MCP로 연결 →

계산 입력

공식

광고

결과

특이도 (진음성률)
80%
실제 음성 중 올바르게 가려낸 비율
특이도 (비율) 0.8
진음성 (TN) 80
위양성 (FP) 20

특이도란 무엇인가요?

특이도(specificity)는 진음성률(true negative rate)이라고도 하며, 검사나 분류 모델이 음성 사례를 얼마나 정확하게 가려내는지를 나타내는 지표입니다. 다시 말해 "실제로 질환이 없는 대상자 중에서 검사가 음성으로 올바르게 판정한 비율은 얼마인가?"라는 물음에 답합니다. 특이도는 의학 진단, 역학, 머신러닝 분류에서 핵심적으로 쓰이는 지표로, 민감도(진양성률)와 짝을 이루어 활용됩니다.

실제 음성 열의 참 음성 및 거짓 양성 셀을 강조한 혼동 행렬 그리드
특이도는 혼동 행렬의 실제 음성 열(TN과 FP)에서 계산됩니다.

계산기 사용 방법

혼동 행렬(confusion matrix)에서 두 가지 값을 입력하세요. 하나는 진음성(TN), 즉 음성을 올바르게 음성으로 판정한 사례 수이고, 다른 하나는 위양성(FP), 즉 실제로는 음성인데 양성으로 잘못 표시한 사례 수입니다. 계산기는 특이도를 소수 비율과 백분율(%) 두 가지 형태로 모두 보여줍니다.

공식 자세히 보기

특이도 = TN / (TN + FP).

$$\text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} \times 100\%$$

분모인 \((\text{TN} + \text{FP})\)는 실제 음성 사례의 총 개수입니다. 특이도가 1.0(100%)이라면 위양성이 한 건도 없었다는 뜻입니다. 값이 낮을수록 건강하거나 음성인 대상자가 양성으로 잘못 분류된 경우가 많다는 의미입니다.

광고
특이도가 TN을 TN 더하기 FP로 나눈 값임을 보여주는 수식 다이어그램
특이도는 참 음성을 전체 실제 음성(TN + FP)으로 나눈 값입니다.

계산 예시

건강한 사람 100명에게 선별 검사를 시행한다고 가정해 봅시다. 이 중 80명은 정상으로 올바르게 판정했지만(TN = 80), 20명은 양성으로 잘못 표시했습니다(FP = 20).

$$\text{Specificity} = \frac{80}{80 + 20} = \frac{80}{100} = 0.80 = 80\%$$

따라서 이 검사는 실제 음성인 사람의 80%를 정확히 가려낸 셈입니다.

자주 묻는 질문

특이도는 얼마나 높아야 좋은가요? 값이 높을수록 좋으며, 1.0(100%)에 가까울수록 거짓 경보(위양성)가 적다는 뜻입니다. 적정 기준은 해당 분야에서 위양성이 초래하는 비용이 얼마나 큰지에 따라 달라집니다.

특이도와 민감도는 어떻게 다른가요? 특이도는 음성을 올바르게 판정하는 정도(진음성률)를, 민감도는 양성을 올바르게 판정하는 정도(진양성률)를 측정합니다. 두 지표를 함께 보면 검사의 전반적인 정확도를 파악할 수 있습니다.

TN과 FP가 둘 다 0이면 어떻게 되나요? 실제 음성 사례가 전혀 없으므로 특이도를 정의할 수 없습니다. 이 경우 0으로 나누는 오류를 피하기 위해 계산기는 0을 반환합니다.

최종 업데이트: