당신은 주제를 찾고 있습니까 “t test 분석 – spss 독립표본 t검정 / 논문에서 가장 많이 사용하는 분석 / 두 모평균의 차이 검증 / independent sample t test / 논문쓰는남자 / 논쓰남“? 다음 카테고리의 웹사이트 th.taphoamini.com 에서 귀하의 모든 질문에 답변해 드립니다: th.taphoamini.com/wiki. 바로 아래에서 답을 찾을 수 있습니다. 작성자 논문쓰는남자 [논쓰남] 이(가) 작성한 기사에는 조회수 83,751회 및 좋아요 937개 개의 좋아요가 있습니다.
Table of Contents
t test 분석 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 spss 독립표본 t검정 / 논문에서 가장 많이 사용하는 분석 / 두 모평균의 차이 검증 / independent sample t test / 논문쓰는남자 / 논쓰남 – t test 분석 주제에 대한 세부정보를 참조하세요
독립표본 t검정은 서로 다른 두 집단의 평균 차이를 보고자 할 때 사용합니다
독립표본 t검정 가설
대립가설 : 두 집단의 평균이 같지 않다
= 두 집단의 평균에 차이가 있다
귀무가설 : 두 집단의 평균이 같다
= 두 집단의 평균에 차이가 없다
독립표본 t검정을 통해 검증할 연구가설
대립가설 : 성별에 따라 서비스 만족 점수에 차이가 있을 것이다.
귀무가설 : 성별에 따라 서비스 만족 점수에 차이가 없을 것이다.
[논쓰남] 블로그
https://blog.naver.com/sub_om
[독립표본 t검정] 표 양식 및 해석 다운로드
https://blog.naver.com/sub_om/221862435228
인스타 http://www.instagram.com/nonssnam
t test 분석 주제에 대한 자세한 내용은 여기를 참조하세요.
통계 분석 방법 (차이검정 : t-test, ANOVA) – rigel
1) t-test(t검정) … . 모집단의 분산/표준편차를 알지 못할 때, 표본의 분산/표준편차를 통해 모집단의 평균을 비교하는 검정이다. 모집단의 분산/표준 …
Source: sysiphe0.tistory.com
Date Published: 1/24/2022
View: 1873
spss 통계분석 #6. t- test ① 독립 표본 t-검정(Independent …
안녕하세요 권 코치 입니다. 오늘은 t-검정에 대하여 알아볼께요. spss 통계에서 평균차이 비교를 위한 통계 방법으로 사용되며, 집단과 분석변인에 …
Source: kwon-coach.tistory.com
Date Published: 10/22/2022
View: 4937
Chapter 7 두 집단 비교 t test | HR 분석 실무자를 위한 R Tips
Chapter 7 두 집단 비교 t test. HR 데이터 분석 시, 많이 활용하는 방법 중 하나가 집단 간 차이 분석입니다. 직급, 세대, 남성/여성, 학력, 신입/경력 등 다양한 …
Source: bookdown.org
Date Published: 3/17/2021
View: 7498
[SPSS 분석] 독립표본 t-test
[SPSS 분석] 독립표본 t-test · 1) 정의. 독립표본 t-검정(Independent sample t-test)은 두 집단 간 평균치의 차이를 비교하는 통계 검정 방법입니다. · 2) …Source: thduddl2486.tistory.com
Date Published: 10/7/2022
View: 2631
SPSS t-test 통계 분석 레포트 과제 독립표본t검정 ttest
여러분은 그대로 따라 클릭만 하면 된다. 해석 방법도 다 알려주겠다. t-test는 쉽게 말해 평균을 통해 통계적으로 유의한 차이가 있는지를 보는 것이다 …
Source: statistics-friend.tistory.com
Date Published: 11/23/2021
View: 62
주제와 관련된 이미지 t test 분석
주제와 관련된 더 많은 사진을 참조하십시오 spss 독립표본 t검정 / 논문에서 가장 많이 사용하는 분석 / 두 모평균의 차이 검증 / independent sample t test / 논문쓰는남자 / 논쓰남. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 t test 분석
- Author: 논문쓰는남자 [논쓰남]
- Views: 조회수 83,751회
- Likes: 좋아요 937개
- Date Published: 2020. 3. 17.
- Video Url link: https://www.youtube.com/watch?v=2GVLu8a4J2I
통계 분석 방법 (차이검정 : t-test, ANOVA)
□ 통계분석 방법
통계분석방법은 그룹간의 차이를 검정하는 차이검정과, 변수와 변수간 관계(영향)가 있는지 없는지 검정하는 관계검정으로 나뉜다.
1. 차이검정
차이검정은 Factor(요인)와 그룹의 개수에 따라 t-test와 ANOVA로 구분된다.
1) t-test(t검정)
▶ 특징
. 모집단의 분산/표준편차를 알지 못할 때, 표본의 분산/표준편차를 통해 모집단의 평균을 비교하는 검정이다.
모집단의 분산/표준편차를 알고 있다면 Z-검정 하면 된다.
. Factor(요인)가 1개이고 그룹(수준)이 2개 이하일 때만 사용 가능하다.
. 그룹은 범주형(Categorical) 변수이고, 측정치는 수치형 변수이다.
▶ 가정
. 정규성 (One Sample t-test, Independent Sample t-test, Paired Sample t-test)
: shapiro-wilk normality test 또는 Q-Q plot, Histogram으로 확인한다.
. 독립성 (Independent Sample t-test)
: 두 그룹은 서로 독립적이어야 한다. 독립성을 가정하지 못할 경우 Paired Sample t-test로 수행해야 한다.
. 등분산성 (Independent Sample t-test)
: R에서는 var.test()로 확인. Brightics에서는 F Test For Stacked 함수로 확인한다.
R과 Brightics 모두 t-test 함수안에 파라미터로 등분산여부를 설정한다.
등분산이면 pooled variance를 활용한 Student’s t-test, 아니라면 Welch’s t-test가 사용되어 자동 계산된다.
▶ 종류
(1) One Sample t-test (일표본 t검정)
: 그룹이 1개일때 모집단의 예상 평균치가 맞는지 표본을 통해 비교 검정
예) 어느 베스킨라빈스 매장의 파인트 무게가 320g이 맞는지 의심을 품고 샘플을 뽑아 검정 진행
(2) Independent Sample t-test (독립표본 t검정)
: 독립적인 두 모집단의 평균에 유의미한 차이가 있는지 비교하기위해 각 표본들의 평균을 비교
예) A타이어회사와 B타이어회사의 타이어 수명 평균 차이를 비교
(3) Paired Sample t-test (대응표본 t검정)
: 반복 측정된 샘플의 변화량에 유의미한 차이를 있는지 검정
전, 후 두번 측정된 수치의 차이를 가지고 검정 진행. (independent sample t-test와 방식이 다르다)
예) A 회사의 다이어트식품을 먹기 전과 먹은 후의 몸무게 차이 비교를 통한 효과 검정
2집단 평균 비교 방법 (※ 그림 출처 https://nittaku.tistory.com/467)
2) ANOVA(분산분석)
▶ 특징
. ANalysis Of VAriance의 약자로서 분산을 활용한 검정이다.
. 그룹은 범주형(Categorical) 변수이고, 측정치는 수치형 변수이다.
. Factor(요인)가 2개이상이거나, 그룹이 3개 이상일 경우 사용한다. (t-test 사용 불가)
더보기 * 그룹이 3개 이상 일때 t-test를 사용하면 안되는 이유 이유는 1종오류 발생 가능성이 커지기 때문이다. 그룹이 3개일 때 (t-test하고자) 2개 그룹씩 비교하면 3Combination2 즉, 총 3번 비교가 이루어지는데, 유의수준을 5%로 잡았을때 Bonferroni에 의하면 1종오류 가능성이 Max 15%까지 커진다고 한다.
▶ 가정
. 정규성 (One Sample t-test, Independent Sample t-test, Paired Sample t-test)
: shapiro-wilk normality test 또는 Normal Q-Q plot으로 확인한다.
. 독립성 (One Way ANOVA, Two Way ANOVA)
: 두 그룹(수준)은 서로 독립적이어야 한다.
. 등분산성 (One Way ANOVA, Two Way ANOVA)
: Bartlett’s Test 또는 Levene’s Test 로 등분산 검정 진행한다.
▶ 종류
(1) One Way ANOVA (일원 배치 분산분석)
: 요인이 1개이고, 그룹(수준)이 3개 이상인 경우 각 그룹 간 유의한 차이가 있는지 검정한다.
그룹(수준)이 2개인 경우에도 사용 가능하지만, 이 경우는 t-test를 사용한다.
(2) Repeated Measures ANOVA (반복측정 분산분석)
: 요인이 1개이고 두번 이상 반복 측정된 샘플의 변화량에 유의미한 차이가 있는지 검정한다.
(3) Two Way ANOVA (이원 배치 분산분석)
: 요인이 2개인 경우 사용한다.
(4) Two Way Repeated Measures ANOVA (이원 반복측정 분산분석)
: 요인이 2개이고 두번 이상 반복 측정된 샘플의 변화량에 유의미한 차이가 있는지 검정한다.
▶ 사후검정
ANOVA검정은 차이가 있는 그룹이 있다는 것만 알려줄 뿐, 어떤 그룹들이 차이가 있는지는 알려주지 않는다.
따라서 유의미한 차이가 있다고 나온 경우 사후검정을 통해 어떤 그룹 간에 차이가 있는지 확인해야한다.
Duncan Test 또는 Tukey’s Test 등을 활용하면 된다.
※ ANOVA 결과 차이가 없다고 나오면 사후검정은 필요없다.
3집단 평균 비교 (※ 그림 출처 https://nittaku.tistory.com/467)
spss 통계분석 #6. t- test ① 독립 표본 t-검정(Independent Samples t-test)
안녕하세요 권 코치 입니다. 오늘은 t-검정에 대하여 알아볼께요.
spss 통계에서 평균차이 비교를 위한 통계 방법으로 사용되며,
집단과 분석변인에 따라 일표본 t-검정, 독립표본 t-검정, 대응표본 t-검정의 방법이 있습니다.
그럼, 자세히 알아볼께요~~
t-test
t 분포를 기반으로 하여 모수치의 추정과 가설을 검정하는 방법이 t-test.
t-test는 표본집단을 표집하여 그 결과를 비교하고자 할 때 그 결과를 전집의 결과치로 신뢰롭게 인정할 수 있는지
유무를 검정할 때 사용.
조사 또는 측정되는 사례수가 적은 경우 정규분포곡선의 z점수에 기초하여 모집단의 값인 모수치를 추정하기에
부적합하므로 t분포의 원리에 기초하여 t값을 계산하여 가설검정과 추리통계를 실시.
t-test는 두 집단간의 평균차이를 평균간 차이의 표준오차로 나눈 값(t값)과 자유도를 기초로 하여
그러한 차이가 표집의 오차에 의하여 일어날 확률을 계산하여 그 확률이 대게 5% 이하이면
표집에 의한 차이가 전체 집단의 차이인 것으로 인정.
표본의 평균값의 차이가 모수치에서도 나타나는 차이에 의한 것인지 아니면 표본에서 발생한 우연한 차이에 의한 것인지를 검정할 수 있으며, 모수치를 추정하는95%의 신뢰구간의 값을 구할 수 있다.
변수
종속변수 : 비율척도, 등간 척도
독립변수 : 두 개의 집단
예) 성별, 지역(도시,농촌), 학력(고, 저)
t-test 의 가정
종속변수가 양적 변수(등간 혹은 비율)이어야 한다.
모집단의 분산, 표준편차를 알지 못할 때 사용한다.
알고 있다면 Z 검정
모집단의 분포가 정규분포이어야 한다.
정규분포라는 가정이 충족되지 않으면 비모수통계(non-parametric statistics)를 사용
등분산 가정이 충족되어야 한다.
등분산 가정이 충족되지 않으면 Welch-Aspin 검정 사용
독립 표본 t-검정(Independent Samples t-test)
서로 다른 모집단으로부터 추출된 두 변수의 평균값을 비교 분석
독립변수 내의 두집단의 평균을 비교하는 방법
두집단 간의 평균차이를 검정
대응되는 두 변수 모두 구간, 비율척도
예) 두가지 색상의 과자 제품 포장에 대한 판매량 차이
취업모와 비 취업모의 결혼 만족도에 차이
남녀간의 정서 지능의 평균에 차이
“spss 프로그램 분석 방법”
예시 ) 휴대폰 브랜드 ( 삼송 , LZ0) 에 따른 만족도 차이
1. 분석- 평균비교- 독립표본 검정 클릭.
예시) 휴대폰 브랜드(삼송, LZ0)에 따른 만족도 차이
2. 검정 변수 : 검정하고 싶은 원하는 변수 삽입(만족도)
집단 변수 : 비교하려는 두 개의 독립 집단에 대한 집단 정의
집단변수 : 브랜드
3. 브랜드” 변수는 1번이 ‘삼송‘, 2번이 ‘LZ’로 해당 숫자 1과 2를 각각 집단 1과 집단 2에 넣어준다.
즉, 브랜드 변수가 1로 입력된 삼송과 2로 입력된 LZ의 만족도 평균을 비교하는 것이다.
4. ‘확인’ 버튼 클릭, 결과 확인.
예시) 휴대폰 브랜드(삼송, LZ0)에 따른 만족도 차이
삼송의 만족도 평균운 3.1420,이고 LZ의 만족도 평균은 2.7785이다.
이 평균 점수의 차이가 통계적으로 유의미한 차이인지는 t-검정 결과를 통해 확인하여야 한다.
t-값을 보기전에, Levene의 등분산 검정 결과를 확인하여야 한다.
Levene의 등분산 검정 결과 p값이l 0.05보다 큰 경우에는 등분산을 가정하여 윗줄을 보고, p값이 0.05보다 작은 경우에는 등분산이 가정되지 않아 아래줄을 봐야한다.
본 예시는 p값이 0.094로 0.05보다 크므로, 등분산을 가정하고 윗줄을 본다.
결과적으로 t = 2.393, p = .017로 나타났다. P값이 0.05보다 작기 때문에, 삼송과 LZ의 만족도 평균 차이는 통계적으로 유의미한 것으로 나타났다.
“논문 및 보고서 표기 방법”
“삼송과 LZ의 만족도는 통계적으로 유의미한 차이가 있으며(p<.05), 삼송 제품 사용자의 휴대폰 만족도가 LZ보다 높은 것으로 나타났다.”
Chapter 7 두 집단 비교 t test
7.1.2 데이터 확인하기
데이터를 잘 가져왔는지 확인해줍니다.
glimpse (IBM.HR) (IBM.HR)
## Rows: 1,470 ## Columns: 35 ## $ Age
41, 49, 37, 33, 27, 32, 59, 30, 38, 36, 35,… ## $ Attrition “Yes”, “No”, “Yes”, “No”, “No”, “No”, “No”,… ## $ BusinessTravel “Travel_Rarely”, “Travel_Frequently”, “Trav… ## $ DailyRate 1102, 279, 1373, 1392, 591, 1005, 1324, 135… ## $ Department “Sales”, “Research & Development”, “Researc… ## $ DistanceFromHome 1, 8, 2, 3, 2, 2, 3, 24, 23, 27, 16, 15, 26… ## $ Education 2, 1, 2, 4, 1, 2, 3, 1, 3, 3, 3, 2, 1, 2, 3… ## $ EducationField “Life Sciences”, “Life Sciences”, “Other”, … ## $ EmployeeCount 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1… ## $ EmployeeNumber 1, 2, 4, 5, 7, 8, 10, 11, 12, 13, 14, 15, 1… ## $ EnvironmentSatisfaction 2, 3, 4, 4, 1, 4, 3, 4, 4, 3, 1, 4, 1, 2, 3… ## $ Gender “Female”, “Male”, “Male”, “Female”, “Male”,… ## $ HourlyRate 94, 61, 92, 56, 40, 79, 81, 67, 44, 94, 84,… ## $ JobInvolvement 3, 2, 2, 3, 3, 3, 4, 3, 2, 3, 4, 2, 3, 3, 2… ## $ JobLevel 2, 2, 1, 1, 1, 1, 1, 1, 3, 2, 1, 2, 1, 1, 1… ## $ JobRole “Sales Executive”, “Research Scientist”, “L… ## $ JobSatisfaction 4, 2, 3, 3, 2, 4, 1, 3, 3, 3, 2, 3, 3, 4, 3… ## $ MaritalStatus “Single”, “Married”, “Single”, “Married”, “… ## $ MonthlyIncome 5993, 5130, 2090, 2909, 3468, 3068, 2670, 2… ## $ MonthlyRate 19479, 24907, 2396, 23159, 16632, 11864, 99… ## $ NumCompaniesWorked 8, 1, 6, 1, 9, 0, 4, 1, 0, 6, 0, 0, 1, 0, 5… ## $ Over18 “Y”, “Y”, “Y”, “Y”, “Y”, “Y”, “Y”, “Y”, “Y”… ## $ OverTime “Yes”, “No”, “Yes”, “Yes”, “No”, “No”, “Yes… ## $ PercentSalaryHike 11, 23, 15, 11, 12, 13, 20, 22, 21, 13, 13,… ## $ PerformanceRating 3, 4, 3, 3, 3, 3, 4, 4, 4, 3, 3, 3, 3, 3, 3… ## $ RelationshipSatisfaction 1, 4, 2, 3, 4, 3, 1, 2, 2, 2, 3, 4, 4, 3, 2… ## $ StandardHours 80, 80, 80, 80, 80, 80, 80, 80, 80, 80, 80,… ## $ StockOptionLevel 0, 1, 0, 0, 1, 0, 3, 1, 0, 2, 1, 0, 1, 1, 0… ## $ TotalWorkingYears 8, 10, 7, 8, 6, 8, 12, 1, 10, 17, 6, 10, 5,… ## $ TrainingTimesLastYear 0, 3, 3, 3, 3, 2, 3, 2, 2, 3, 5, 3, 1, 2, 4… ## $ WorkLifeBalance 1, 3, 3, 3, 3, 2, 2, 3, 3, 2, 3, 3, 2, 3, 3… ## $ YearsAtCompany 6, 10, 0, 8, 2, 7, 1, 1, 9, 7, 5, 9, 5, 2, … ## $ YearsInCurrentRole 4, 7, 0, 7, 2, 7, 0, 0, 7, 7, 4, 5, 2, 2, 2… ## $ YearsSinceLastPromotion 0, 1, 0, 3, 2, 3, 0, 0, 1, 7, 0, 0, 4, 1, 0… ## $ YearsWithCurrManager 5, 7, 0, 0, 2, 6, 0, 0, 8, 7, 3, 8, 3, 2, 3…
[SPSS 분석] 독립표본 t-test
반응형
1. 독립표본 t-test
1) 정의
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
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.
② ‘집단변수’ 입력칸에 독립변수인 성별을, ‘검정 변수’ 입력칸에 종속변수인 우울을 지정합니다.
③ ‘집단변수’인 성별이 뒤에 괄호가 생기면서 괄호 안이 ? ?라고 나타납니다. 성별을 한 번 클릭하고, ‘집단 정의’를 클릭합니다.
④ 성별을 코딩할 때 1, 2라고 입력하였다면, 집단 1, 집단 2에 1과 2라고 입력합니다(만약 0, 1로 입력하였다면, 0과 1을 입력합니다.).
⑤ 본 데이터에서는 성별을 남성을 1, 여성을 2로 지정하였기에 집단 1에 1을, 집단 2에 2를 입력하고, ‘계속’을 클릭합니다.
⑥ ‘확인’을 클릭합니다.
⑦ ‘집단통계량’과 ‘독립표본 검정’이 출력됩니다.
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.
⑨ 본 결과에서는 Levene의 등분산 검증의 유의확률이 .05보다 크기 때문에 등분산을 가정하며, 위의 칸을 보면 됩니다.
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.
⑪ 결과표를 작성하고, 결과에 대해 해석을 적어줍니다. 표본수, 평균, 표준편차는 출력된 집단통계량을 참고해서 적습니다.
남성과 여성의 우울 정도는 통계적으로 유의한 차이가 없었다(p=.559).
⑫ 만약 차이가 있었다는 가정 하에 해석을 적어보겠습니다.
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.
SPSS t-test 통계 분석 레포트 과제 독립표본t검정 ttest
반응형
이번 시간에는 SPSS 프로그램을 이용한 t-test 중 독립표본t검정을 다뤄보겠다.
역시나 본 포스팅은 이론 설명이 아니다.
실무 다!
여러분은 그대로 따라 클릭만 하면 된다.
해석 방법도 다 알려주겠다.
t-test는 쉽게 말해 평균을 통해 통계적으로 유의한 차이가 있는지를 보는 것이다.
이전 포스팅에서는 t-test 중 일표본t검정을 살펴보았다.
1. 독립표본t검정 개념
서로 독립적인 2개의 집단이 평균적으로 차이가 있는지를 보는 것
예: A반과 B반의 과학 성적은 차이가 날까?
A기업과 B기업에서 만드는 건전지 배터리 수명은 같은가?
A기업 제품 사용에 대한 20대 집단 vs 50대 집단 만족도 차이
일표본t검정과 독립표본t검정 차이
구분 일표본t검정 독립표본t검정 대상 1개 집단 독립적인 2개 집단 분석 특정 수치(예: 1L)가 맞는지 보는 것 두 집단의 수치(예: 점수)의 평균이 서로 다른지 보는 것
2. 분석 방법
먼저, 2개의 집단 데이터가 있어야 한다.
본 포스팅에서는 A, B반 과학 성적을 예시로 하겠다.
주의사항 : 코딩할 때 2개의 변수(수치변수, 집단변수)를 만들 것!
예를 들어 A, B반의 과학 성적 차이를 보고 싶다면,
A, B반을 구분하는 변수 1개,
과학점수를 나타내는 변수 1개가 있어야 한다.
즉, 아래의 그림처럼 코딩해야 한다.
과학 성적 변수 : 말 그대로 과학 성적을 나타내는 변수
반 변수 : A, B반을 표현 → A반 : 1, B반 : 2
특히 그룹(예: 반)을 구분할 때는 1, 2와 같이 숫자로 구분하는 것이 좋다.
독립표본t검정 예시1
데이터 숫자만 봐서는 A, B반 중에서 어느 반이 더 높은지 판단하기 쉽지 않다.(지금 그림에는 A반만 캡처되어 있음)
클릭 순서 : 분석 → 평균 비교 → 독립표본t검정
독립표본t검정 예시2
검정 변수와 그룹화 변수 자리에 알맞은 변수를 옮겨야 한다.
다 옮긴 후 “그룹 정의”를 클릭한다.
검정 변수 자리 : 과학 성적 변수 옮기기
그룹화 변수 자리 : 반 변수 옮기기
독립표본t검정 예시3
그룹 정의를 클릭하면
작은 화면이 1개 생기는데,
그룹 1에는 1, 그룹 2에는 2를 입력한다. 그리고 계속을 클릭한다.
즉, 그룹 1에 1을 입력하는 것은 A반을 의미하고,
그룹 2에 2를 입력하는 것은 B반을 의미한다.
독립표본t검정 예시4
세팅이 모두 완료되었다.
다른 옵션이나 부트스트랩은 건들지 말자
사실 쓰는 용도가 따로 있긴 한데, 지금 여러분에겐 필요 없다.
바로 확인을 클릭하자
독립표본t검정 예시5
결과 해석 주의 필요!!
등분산을 가정함, 가정하지 않음이 있다.
초보자들은 여기서 멘붕이다.
잘 따라와 주자! 이제 설명 들어간다
등분산 개념은 여러분에게 중요치 않다.
그러니 등분산이 뭔가요?라고 묻지 말고 순수한 스펀지처럼 잘 따라 클릭해보자
등분산 = 분산이 서로 같다는 뜻
숫자 보고, 마지막 “그래서 두 집단의 OO은 같다/다르다” 해석만 잘하면 된다.
1) 등분산 가정부터 본다.
0.05 이상 뜨면 등분산을 가정함 라인(가로줄
= 그림에서는 붉은 점선 네모 박스 )을 본다.
만약 등분산의 유의 수준이 0.05 미만이라면,
초록색 점선 네모 박스를 본다.
독립표본t검정 예시5
2) 유의 수준을 본다
유의 수준이 0.05 미만으로 나타나는지 확인한다.
무조건 0.05 미만이라고 좋은 것이 아님
연구 목적에 따라 다름
왜 무조건 좋은 것이 아니냐고?
생각해보자, 2개의 집단이 같아야 좋은 상황이 있고, 달라야 좋은? 상황이 있다.
극단적인 예인데, “홍길동” 과학 선생님은 A반이든 B반이든
같은 평균점수가 나오도록 균등하게 잘 가르치고 싶어 한다.
그런데, A반과 B반의 성적이 다르다면?
반마다 학생들의 과학 공부 질과 양이 다르던지
선생님이 학생들의 이해에 있어서 의도치 않게
특정 반을 잘 가르쳤던지와 같은
여러 생각을 하게 된다.
그러므로 이와 같은 상황에서는 평균의 차이가 안 나는 것이 좋은 상황이 된다.
분석 결과,
A반의 과학 성적 평균 : 73.47점
B반의 과학 성적 평균 : 71.35점
단순히 수로만 보면 차이가 난다고
생각할 수 있지만,
이러한 차이가 통계적으로 유의적인가를 살펴보면
말이 달라진다.
A, B반의 유의 수준을 보면 0.539로 나타났다.
0.05를 초과한 수이기 때문에
A, B반의 평균의 차이는 통계적으로 유의하지 않다고 해석한다.
즉, A, B반의 과학 성적은 차이가 없다.
독립표본t검정 예시6
분명 점수는 다른데
차이가 없다니, 신기하지 않은가?
경우에 따라서는 평균의 차이가 나는 것이 더 좋은 결과일 수 있다.
예: A기업에서 OO제품에 대해 20대에게 집중으로 마케팅하자는 의견을 내고 싶을 때
“20대와 50대의 만족도가 차이가 나더라, 20대의 만족도가 더 높더라”
“그러므로 우리의 한정된 마케팅 자원을 20대에 더 투자해야 한다.”라는
결과가 뜨면 본인의 주장을 뒷받침해줄 수 있을 것이다.
반응형
키워드에 대한 정보 t test 분석
다음은 Bing에서 t test 분석 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 spss 독립표본 t검정 / 논문에서 가장 많이 사용하는 분석 / 두 모평균의 차이 검증 / independent sample t test / 논문쓰는남자 / 논쓰남
- 독립표본t검정
spss #독립표본 #t검정 #/ #논문에서 #가장 #많이 #사용하는 #분석 #/ #두 #모평균의 #차이 #검증 #/ # #independent #sample #t #test #/ #논문쓰는남자 #/ #논쓰남
YouTube에서 t test 분석 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 spss 독립표본 t검정 / 논문에서 가장 많이 사용하는 분석 / 두 모평균의 차이 검증 / independent sample t test / 논문쓰는남자 / 논쓰남 | t test 분석, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.