막동이 막동이

회귀 분석 (regression analysis) 연속형 변수간의 인과관계를 분석하는 통계 방식상관계수 r을 제곱하여 결정계수로 독립변수에 따른 종속변수의 변동을 설명 선형 회귀분석, 비선형 회귀분석, 로지스틱 회귀분석 피어슨 상관 계수 r ( Pearson Correlation coeffcient ; Pearson's r ) r = X와 Y가 함께 변하는 정도 / X와 Y가 각각 변하는 정도 X와 Y의 값이 완전 동일하면 r = + 1 X와 Y의 값이 전혀 다르면 r = 0 X와 Y의 값이 반대방향으로 동일하면 r = - 1 상관 계수 r은 두 변수 간 상관 정도를 보여주지만, 인과관계나 영향력을 알 수 없음 상관계수 r 와 결정 계수 r² 선형 회귀분석 선형 회귀의 기본 가정 1. 독립변수와 종속변수..

ANOVA 통계 분석 / 일원 분산 분석 ( One-way ANalysis Of VAriance ), F - test 3개 이상의 집단 간 평균을 비교하는 통계 분석 방법 독립변수의 수준이 2 개 이상 인 것 - ONE WAY 독립변수의 개수가 2 개 이상 : TWO WAY / 이원분산분석 집단의 수준이 3개 이상이기 때문에만 발생하는 특수한 상황 가설 검정 귀무가설 H0 : 3개 이상의 집단의 평균은 모두 같다 / 차이가 없다. 대립가설 H1 : 적어도 하나 이상의 집단에서 평균의 차이가 있다. ANOVA 검정의 기본 가정 분산 분석 모집단에서 각각 14명의 표본을 추출 집단 간의 평균의 차이는 없음 집단 간 / 집단 내 의 정의 F 검정 통계량 집단 간 평균 제곱 / 집단 내 평균 제곱 F ↑ = 평..

대응표본 t 검정 / Paired t Test 동일한 집단 내에서 대응 되는 두 표본의 평균의 차이를 비교하는 검정방법 가설 검정 귀무가설 H0 : 대응 되는 두 표본의 평균의 차이가 없다. 대립가설 H1 : 대응 되는 두 표본의 평균의 차이가 있다. 기본 가정 독립 변수의 두 집단이 동일 집단인가? Yes → 대응표본 t 검정, NO → 독립표본 t 검정 독립변수에 따른 종속변수가 정규분포를 만족하는가? = 정규성 검토 자료의 범주별 개수가 30개 이상인가 ? Yes, 30개 이상 → 중심극한정리에 의해 정규성을 만족한다. NO, 30개 미만 → 정규성 검정을 실시한다. 독립변수에 따른 종속변수 분포의 분산이 동일한가? = 등분산성 검토 → 대응표본 t검정의 경우, 동일 집단으로 평균분석을 비교하기에 ..

독립표본 t 검정 / 2-Sample t - Test 독립된 두 집단 간 평균을 비교하는 t 검정 가설 검정 귀무가설 H0 : 서로 다른 두 집단 간 평균의 차이가 없다. 대립가설 H1 : 서로 다른 두 집단 간 평균의 차이가 있다. 기본 가정 독립 변수의 두 집단이 서로 독립적인가? Yes → 독립표본 t 검정, NO → 대응표본 t 검정 독립변수에 따른 종속변수가 정규분포를 만족하는가? = 정규성 검토 자료의 범주별 개수가 30개 이상인가 ? Yes, 30개 이상 → 중심극한정리에 의해 정규성을 만족한다. NO, 30개 미만 → 정규성 검정을 실시한다. 독립변수에 따른 종속변수 분포의 분산이 동일한가? = 등분산성 검토 → 각 집단 간의 평균을 비교 분석하기 위해서는 집단 간의 분산이 동일해야 한다...

t 검정 / t - Test 검정 통계량이 귀무가설 하에서 t 분포를 따르는 가설 검정 방법 t 분포 정규분포와 유사한 형태를 갖고 있으나, 한 단계 예측 범위가 넓은 분포도 정규분포와 유사하게 평균은 0이고, 좌우 대칭을 이룬다. t값이 커질수록 표준정규분포와 유사한 형태를 띈다. t 값 t 검정에 이용되는 검정 통계량 두 집단 차이의 평균 표준오차로 나눈 값 즉, t 검정은 두 집단 차이의 평균과 모집단의 평균의 차이를 두 집단 차이의 표준편차로 나눠서 집단 간의 평균을 비교하는 검정 방법이다. t 검정의 유형 일 표본 t 검정 / One sample t Test : 한 집단의 평균을 가설과 비교 독립표본 t 검정 / 2-sample t Test : 서로 다른 두 집단 간의 평균의 차이를 비교 대응표..

Chi square Test χ2 검정 (카이제곱분석) / 교차분석 명목 / 서열 범주형데이터로 이루어진 변수 간의 빈도의 차이로 상호 연관성을 분석 기본 가정 각 Cell의 기대 빈도가 5보다 커야한다. 기대빈도가 5보다 작은 Cell의 수는 전체 셀의 25% 미만이어야 한다. 관측 빈도 실제로 측정된 빈도값, 검정 통계값 기대 빈도 두 변수 사이에 연관성이 없다는 가정 하에 예상되는 빈도 두 변수가 독립적, 연관성이 없다는 귀무가설( H0) 하에 기대되는 빈도값 카이제곱 통계량 관측빈도와 기대빈도 값의 차이 ↑ = 귀무가설 기각 χ2 ( 카이제곱 검정 통계량 )의 값↑ = 귀무가설 기각 관측빈도와 기대빈도의 차이가 크다 : 실제 검정통계량 빈도 값과 귀무가설의 빈도 값이 큰 차이가 있다. Fisher..

상관분석 두 변수 사이에서 어떤 선형적 linear 관계, 상관관계를 갖고 있는 지를 분석하는 방법 두 변수 간의 관계를 상관 계수 r 로 표현한다. 두 변수간의 연관 정도, 상관 정도를 표현, 인과관계 표현 X ☞ 두 변수 간의 인과관계는 회귀분석 선형성 Linear 두 변수 X와 Y의 관게를 선의 형태 및 1차 함수의 형태로 나타나는 성질 분석 방법 단순 상관분석 : 두 변수가 얼마나 강한 상관 관계가 있는지 분석 다중 상관분석 : 2개 이상의 변수간 관계의 강도를 측정하는 분석 피어슨 상관 계수 r ( Pearson Correlation coeffcient ; Pearson's r ) r = X와 Y가 함께 변하는 정도 / X와 Y가 각각 변하는 정도 X와 Y의 값이 완전 동일하면 r = + 1 X..

가설 검정 모집단과 관련한 가설을 세운 후, 가설의 타당성을 검정하는 과정 가설 : 모수에 대한 예상, 주장, 또는 단순한 추측 ex ) " 비타민 C는 감기 예방에 효과가 있는가 ? ", " 기존의 치료법과 새로운 치료법은 별 차이가 없다 " ,,, 귀무가설과 대립가설 귀무가설 H0 : 기존에 알려지고 받아들여지던 사실 ' 기존과 차이가 없음, 기존과 같다, 기존에 차이가 없다 ' 대립가설 H1 : 귀무가설이 기각될 때 받아들여지는 가설 연구자가 새롭게 입증하고자 하는 가설 귀무가설의 기각 → 기존의 알려진 사실이 잘못 되었다 귀무가설의 채택 → 기존의 알려진 사실이 역시 사실이다 대립가설의 기각 → 기존에 알려진 귀무가설이 옳으며 연구자의 새로운 가설은 잘못되었다 대립가설의 채택 → 기존의 알려진 사..