스프레드시트에서 P값을 계산하는 방법

p값이란 무엇인가요?

p값은 귀무가설에 대한 증거의 강도를 나타내는 확률 값입니다. 귀무가설(H0로 표시)은 변수 간에 유의미한 차이나 효과가 없다는 진술 또는 가정을 말합니다. 이는 연구자가 관찰된 결과가 통계적으로 유의미한지 아니면 우연히 발생한 결과인지를 판단하는 데 도움이 됩니다.

스프레드시트에서 T.TEST 함수로 p값 찾기

스프레드시트의 T.TEST 함수는 일반적으로 두 데이터 집합의 평균을 비교하고 해당 p값을 계산하는 데 사용됩니다. 이 함수는 두 데이터 집합이 동일한 모집단에서 나왔고 정규 분포이며 분산이 같다고 가정합니다. 사용 방법은 다음과 같습니다:

예를 들어, 새로운 제조 공정이 이전 공정에 비해 평균 불량률을 감소시키는지 확인하려는 경우 일꼬리 테스트를 수행할 수 있습니다.

1. 데이터를 두 개의 별도 열에 입력합니다.
2. p값을 표시할 빈 셀을 선택합니다.
3. =T.TEST(array1, array2, tails, type) 수식을 입력합니다.

• "array1" 및 "array2"는 두 샘플의 데이터 범위입니다.

• "tails"는 테스트의 꼬리 수를 지정합니다(1꼬리 테스트의 경우 1, 2꼬리 테스트의 경우 2로 설정).

• "type"은 수행할 t-검정 유형을 지정합니다(페어링된 데이터의 경우 1로 설정하거나 독립 샘플의 경우 2로 설정).

이 경우 수식은 다음과 같습니다: =T.TEST(A3:A7,B3:B7,1,1)

단검 검정 또는 양검 검정을 사용해야 하는 경우

가설 검정에서 언제 단검 또는 양검을 사용해야 하는지 아는 것은 특정 연구 질문과 예상 효과의 방향성에 따라 달라집니다.

• 특정 방향성 가설이 있는 경우, 즉 효과가 특정 방향(보다 크거나 작음)으로 발생할 것으로 예상하는 경우 단검 검정을 사용합니다. 예를 들어, 새로운 교수법이 시험 점수를 높이는지 테스트하는 경우, 점수가 향상될 것으로 예상한다면 단검 검정을 사용하여 점수가 증가할 것으로 예상할 수 있습니다.

• 그룹 또는 조건 간에 유의미한 차이가 있는지 확인하고 싶지만 구체적인 방향 가설이 없고 어느 방향(증가 또는 감소 가능)으로든 변화를 찾고자 할 때는 양검 검정을 사용합니다. 예를 들어, 새로운 약물이 혈압에 영향을 미치는지 테스트하고 있지만 혈압을 높일지 낮출지 확실하지 않은 경우 양검 검정를 사용합니다.

p값 결과 해석 방법

• p값이 유의 수준(일반적으로 0.05)보다 작으면 결과가 통계적으로 유의하다는 것을 나타냅니다.

• p값이 유의 수준보다 크면 결과가 통계적으로 유의하지 않음을 의미하며, 귀무가설을 기각하지 못한다는 뜻입니다.

이 예에서는 p값이 선택한 유의 수준 0.05보다 훨씬 낮습니다. 새 프로세스가 기존 프로세스에 비해 불량률을 감소시킨다는 주장을 뒷받침할 충분한 증거가 있다는 결론을 내릴 수 있습니다.

T.Test 함수를 사용한 p값 계산의 실제 예시

이러한 각 시나리오에서 스프레드시트의 T.Test 함수를 사용하면 그룹 또는 조건 간에 유의미한 차이와 효과가 있는지 표시하여 정보에 입각한 의사 결정을 내리는 데 도움을 줄 수 있습니다.

• 의학 연구: 두 환자 그룹에서 새로운 혈압 강하제의 효과를 위약과 비교합니다.

• 시장 조사: 서로 다른 두 고객 세그먼트의 평균 지출 패턴을 분석하여 유의미한 차이점을 파악합니다.

• 교육 연구: 통제된 연구에서 새로운 교육 방법이 기존 방법에 비해 더 높은 시험 점수를 가져오는지 평가.

• 제조 품질 관리: 새로운 생산 공정의 샘플과 기존 공정의 샘플을 비교하여 새로운 생산 공정이 제품 품질을 향상시키는지 평가합니다.

• 환경 연구: 두 환경의 모니터링 스테이션에서 얻은 데이터 분석을 통해 도시와 농촌 지역 간의 대기 오염 수준 격차를 조사합니다.

스프레드시트에서 p값을 계산하는 다양한 방법

스프레드시트에서는 수행 중인 가설 검정 유형에 따라 다양한 통계 함수를 사용하여 p값을 계산할 수 있습니다. 다음은 몇 가지 일반적인 방법입니다:

• Z 검정: 모집단 표준 편차를 알고 있는 경우 표본 크기가 큰 경우 Z.TEST 함수를 사용할 수 있습니다. 예를 들어 =Z.TEST(A1:A100, 50, STDEV(A1:A100))는 A1:A100의 표본 평균이 50과 유의하게 다른지 여부를 테스트합니다.

• 카이제곱 검정: 범주형 데이터의 경우 CHISQ.TEST 함수를 사용하여 카이제곱 독립성 테스트를 수행할 수 있습니다. 예를 들어 관측값이 A1:A4 셀에 있고 예상값이 B1:B4 셀에 있는 경우 =CHISQ.TEST(A1:A4, B1:B4)를 사용할 수 있습니다.

• 분산 분석: 여러 그룹에 걸쳐 평균을 비교하려면 분산 분석 함수를 사용할 수 있습니다. 예를 들어 데이터가 세 개의 서로 다른 그룹을 나타내는 A1:A20, B1:B20 및 C1:C20 셀에 있는 경우 =ANOVA(A1:A20, B1:B20, C1:C20)를 사용할 수 있습니다.

• 상관관계 테스트: 두 데이터 집합 간의 상관관계를 테스트하려면 피어슨 함수를 사용할 수 있습니다. 예를 들어 데이터가 A1:A10 및 B1:B10 셀에 있는 경우 =PEARSON(A1:A10, B1:B10)을 사용할 수 있습니다.

스프레드시트에서 p-값을 계산할 때 발생할 수 있는 오류

다음과 같은 실수를 피하면 p값 계산의 정확성과 신뢰성을 향상시킬 수 있습니다.

• 잘못된 수식 사용

• 계산된 p-값의 결과를 잘못 해석하는 경우

• 잘못된 가정. 정규성, 독립성, 분산 등 사용 중인 통계 테스트의 기초가 되는 가정을 숙지하고 있어야 합니다.

• 잘못된 데이터 입력

• 일원 검정과 양측 검정 혼동

• 이상값 또는 영향력 있는 데이터 포인트를 식별하고 처리하지 못한 경우