프로젝트: K-NAVI (수신호 예측 및 장애물 대응 시뮬레이션 환경 구축)
근거자료: 류정·박인선(2025), Crisisonomy 21(6) / News 1(2024)
목적: "스마트 안전장비 도입 현장의 재해율이 전국 평균보다 낮다"는 서술을 정식 통계 검정으로 뒷받침
| 구분 | 근로자 수 (n) | 사고자 수 (x) | 재해율 |
|---|---|---|---|
| 전국 중소규모 건설현장 (2023년 말 기준) | 576,224명 | 2,656명 (사망 171 + 부상 2,485) | 0.461% |
| 스마트 안전장비 지원 현장 123개소 (2021~2023) | 4,481명 | 16명 (사망 1 + 부상 15) | 0.357% |
재해율은 연속형 측정값(반응시간, 정확도 %)이 아니라 "특정 사건(재해)이 발생했는지 여부"를 전체 모집단(근로자 수)에 대해 집계한 비율이에요. 이런 데이터는 평균 차이를 검정하는 t-test가 아니라, **두 집단의 비율(발생률) 차이를 검정하는 비율검정(two-proportion test)**을 씁니다.
| 구분 | 내용 |
|---|---|
| H0 (귀무가설) | 전국 평균 재해율(p1)과 스마트 안전장비 도입현장 재해율(p2)에 차이가 없다 (p1 = p2) |
| H1 (대립가설) | 스마트 안전장비 도입현장의 재해율이 전국 평균보다 낮다 (p1 > p2, 단측검정) |
| 유의수준(α) | 0.05 |
두 집단의 표본비율(p1, p2) 차이가, 표본 크기를 고려했을 때 우연이라 보기 어려울 만큼 큰지를 정규분포 근사로 검정하는 방법. 표본이 충분히 크고(각 집단 x, n-x 모두 5 이상), 사건이 서로 독립적일 때 사용.
p1 = x1 / n1 = 2,656 / 576,224 = 0.004609 (0.4609%)
p2 = x2 / n2 = 16 / 4,481 = 0.003571 (0.3571%)
귀무가설(H0: p1 = p2)이 참이라고 가정하면, 두 집단은 사실 하나의 공통된 비율에서 나온 표본이라고 볼 수 있어요. 이 공통 비율을 두 집단을 합쳐서 추정한 것이 합동비율입니다.
p_pool = (x1 + x2) / (n1 + n2)
= (2,656 + 16) / (576,224 + 4,481)
= 2,672 / 580,705
= 0.004601 (0.4601%)
SE = sqrt( p_pool × (1 - p_pool) × (1/n1 + 1/n2) )
= sqrt( 0.004601 × 0.995399 × (1/576,224 + 1/4,481) )
= sqrt( 0.004601 × 0.995399 × 0.0002249 )
= 0.001015
p_pool × (1 - p_pool): 이항분포의 분산 공식 (사건이 일어날 확률 × 안 일어날 확률)1/n1 + 1/n2: 두 독립적인 표본비율 차이의 분산은 각 표본비율 분산의 합이므로, 표본 크기의 역수를 더함z = (p1 - p2) / SE
= (0.004609 - 0.003571) / 0.001015
= 0.001039 / 0.001015
= 1.023
z값은 "관측된 두 비율의 차이가, 표준오차 몇 배에 해당하는가"를 나타냄. z가 클수록(보통 ±1.96 이상) 우연이라 보기 어려운 차이.
표준정규분포에서 z=1.025보다 극단적인 값이 나올 확률을 구함.
단측 p-value = P(Z > 1.023) = 1 - Φ(1.023) = 0.1531
(Φ는 표준정규분포의 누적분포함수)
p = 0.153 > α(0.05) → 귀무가설을 기각할 수 없음 → 통계적으로 유의한 차이라고 말할 수 없음
Z-검정은 표본이 크고 사건 수가 충분할 때(정규분포 근사가 성립할 때) 신뢰할 수 있어요. 그런데 스마트장비 도입현장의 사고 건수(x2=16)는 상대적으로 작은 편이라, 정규근사의 오차가 있을 수 있습니다. 이때는 근사 없이 정확한 확률을 계산하는 Fisher의 정확검정을 함께 보는 게 안전해요.
| 사고 발생 | 사고 미발생 | 합계 | |
|---|---|---|---|
| 도입현장 | 16 | 4,465 | 4,481 |
| 전국 평균 | 2,656 | 573,568 | 576,224 |
귀무가설(도입 여부와 사고 발생이 무관) 하에서, 이 분할표(또는 이보다 더 도입현장에 유리한 방향의 분할표)가 나올 정확한 확률을 초기하분포(hypergeometric distribution)로 계산.
오즈비(Odds Ratio) = 0.774
단측 p-value = 0.182
오즈비 0.774는 "도입현장의 사고 발생 오즈가 전국 평균의 약 77%" 라는 뜻으로, 방향은 감소 쪽이지만 역시 p > 0.05로 통계적으로 유의하지 않음.
두 비율 차이(p1 - p2)에 대한 95% 신뢰구간은, 두 표본비율이 서로 독립이라는 전제 하에 각각의 분산을 더한 표준오차(unpooled SE)를 사용.
SE_diff = sqrt( p1(1-p1)/n1 + p2(1-p2)/n2 )
= sqrt( 0.004609×0.995391/576,224 + 0.003571×0.996429/4,481 )
= sqrt( 0.00000000796 + 0.00000079399 )
= 0.000896
95% CI = (p1 - p2) ± 1.96 × SE_diff
= 0.001039 ± 1.96 × 0.000896
= 0.001039 ± 0.001756
= [-0.000717, 0.002794]
= [-0.0717%p, 0.2794%p]
신뢰구간이 0(%p)을 포함하고 있어요. 즉 "재해율 차이가 0(차이 없음)"이라는 가능성을 통계적으로 배제할 수 없다는 뜻이며, 앞선 유의성 검정 결과와 일관됩니다.
2표본 비율검정(Z-검정, Fisher's exact test)은 비교하는 두 집단이 서로 겹치지 않는 독립적인 집단이라는 것을 전제로 한다. 그런데 스마트 안전장비 지원현장 123개소는 국가가 관리하는 지원사업 대상으로, 전국 중소규모 건설현장(150,059개소) 통계 안에 이미 포함되어 있는 부분집합일 가능성이 높다.
p2 그룹(도입현장)이 p1 그룹(전국) 안에 포함되어 있다면, p1(전국 재해율) 자체가 이미 p2의 낮은 재해율에 의해 하향 조정된(dilute된) 값이다. 즉 온전히 "미도입 현장만의 재해율"이 아니라 "미도입 현장 + 도입현장이 섞인 재해율"이므로, 두 집단을 비교하면 실제 차이보다 작게 추정되는 방향으로 편향될 수 있다.
전국 통계(x1, n1)에서 도입현장(x2, n2)을 제외하여, 순수한 "미도입군"만 분리한 뒤 다시 비교한다.
x1_순수 = x1 - x2 = 2,656 - 16 = 2,640
n1_순수 = n1 - n2 = 576,224 - 4,481 = 571,743
p1_순수 = x1_순수 / n1_순수 = 2,640 / 571,743 = 0.004617 (0.4617%)
| 항목 | 보정 전 (도입현장 포함 가능성 무시) | 보정 후 (순수 미도입군만) |
|---|---|---|
| 미도입군 재해율 | 0.4609% | 0.4617% |
| 절대 차이 | 0.1039%p | 0.1047%p |
| Z-검정 (단측) | z=1.023, p=0.153 | z=1.031, p=0.151 |
| Fisher's exact test | OR=0.774, p=0.182 | OR=0.772, p=0.180 |
보정 전후로 결과가 거의 달라지지 않았다. 이는 도입현장(4,481명)이 전국 전체(576,224명)에서 차지하는 비중이 약 0.78%에 불과해, 전국 평균 계산에 주는 영향이 미미하기 때문이다. 즉 독립성 위반 가능성을 검토하고 보정을 시도했으나, 결론(통계적으로 유의하지 않음)에는 실질적인 영향이 없음을 확인했다.
x1_pure = x1_all - x2
n1_pure = n1_all - n2
p1_pure = x1_pure / n1_pure
# 이하 z-검정, Fisher's exact test는 4장, 5장과 동일한 절차로 재계산
| 검정 방법 | 통계량 (보정 전) | 통계량 (보정 후, 순수 미도입군) | 유의 여부(α=0.05) |
|---|---|---|---|
| 2표본 비율 Z-검정 (단측) | z=1.023, p=0.153 | z=1.031, p=0.151 | 유의하지 않음 |
| Fisher's exact test (단측) | OR=0.774, p=0.182 | OR=0.772, p=0.180 | 유의하지 않음 |
| 95% 신뢰구간 (차이) | [-0.072%p, 0.279%p] | (거의 동일) | 0 포함 → 유의하지 않음 |
보정 전후 결론이 동일하므로, 이하 해석은 보정 전 수치를 대표값으로 사용한다.
스마트 안전장비 도입 현장(123개소)의 재해율은 전국 평균 대비 22.56% 낮게 나타났으나(0.357% vs 0.461%), 2표본 비율검정 결과 통계적 유의성은 확인되지 않았다(Fisher's exact test, p = 0.182, 95% CI: [-0.07%p, 0.28%p]).
해석 포인트:
from scipy import stats
import numpy as np
# 원자료
x1, n1 = 2656, 576224 # 전국: 사고자수, 근로자수
x2, n2 = 16, 4481 # 도입현장(123개소): 사고자수, 근로자수
p1, p2 = x1/n1, x2/n2
# 1) 2표본 비율 Z-검정
p_pool = (x1+x2)/(n1+n2)
se_pool = np.sqrt(p_pool*(1-p_pool)*(1/n1+1/n2))
z = (p1-p2)/se_pool
p_value_one_sided = 1 - stats.norm.cdf(z)
print(f"z={z:.3f}, one-sided p={p_value_one_sided:.4f}")
# 2) Fisher's exact test
table = [[x2, n2-x2], [x1, n1-x1]]
odds_ratio, p_fisher = stats.fisher_exact(table, alternative='less')
print(f"OR={odds_ratio:.3f}, p={p_fisher:.4f}")
# 3) 95% 신뢰구간
se_diff = np.sqrt(p1*(1-p1)/n1 + p2*(1-p2)/n2)
diff = p1 - p2
ci = (diff - 1.96*se_diff, diff + 1.96*se_diff)
print(f"95% CI: [{ci[0]*100:.4f}%, {ci[1]*100:.4f}%]")
-국토안전관리원 스마트 안전장비 지원현장(123개소)의 재해율은 전국 평균 대비 22.56% 낮게 나타났으나, 2표본 비율검정 결과 통계적 유의성은 확인되지 않았다(Fisher's exact test, p=0.180).
-이는 사고가 드문 사건(rare event)이라는 특성상 현재 표본 규모의 검정력 한계에 기인할 가능성이 크며, 관찰된 감소 방향 자체는 다른 선행 통계(중기부 스마트공장 재해 18.3% 감소 등)와도 일관된다.
-따라서 재해율 감소 효과를 확정적으로 입증했다고 볼 수는 없으나, 방향성 있는 정황 근거로서 K-NAVI와 같은 정밀 인지·소통 보완 기술의 필요성을 뒷받침한다.
아직 댓글이 없습니다.
로그인 후 댓글을 남길 수 있어요