1. t-검정(t-test)
목적:
두 집단 간의 평균 차이를 비교하기 위해 사용됩니다.
종류:
- 독립 표본 t-검정 (Independent t-test)
- 서로 독립적인 두 집단의 평균을 비교.
- 예: 남성과 여성의 키 차이를 비교.
- 대응 표본 t-검정 (Paired t-test)
- 동일한 집단에서 두 번 측정한 값을 비교.
- 예: 다이어트 전후의 체중 변화.
가정:
- 데이터가 정규분포를 따른다.
- 두 집단의 분산이 동일해야 한다(등분산 가정).
(등분산 가정이 충족되지 않으면 Welch의 t-검정을 사용함.)
단점:
- 비교할 수 있는 집단이 두 개로 제한됩니다.
2. ANOVA (Analysis of Variance, 분산분석)
목적:
세 개 이상의 집단 간 평균 차이를 비교하기 위해 사용됩니다.
종류:
- 일원분산분석 (One-way ANOVA)
- 하나의 독립변수(요인)가 여러 집단으로 나뉘어 있을 때 평균 차이를 비교.
- 예: 세 개의 다른 약물을 복용한 환자들의 평균 혈압 비교.
- 이원분산분석 (Two-way ANOVA)
- 두 개의 독립변수가 있을 때 각 요인과 요인 간 상호작용이 종속변수에 미치는 영향을 분석.
- 예: 약물의 종류와 운동 여부가 혈압에 미치는 효과.
가정:
- 데이터가 정규분포를 따른다.
- 각 집단의 분산이 동일해야 한다(등분산 가정).
- 독립변수 간 상호작용이 없을 경우가 더 단순한 분석.
장점:
- 세 개 이상의 집단을 동시에 비교할 수 있음.
- 다양한 요인 간의 상호작용도 분석 가능(이원분산분석 이상에서).
단점:
- 집단 간 차이가 있음을 확인하지만, 어디에서 차이가 나는지는 알 수 없음.
(차이가 있는 집단을 확인하려면 **사후검정(Post-hoc test)**이 필요함. 예: Tukey’s HSD)
차이점 비교
특징 (t-검정,ANOVA)
| 비교 가능한 집단 수 | 2개 | 3개 이상 |
| 독립변수의 수 | 1개 | 1개 또는 2개 이상 |
| 결과 해석 | 두 집단 간 평균 차이가 있는지 확인 | 여러 집단 간 평균 차이가 있는지 확인 |
| 추가 분석 필요성 | 추가 분석 필요 없음 | 사후검정 필요(Tukey, Scheffé 등) |
| 복잡성 | 상대적으로 간단 | 상대적으로 복잡 |
예제
- t-검정 예제
- 남학생과 여학생의 수학 점수 평균이 다른지 비교.
- ANOVA 예제
- 세 개의 교육 방법(A, B, C)에 따른 학생들의 평균 시험 점수가 다른지 비교.
결론
- 비교할 집단이 2개라면 t-검정, 3개 이상이라면 ANOVA를 사용합니다.
- ANOVA는 보다 많은 변수를 다룰 수 있어 더 복잡한 연구에 적합합니다.