안녕하세요 교수님 질문이 있어 댓글 남깁니다. Data 구분 시 numeric data 와 nominal data가 있는데 nominal 데이터는 명목척도로 단순히 이름을 범주화시켰다는게 이해가 가는데 numeric data는 뭘까요? age를 numeric이라고 하는건 이해가 되는데 Fedu(Father'seducation)을 0:none, 1-primary education 등으로 나눠 numeric data라고 표기되어 있는데 단순히 나눈다면 nominal이라고 봐도 무방한거 아닌가요??
유익한 정보 너무 감사드립니다. 갑자기 궁금해지는 것이 있는데요, t test 는 기본적으로 표본을 활용하여 모수를 검정한다고 보는거죠? 만약 한 대학교의 모든 남녀학생의 시험점수를 알고있는 상태에서 즉 모집단의 점수를 아는 상태에서 모집단의 점수에 대해 t test를 하는것은 어떤 의미일까요? 이번 시험 점수가 다른 시험 대비 우연히 남자 점수가 더 높았다고 할수 있는가 로 해석해야하는걸까요?
이 강의가 업로드 된 지 5년이 지난 오늘에서야 이런 훌륭한 강의를 찾아 공부하고 있습니다. 감사합니다. 질문인데요, 위 강의의 파일을 내려받아 실습을 진행해 봤는데, '독립표본 t-검정'에서 '정규분포성 검증'을 해 보니 정규분포성을 만족하지 못한다고 나옵니다. Q-Q도표를 보니 극단값들이 있어서 그런 같네요. t-test는 정규분포성을 만족하지 않아도 되나요?
안녕하세요. T test와 ANOVA 관련해서 영상 잘보고 있습니다. 통계에 완전 무지한 상태였는데 정말 도움이 많이 됐습니다. 그런데 궁금한 점이 있는데, 수집한 데이터가 정규분포를 따르지 않는 상태에서도 T test나 ANOVA가 유효한가요? 혹시 유효하지 않다면, Jamovi를 활용해 유의성을 검사하는 방법에는 무엇이 좋을까요?
정주행중입니다. t-test를 제 업무에 적용을 하려하다 보니, 한가지 의문이 생깁니다. 한 집단의 사전/사후(시간차에 따른) 변화 정도를 분석해 보고 싶은데, 이 경우 paired sample t-test를 적용하면 될 듯 한데요, 질문은 이 집단의 값들이 랭킹입니다. 즉, 이전에는 몇등이였는데, 사후에는 몇등으로 변화가 있었다. 이 경우도 paired sample t-test가 적용 가능한지요? 통계를 다시 공부하는데, 이 채널 때문에 너무 재미있게 공부하고 있네요. 감사합니다 ^^
@@SapientiaaDei 안녕하세요. 통알못이지만 말씀하신데로 순서대로 꼼꼼히 다시보니 아래와 같이 정리되는 지점이 있네요. Jamovi에서 사용하는 Hypothesis는 기본적으로 Alternative Hypothesis 인 것 같습니다. 그것은 Null Hypothesis의 가설은 Group 1 = Group 2 로 표시해 할 수 있는데 Alternative Hypothesis는 이것을 반대로 'Group 1 이 Group 2는 다르다' 라고 표시할 수 있습니다. 이것이 two-sided test(양측 검정)이 되고 이것은 one-sided test(단측 검정) 즉, 'Group 1 > Group 2' 또는 'Group 1 < Group 2' 로 표시할 수 있기 때문이지요. 강의중에 양측 검정으로 했을 때 G3만 유의한 P 값이 나오고 단측 검정으로 했을 때는 G1, G2, G3가 모두 유의한 P값이 나온 이유에 대해서는 특별히 설명해 주시지는 않으셨지만 저는 이렇게 해석했습니다. 양측 검증은 정규분포의 가운데 95%의 유사성을 보고 'Group 1 > Group 2'의 단측 검증은 상위 5%를 제외한 나머지 왼쪽 95%의 유사성을 보고 'Group 1 < Group 2'는 그 반대입니다. 따라서 그 관점에서 양측검정에서는 G1과 G2는 남학생과 여학생의 점수가 다르다고 판단하기 애매하다고 판정을 한 것이고 단측 검정에서는 왼쪽 중심으로 보고 오른쪽 중심으로 봐도 다르다라고 판정한 것 같습니다. 실제로 histogram, Box plot, Violin plot을 놓고 보면 두 그룹의 양 극단의 데이터가 미세하게 차이가 있는 반면 중앙 쪽은 비슷하게 보이기도 하네요. 따라서 양측 검정에서의 결과와 단측 검정에서의 결과가 다른 것을 두고 이상하게 생각할 것이 아니라 어떤 관점에서 데이터를 바라보냐의 문제인 것 같습니다. 그리고 미세하게 달라보이는 점에서는 그림만 놓고 보았을 때에는 주관적인 요소가 개입될 수 있지만 검증하는 관점에서는 통계적으로 객관화하여 같다, 다르다 라고 말할 수 있어서 좋은 것 같습니다. 말씀해 주신데로 꼼꼼히 다시 앞 강의부터 봐서 얻은 insight라고 생각했는데 맞는지 모르겠네요. 좋은 강의 감사합니다. ^^
사실 어떤 책이든 한권으로 다 끝내준다는 통계책은 많지만 그런책은 없더라구요. 또, 본인의 현재 통계지식이나 공부하시는 목적에 따라서 다양한 책들이 존재합니다. 통계학자가 쓴 통계책과 계량경제학자가 쓴 통계책 혹은 이공계 전문가가 쓴 통계책들이 다 같은 내용이나 설명 방법이나 포커스가 많이 다르지요. 혹시 아직 통계 초보시라면, 그리고 비교적 급하게 무언가를 하셔야 하는 것이 아니라면 일본사람이 쓴책을 번역한 "빅데이터를 지배하는 통계의 힘"이라는 책을 권하고 싶네요. 저는 1권과 2권까지 보았고 최근에 3권도 나온 것으로 압니다. 다만 일본 통계용어를 번역자가 그대로 옮기다 보니 우리의 현재 통계용어와는 다소 다른 부분도 있으나 쉽게 그리고 천천히 접근하기에 좋습니다. 주로 출퇴근 시간에 짬짬이 읽기도 좋구요. 전문서적을 원하신다면 저는 가급적 영어로 된 쉬운 책부터 보시라고 권합니다. 'Introductory' 라는 단어로 된 통계 책들이 주로 그렇습니다. 이런 책을 몇번 반복해서 읽다보면 보다 분명하게 이해되는 것들이 많더라구요. 제가 뭔가 확실한 솔루션을 드리지 못해 죄송합니다. ^^ 저도 여전히 이런저런 많은 책들과 인터넷으로 계속해서 배워가는 slow learner 랍니다. ^^ 부디 도움이 되셨길 바랍니다.
선생님, 우매한 질문이지만 하나 더 질문 올립니다.Null Hypothesis Ua=Ub라고 가정할 때,수많은 n 번의 random sampling을 통해 나오는 Xa- Xb의 확률이 t-test에서의 t distribution을 그리는 것으로 알고 있습니다.우리는 단 한 번의 sampling 만을 관찰하는 것일 텐데요, 이 sampling을 통해 나온 t- value를 예를 들어서 2라고 할 때 t값 2자체는 확률밀도곡선에서 면적을 가지지 않아 확률 값이 없다고 알고 있습니다.이 때 확률을 정하기 위해 t 값을 range 2
@@sj9514 t-값과 p-값을 잘못 이해하고 계신것 같습니다. t-분포곡선이 존재할때 그 곡선 아래부분 전체가 확률값인 p-값입니다. 그리고 그 곡선 아래의 x축이 t-값의 축입니다. t-값이 정해지면 그 값을 기준으로 좌측이나 우측으로 면적이 정해집니다. 이 면적이 그 t-값의 p-값이 됩니다. 가장 앞부분부터 다시 한번 차근 차근 되세겨 보시길 부탁드립니다 ^^ 도움이 되셨길 바랍니다.
등분산 가정이란 두 그룹의 분산 혹은 표준편차가 비슷해야한다는 의미이고 등분산 테스트는 뒤에 나올 F-test입니다. ANOVA에 가시면 더 명확해집니다. 저도 엑셀에서는 해본적이 없어서 잘 모르겠습니다만, 일종의 감각적인 방법 (rule of thumb)으로는 두 그룹의 분산의 크기가 두배를 넘으면 안된다 정도 입니다. 분산이 너무 달라지면 평균값의 차이를 비교하기위한 기준으로서의 분산의 기능에 의문이 제기되기 때문에 문제가 됩니다.
그렇지 않습니다. 한참 앞에서 설명한 강의를 보시면 우리가 구하는 p-값은 분포도의 면적을 확률로 이해하고 그 면적을 구하면 p-값이 됩니다. t-test에는 t-분포도가 있고 양측검정을 한다는 것은 분포도의 양쪽 끝부분의 합의 면적이 5%가 되게 하므로 좌측과 우측에 각각 2.5%의 면적을 할당하고 이 면적에 해당하는 t-값은 (만약 데이터의 개수가 충분히 커서 t-분포가 이미 z-분포에 근사하다고 가정하면) 좌측에서는 -1.96보다 t-값이 작거나 혹은 우측에서 +1.96보다 t-값이 큰 경우 우리의 p-값은 5%보다 작은 것입니다. 이것을 단측검정으로 바꾸면 5%의 면적을 좌측이나 우측 하나로 몰아주게 되어 좌측검정의 경우 -1.64보다 t-값이 작으면 p-값이 5% 보다 작아지게 되고, 우측검정이 되면 +1.64보다 t-값이 크면 p-값이 5%보다 작아지게 됩니다. 절대 나누기 2 하는 것이 아닙니다. 따라서 양측검정시 만약 t-값이 1.64와 1.96 사이에 존재하면, 양측검정에서는 5%보다 p-값이 커지게 되고, 이를 단측검정으로 바꿔서 하면 p-값이 5%보다 작아지게 되는 현상이 나타납니다. 그러나 양측검정이 보다 보수적이므로 이를 기본으로 하는 것을 모든 연구자들이 보이지 않게 약속하고 있다고 보시면 됩니다. 앞에서부터 차근차근 한번 더 살펴보시면 더욱 좋겠습니다. 저도 다시 SPSS를 확인해 봤는데, 정말 단측검정을 하기위한 옵션이 안보이네요. 최근 버전은 다를 수도 있습니다. 가급적 SPSS를 어둠의 경로로 사용하시기 보다 여기서 소개해 드린 jamovi 같은 프로그램을 무료로 안전하게 사용하시는 것을 권해드립니다. 가르쳐드리는 입장에서 왠지 제가 좀 찔려서요 ^^ 아마도 제 생각에는 spss에 텍스트로 명령어를 넣어서 돌리는 방법이 있는데, 거기서는 단측검정이 되지 않을까 하는 생각이 듭니다. 저도 거기까지는 자세하게 모르겠네요. ^^ 조금이나마 도움이 되셨길 바랍니다.
인류 문명 발전을 위한 초석을 깔고 계시네요.
명강의 잘 들었습니다.
감사합니다.
인류 문명 발전은 모르겠지만 제 두뇌 발전은 확실히 시키신 것 같습니다
통계를 활용하는 공대 학과 중 하나인데, 항상 전공 수업이 겁났었는데 진짜 선생님 덕분에 자신감이 생겼습니다. 너무 감사합니다.
제가 더 감사하네요 ^^ 힘내세요 ^^
정말 대단하고 배려심넘치고 사려깊고 놀라운 강의입니다. 감사합니다
강의나 책에서 빠져있는 중요한 고리들이 있는데 그걸 설명해주시니...속이 뻥 뚫리네요. 감사 감사 감사합니다.
뒤늦게 통계 공부하는 만학도입니다. 정말 감사합니다. 하루하루 새로운 세상이 열리는 느낌입니다. 반드시 복받으실 겁니다.
문과 전공잔데 통계공부를 혼자하다가 봤습니다, 진짜 큰 도움이 되었습니다. 댓글 진짜 언제 달아봤는지 기억도 없는데 너무 감사해도 댓글 달아봅니다! 감사합니다 ㅎㅎ
정말 감사합니다. 통계에 대해 아무것도 몰랐는데 선생님 강의를 듣고 너무 많이 도움을 받았습니다. 감사합니다. 항상 건강하시고 복 많이받으시고 행복하시길 바라겠습니다!!!! 강의 너무 유익했습니다. 감사합니다!!!
선생님.. 진짜 감사합니다. 항상 행복하시고 건강하세요!
미쳤다. 여태까지 이런 통계 강의는 없었다.
너무 감사합니다. 이 채널을 빨리 알았다면 제때 졸업할 수 있었을텐데 ㅠㅠ 이제라도 봐서 다행입니다.
와 미쳤다 ....진짜감사합니다 ㅠㅠ
진짜 짱입니다. 정말 감사합니다. 이강의는 돈내고 들어야되는정도의 퀄리티인데요...ㅜㅜ
형님.. 그저 빛 입니다..
많은 도움을 받았습니다.
감사합니다 박사님
감사합니다. ^^
명쾌한 목소리와 정확한 설명 넘 감사합니다!!!
와... 개꿀! 감사합니다!
강의 잘 보고있습니다! 감사합니다~!
제가 감사하지요. ^^
정말 감사합니다😊
많은 도움 되고 있습니다. 감사합니다.
덕분에 좋은 통계 프로그램을 알게되었습니다! 열심히 연습해보겠습니다!
박사님 강의 듣고 자모비 깔았습니다!
기초부터 이해하기 쉽게 알려주셔서 감사합니다^^
안녕하세요 교수님 질문이 있어 댓글 남깁니다.
Data 구분 시 numeric data 와 nominal data가 있는데 nominal 데이터는 명목척도로 단순히 이름을 범주화시켰다는게 이해가 가는데 numeric data는 뭘까요?
age를 numeric이라고 하는건 이해가 되는데 Fedu(Father'seducation)을 0:none, 1-primary education 등으로 나눠 numeric data라고 표기되어 있는데 단순히 나눈다면 nominal이라고 봐도 무방한거 아닌가요??
유익한 정보 너무 감사드립니다. 갑자기 궁금해지는 것이 있는데요, t test 는 기본적으로 표본을 활용하여 모수를 검정한다고 보는거죠? 만약 한 대학교의 모든 남녀학생의 시험점수를 알고있는 상태에서 즉 모집단의 점수를 아는 상태에서 모집단의 점수에 대해 t test를 하는것은 어떤 의미일까요? 이번 시험 점수가 다른 시험 대비 우연히 남자 점수가 더 높았다고 할수 있는가 로 해석해야하는걸까요?
SPSS 비용 당연히 비쌈ㅋㅋㅋㅋ 이런 포인트때문에 강의가 더 집중되고 재미있네요.
이 강의가 업로드 된 지 5년이 지난 오늘에서야 이런 훌륭한 강의를 찾아 공부하고 있습니다. 감사합니다.
질문인데요, 위 강의의 파일을 내려받아 실습을 진행해 봤는데, '독립표본 t-검정'에서 '정규분포성 검증'을 해 보니 정규분포성을 만족하지 못한다고 나옵니다. Q-Q도표를 보니 극단값들이 있어서 그런 같네요. t-test는 정규분포성을 만족하지 않아도 되나요?
공짜로 듣는것이 죄송하다는 생각이 드는 강의입니다. 정말 감사합니다.
아 너무너무 감사합니다! ㅜㅜ 그런데 자모비나 data가 다운이 안되는건 제 컴의 문제일까요 ㅜ
그래도 강의 너무 감사합니다!! ㅎ
안녕하세요. T test와 ANOVA 관련해서 영상 잘보고 있습니다. 통계에 완전 무지한 상태였는데 정말 도움이 많이 됐습니다. 그런데 궁금한 점이 있는데, 수집한 데이터가 정규분포를 따르지 않는 상태에서도 T test나 ANOVA가 유효한가요? 혹시 유효하지 않다면, Jamovi를 활용해 유의성을 검사하는 방법에는 무엇이 좋을까요?
사실 정규분포를 너무 심하게 따르지 않는다면 아예 non-parametric으로 분석을 하는 것이 맞다고 봅니다. 다만 이 경우 너무 이를 과신하면 좀 문제가 있어서요. 이런 경우는 따로 non-parametric으로 설명드리는게 나을 것 같네요. ㅠㅠ
정주행중입니다. t-test를 제 업무에 적용을 하려하다 보니, 한가지 의문이 생깁니다. 한 집단의 사전/사후(시간차에 따른) 변화 정도를 분석해 보고 싶은데, 이 경우 paired sample t-test를 적용하면 될 듯 한데요, 질문은 이 집단의 값들이 랭킹입니다. 즉, 이전에는 몇등이였는데, 사후에는 몇등으로 변화가 있었다. 이 경우도 paired sample t-test가 적용 가능한지요?
통계를 다시 공부하는데, 이 채널 때문에 너무 재미있게 공부하고 있네요. 감사합니다 ^^
순위라니 저도 좀 난감하네요 깐깐하게 보자면 순위척도는 사용이 좀 난처하긴 한데요... 저도 뭘 해야할지 딱히 잘 모르겠는데요...^^
@@SapientiaaDei 답변주셔서 감사합니다^^
강의 잘 들었습니다. 한 가지 궁금한 점이 있습니다. 강의 중에 Hypothesis가 'Group 1 > Group 2' 인 조건이 단측 검증이라고 하셨는데 그 이유가 무엇인지 궁금하구요. 단측 검증이라면 정규분포의 오른쪽을 검사한 것인지 왼쪽을 검사했는지 궁금합니다.
죄송하지만 단순답변하기엔 너무 많은 내용인데요 가장 앞의 강의부터 차근차근 보시면 쉽게 이해하실수 있을거 같네요 ^^
@@SapientiaaDei 안녕하세요. 통알못이지만 말씀하신데로 순서대로 꼼꼼히 다시보니 아래와 같이 정리되는 지점이 있네요.
Jamovi에서 사용하는 Hypothesis는 기본적으로 Alternative Hypothesis 인 것 같습니다.
그것은 Null Hypothesis의 가설은 Group 1 = Group 2 로 표시해 할 수 있는데 Alternative Hypothesis는 이것을 반대로 'Group 1 이 Group 2는 다르다' 라고 표시할 수 있습니다. 이것이 two-sided test(양측 검정)이 되고 이것은 one-sided test(단측 검정) 즉, 'Group 1 > Group 2' 또는 'Group 1 < Group 2' 로 표시할 수 있기 때문이지요.
강의중에 양측 검정으로 했을 때 G3만 유의한 P 값이 나오고 단측 검정으로 했을 때는 G1, G2, G3가 모두 유의한 P값이 나온 이유에 대해서는 특별히 설명해 주시지는 않으셨지만 저는 이렇게 해석했습니다.
양측 검증은 정규분포의 가운데 95%의 유사성을 보고 'Group 1 > Group 2'의 단측 검증은 상위 5%를 제외한 나머지 왼쪽 95%의 유사성을 보고 'Group 1 < Group 2'는 그 반대입니다. 따라서 그 관점에서 양측검정에서는 G1과 G2는 남학생과 여학생의 점수가 다르다고 판단하기 애매하다고 판정을 한 것이고 단측 검정에서는 왼쪽 중심으로 보고 오른쪽 중심으로 봐도 다르다라고 판정한 것 같습니다. 실제로 histogram, Box plot, Violin plot을 놓고 보면 두 그룹의 양 극단의 데이터가 미세하게 차이가 있는 반면 중앙 쪽은 비슷하게 보이기도 하네요. 따라서 양측 검정에서의 결과와 단측 검정에서의 결과가 다른 것을 두고 이상하게 생각할 것이 아니라 어떤 관점에서 데이터를 바라보냐의 문제인 것 같습니다. 그리고 미세하게 달라보이는 점에서는 그림만 놓고 보았을 때에는 주관적인 요소가 개입될 수 있지만 검증하는 관점에서는 통계적으로 객관화하여 같다, 다르다 라고 말할 수 있어서 좋은 것 같습니다.
말씀해 주신데로 꼼꼼히 다시 앞 강의부터 봐서 얻은 insight라고 생각했는데 맞는지 모르겠네요.
좋은 강의 감사합니다. ^^
강의 너무 감사 드립니다.
외람되지만, 통계 공부하려고 책을 하나 구입할까 하는데, 추천 해 주실만한 책이 있으실까요?
사실 어떤 책이든 한권으로 다 끝내준다는 통계책은 많지만 그런책은 없더라구요. 또, 본인의 현재 통계지식이나 공부하시는 목적에 따라서 다양한 책들이 존재합니다. 통계학자가 쓴 통계책과 계량경제학자가 쓴 통계책 혹은 이공계 전문가가 쓴 통계책들이 다 같은 내용이나 설명 방법이나 포커스가 많이 다르지요. 혹시 아직 통계 초보시라면, 그리고 비교적 급하게 무언가를 하셔야 하는 것이 아니라면 일본사람이 쓴책을 번역한 "빅데이터를 지배하는 통계의 힘"이라는 책을 권하고 싶네요. 저는 1권과 2권까지 보았고 최근에 3권도 나온 것으로 압니다. 다만 일본 통계용어를 번역자가 그대로 옮기다 보니 우리의 현재 통계용어와는 다소 다른 부분도 있으나 쉽게 그리고 천천히 접근하기에 좋습니다. 주로 출퇴근 시간에 짬짬이 읽기도 좋구요. 전문서적을 원하신다면 저는 가급적 영어로 된 쉬운 책부터 보시라고 권합니다. 'Introductory' 라는 단어로 된 통계 책들이 주로 그렇습니다. 이런 책을 몇번 반복해서 읽다보면 보다 분명하게 이해되는 것들이 많더라구요. 제가 뭔가 확실한 솔루션을 드리지 못해 죄송합니다. ^^ 저도 여전히 이런저런 많은 책들과 인터넷으로 계속해서 배워가는 slow learner 랍니다. ^^ 부디 도움이 되셨길 바랍니다.
Gretl도 좋아용
감사합니다 ^^ 한번 사용해봐야겠네요 ^^
선생님, 우매한 질문이지만 하나 더 질문 올립니다.Null Hypothesis Ua=Ub라고 가정할 때,수많은 n 번의 random sampling을 통해 나오는 Xa- Xb의 확률이 t-test에서의 t distribution을 그리는 것으로 알고 있습니다.우리는 단 한 번의 sampling 만을 관찰하는 것일 텐데요, 이 sampling을 통해 나온 t- value를 예를 들어서 2라고 할 때 t값 2자체는 확률밀도곡선에서 면적을 가지지 않아 확률 값이 없다고 알고 있습니다.이 때 확률을 정하기 위해 t 값을 range 2
제가 질문의 핵심을 잘 이해 못하겠는데요 ㅠㅠ 아무래도 t-값과 p-값을 혼돈하시는것 같습니다 제가 이해를 못해서 죄송합니다
죄송합니다 ㅠ모집단으로 부터 sample을 얻어 t-value를 구했을 때 왜 t-value로 부터 tail 쪽의 면적 전체를 p-value로 삼았냐는 질문이었습니다. 사실 구한 값 t-value 자체는 확률밀도곡선에서의 면적이 없으니까 확률이 없는 것 아닌가요?
@@sj9514 t-값과 p-값을 잘못 이해하고 계신것 같습니다. t-분포곡선이 존재할때 그 곡선 아래부분 전체가 확률값인 p-값입니다. 그리고 그 곡선 아래의 x축이 t-값의 축입니다. t-값이 정해지면 그 값을 기준으로 좌측이나 우측으로 면적이 정해집니다. 이 면적이 그 t-값의 p-값이 됩니다. 가장 앞부분부터 다시 한번 차근 차근 되세겨 보시길 부탁드립니다 ^^ 도움이 되셨길 바랍니다.
t값이 정해졌을 때 좌측 면적을 구할 지, 우측 면적을 구할 지는 어떤 요소가 결정하나요?대립가설이 결정하나요?
@@sj9514 네 이건 통계의 문제가 아닌 연구자의 연구가설을 먼저 정하면 그 연구가설을 통계적가설의 대립가설로 바꾸면 양측인지 단측인지 우측인지 좌측인지 결정됩니다 ^^
너무 감사합니다. 질문이 하나 있는데요. 엑셀에서 ttest 함수를 쓰다보면 두 집단이 등분산인지, 이분산인지 선택해야하는데, 그부분이 정확히 어떤것을 의미하는지는 이강의만으로는 파악하기가 힘드네요 혹시 참고할만한 내용이 있을까요?
등분산 가정이란 두 그룹의 분산 혹은 표준편차가 비슷해야한다는 의미이고 등분산 테스트는 뒤에 나올 F-test입니다. ANOVA에 가시면 더 명확해집니다. 저도 엑셀에서는 해본적이 없어서 잘 모르겠습니다만, 일종의 감각적인 방법 (rule of thumb)으로는 두 그룹의 분산의 크기가 두배를 넘으면 안된다 정도 입니다. 분산이 너무 달라지면 평균값의 차이를 비교하기위한 기준으로서의 분산의 기능에 의문이 제기되기 때문에 문제가 됩니다.
@@SapientiaaDei 4번 ANOVA 강의와 6-6 강의를 듣고 나름 의문이 정리가되었습니다. 정말 감사합니다!!
선생님 제가 SPSS crack이 있어서 SPSS로 따라가고 있는데요,SPSS에서는 단측검정이 안되나보죠? 그냥 양측검정 p-value에서 /2해야 되는 건가요?항상 감사드립니다.
그렇지 않습니다. 한참 앞에서 설명한 강의를 보시면 우리가 구하는 p-값은 분포도의 면적을 확률로 이해하고 그 면적을 구하면 p-값이 됩니다. t-test에는 t-분포도가 있고 양측검정을 한다는 것은 분포도의 양쪽 끝부분의 합의 면적이 5%가 되게 하므로 좌측과 우측에 각각 2.5%의 면적을 할당하고 이 면적에 해당하는 t-값은 (만약 데이터의 개수가 충분히 커서 t-분포가 이미 z-분포에 근사하다고 가정하면) 좌측에서는 -1.96보다 t-값이 작거나 혹은 우측에서 +1.96보다 t-값이 큰 경우 우리의 p-값은 5%보다 작은 것입니다. 이것을 단측검정으로 바꾸면 5%의 면적을 좌측이나 우측 하나로 몰아주게 되어 좌측검정의 경우 -1.64보다 t-값이 작으면 p-값이 5% 보다 작아지게 되고, 우측검정이 되면 +1.64보다 t-값이 크면 p-값이 5%보다 작아지게 됩니다. 절대 나누기 2 하는 것이 아닙니다. 따라서 양측검정시 만약 t-값이 1.64와 1.96 사이에 존재하면, 양측검정에서는 5%보다 p-값이 커지게 되고, 이를 단측검정으로 바꿔서 하면 p-값이 5%보다 작아지게 되는 현상이 나타납니다. 그러나 양측검정이 보다 보수적이므로 이를 기본으로 하는 것을 모든 연구자들이 보이지 않게 약속하고 있다고 보시면 됩니다. 앞에서부터 차근차근 한번 더 살펴보시면 더욱 좋겠습니다. 저도 다시 SPSS를 확인해 봤는데, 정말 단측검정을 하기위한 옵션이 안보이네요. 최근 버전은 다를 수도 있습니다. 가급적 SPSS를 어둠의 경로로 사용하시기 보다 여기서 소개해 드린 jamovi 같은 프로그램을 무료로 안전하게 사용하시는 것을 권해드립니다. 가르쳐드리는 입장에서 왠지 제가 좀 찔려서요 ^^ 아마도 제 생각에는 spss에 텍스트로 명령어를 넣어서 돌리는 방법이 있는데, 거기서는 단측검정이 되지 않을까 하는 생각이 듭니다. 저도 거기까지는 자세하게 모르겠네요. ^^ 조금이나마 도움이 되셨길 바랍니다.
좋은 강의에 감사드립니다. 단순한 질문이지만 해결이 되지 않아 여쭙습니다. 자모비에서 데이터 불러오기 할때 엑셀은 안불러지는 듯 합니다. 어떻게 하면 될까요? 또한 복사 붙임도 되질 않네요ㅠ spss 데이터로 변환해서 해야하나요ㅠ
모든 프로그램이 그렇지만 불러오기 화면에서 파일명 옆에 파일 타입을 지정할수있습니다 이 부분을 변경하면 원하는 파일을 불러올수있습니다
@@SapientiaaDei 아~ 그런 방식이 있었군요. 구글링으로 열심히 찾다 놓친 해법을 이렇듯 명쾌히 알려주시니 감사합니다^^
좋은 강의 감사합니다!
혹시 그전에 두개대학의 키차이에대한 p 값을 구하려고한다면 jamovi에 어떻게 적용해야할까요? N=5정도로 한다면요
대상 샘플의 개수가 너무 작은경우에는 t-test같은 파라메트릭 테스트는 불가능합니다 넌파라메트릭 테스트를 추천합니다만 사실 이게 사용해서 꼭 좋다고만 하기는 어려워서요 ^^ 저는 사실 이런 경우가 현실에서 발생한다면 그냥 샘플을 더 모으라고 하고싶네요 ^^
그 동안의 책과 이야기들은 다 쓰레기였습니다. 개안을 해주셔서 너무나 감사드립니다.
감사합니다 정말 잘 듣고 있습니다