고 있습니다.

주의할 점

카이제곱분포는 항상 0 이상의 값만 가지며 좌우 대칭이 아니라 오른쪽으로 긴 꼬리를 가진 비대칭 분포입니다. 자유도가 매우 커지면 정규분포에 가까워지지만, 자유도가 작을 때는 정규분포로 근사해서 해석하면 오류가 생길 수 있습니다. 또한 카이제곱검정, 분산의 신뢰구간 추정, 적합도 검정 등 쓰이는 맥락마다 자유도를 계산하는 공식이 다르므로 분석 목적에 맞는 자유도를 정확히 확인해야 합니다.