1. 독립표본 t-test
1) 정의
![](https://blog.kakaocdn.net/dn/b5E1Kd/btsGhTN3l3h/saGwrvllEMwwHZzs2HucK1/img.png)
독립표본 t-검정(Independent sample t-test)은 두 집단 간 평균치의 차이를 비교하는 통계 검정 방법입니다. 독립표본이란, 모집단에서 표본을 추출할 때 비교하려는 두 표본 간에 서로 영향을 받지 않고, 독립적으로 추출된 표본으로 한 집단의 측정치가 또 다른 집단의 측정치에 영향을 미치지 않는 독립성이 보장된 자료를 의미합니다. 독립변수는 범주형 자료, 종속변수는 연속형 자료인 경우에 활용합니다.
2) 가설 설정
![](https://blog.kakaocdn.net/dn/9jXHz/btsGlxaV81r/dhGsblGnpxSlK6NrUOM4sK/img.png)
성별에 따라 우울 정도에 차이가 있는지 검정하고자 한다면, 성별은 남성과 여성으로 분류되는 범주형 자료이고, 우울 정도는 연속형 자료입니다. 성별에 따른 우울 정도에 차이가 있는지 알아보기 위해 독립표본 t-검정을 실시합니다.
① 가설 : 독립변수(범주형)에 따라 종속변수(연속형)는 유의한 차이가 있다.
② 귀무가설 : 성별에 따라 우울 정도는 유의한 차이가 없다.
③ 대립가설 : 성별에 따라 우울 정도는 유의한 차이가 있다.
3) 독립표본 t-test
① 메뉴를 선택합니다.
![](https://blog.kakaocdn.net/dn/D5H9i/btsGjZ67E2E/eXKPYMCAe50foIG7gzxQC0/img.png)
② '집단변수' 입력칸에 독립변수인 성별을, '검정 변수' 입력칸에 종속변수인 우울을 지정합니다.
![](https://blog.kakaocdn.net/dn/dp20Ku/btsGiqdym6i/5JocvztiuavSfWf3kSfFR1/img.png)
![](https://blog.kakaocdn.net/dn/b5vlFI/btsGjmuY1Xk/cTaPEXLySAB9MSnAYBXGt0/img.png)
③ '집단변수'인 성별이 뒤에 괄호가 생기면서 괄호 안이 ? ?라고 나타납니다. 성별을 한 번 클릭하고, '집단 정의'를 클릭합니다.
![](https://blog.kakaocdn.net/dn/cLWM0m/btsGiANZMS8/cQSKpvWKjM71rGGo1Rm5wk/img.png)
④ 성별을 코딩할 때 1, 2라고 입력하였다면, 집단 1, 집단 2에 1과 2라고 입력합니다(만약 0, 1로 입력하였다면, 0과 1을 입력합니다.).
![](https://blog.kakaocdn.net/dn/cDOXhU/btsGleoWV63/33knskCS7ntkPsyfLoudEk/img.png)
⑤ 본 데이터에서는 성별을 남성을 1, 여성을 2로 지정하였기에 집단 1에 1을, 집단 2에 2를 입력하고, '계속'을 클릭합니다.
![](https://blog.kakaocdn.net/dn/boE70G/btsGiTmjoZC/3nEvhg6O1g2ZAjJVG2wSpK/img.png)
⑥ '확인'을 클릭합니다.
![](https://blog.kakaocdn.net/dn/5QFDB/btsGic0R0ch/4mbt8zecvs0JtgDdBTedek/img.png)
⑦ '집단통계량'과 '독립표본 검정'이 출력됩니다.
![](https://blog.kakaocdn.net/dn/Coo8O/btsGhT1Dizc/2S0DmxkQmhv3HP0ird3T71/img.png)
⑧ 독립표본 t-검정은 Levene의 등분산 검정을 먼저 봐야합니다. Levene의 등분산 검정에서 '유의확률'이 .05 이상일 경우 위의 칸(등분산을 가정함)을, .05 이하일 경우 아래의 칸(등분산을 가정하지 않음)을 봅니다.
![](https://blog.kakaocdn.net/dn/lFhr2/btsGiRBZyxw/vMjFhYflTuITZIUNQLeKqK/img.png)
⑨ 본 결과에서는 Levene의 등분산 검증의 유의확률이 .05보다 크기 때문에 등분산을 가정하며, 위의 칸을 보면 됩니다.
![](https://blog.kakaocdn.net/dn/4RInA/btsGknmoG7K/ghPVEXi3D23tAuPZLxywd0/img.png)
⑩ 이제 T 검정에 대한 유의확률을 봅니다. Levene의 등분산 검정에서 등분산을 가정하므로 두 개의 유의확률 중 위의 유의확률을 봅니다. p값이 .559로 .05보다 크기 때문에 통계적으로 유의한 차이가 없습니다.
![](https://blog.kakaocdn.net/dn/nWH2K/btsGjmuY1XN/6s3jGYGDRp93qe7JGXGHSk/img.png)
⑪ 결과표를 작성하고, 결과에 대해 해석을 적어줍니다. 표본수, 평균, 표준편차는 출력된 집단통계량을 참고해서 적습니다.
![](https://blog.kakaocdn.net/dn/b1itDj/btsGjmIuG9L/1ZbUmn9EveLsbWpYfNJxH1/img.png)
남성과 여성의 우울 정도는 통계적으로 유의한 차이가 없었다(p=.559).
⑫ 만약 차이가 있었다는 가정 하에 해석을 적어보겠습니다.
![](https://blog.kakaocdn.net/dn/swC9i/btsGjRnVgY8/QfFWEXgctUvXr5ks0PobOk/img.png)
남성과 여성의 우울 정도는 남성이 1.87로 여성의 1.82보다 통계적으로 유의하게 높았다(p<.01).
⑬ 하지만 독립표본 t-검정 또는 일원배치 분산분석 등의 평균치를 비교하는 분석들의 결과는 단일적으로 쓰여지기 보다는 다른 분석과 함께 쓰여지는 경우도 많습니다.
![](https://blog.kakaocdn.net/dn/clMaca/btsGicGBr2u/7QZmYd65N9gJ8oRgA97nkk/img.png)
'통계학 한 발자국' 카테고리의 다른 글
[SPSS통계분석 기초] 일원배치 분산분석(One-way ANOVA, analysis of variance, ANOVA) (0) | 2024.04.10 |
---|---|
[SPSS통계분석 기초] 대응표본 T-Test(해석) (0) | 2024.04.09 |
[SPSS통계분석 기초] 일표본 T-Test (해석) (0) | 2024.04.08 |
[SPSS통계분석 기초] 교차분석(Chi-square test) 카이분석, 카이제곱검정 (0) | 2024.04.08 |
[SPSS통계분석 기초] 가중치 케이스 (0) | 2024.04.07 |
댓글