t-검정 결과를 APA 형식으로 보고하는 방법 (예시 포함)

t-검정 결과, 왜 APA 형식으로 보고해야 할까?

학술 논문이나 학위 논문을 작성할 때, 통계 결과를 일관된 형식으로 보고하는 것은 연구의 신뢰성과 재현 가능성을 높이는 핵심 요소입니다. 특히 심리학, 교육학, 사회과학 분야에서는 APA(American Psychological Association) 7판 양식이 표준으로 사용됩니다.

t-검정은 가장 빈번하게 사용되는 통계 기법 중 하나이지만, 결과를 정확한 형식으로 보고하지 못해 심사에서 수정 요청을 받는 경우가 많습니다. 이 글에서는 올바른 보고 형식을 구체적인 숫자 예시와 함께 안내합니다.

APA 7판 t-검정 보고의 기본 구조

APA 형식에서 t-검정 결과를 보고할 때 반드시 포함해야 하는 요소는 다음과 같습니다.

• t 통계량: 이탤릭체로 t
• 자유도(df): 괄호 안에 표기
• 유의확률(p): 소수점 셋째 자리까지
• 효과크기: Cohen's d 또는 95% 신뢰구간

기본 형식은 아래와 같습니다.

t(df) = 통계량, p = 유의확률, d = 효과크기

숫자는 소수점 둘째 자리까지 보고하되, p 값은 소수점 셋째 자리까지 보고합니다. 1을 초과할 수 없는 값(p, r 등)은 0을 생략하여 .003과 같이 표기합니다.

독립표본 t-검정 보고 예시

연구 상황을 가정해 봅시다. 온라인 학습 집단(n = 45)과 오프라인 학습 집단(n = 43)의 기말고사 점수를 비교하는 연구입니다.

기술통계 보고

먼저 각 집단의 기술통계를 보고합니다.

| 집단 | n | M | SD | |------|---|------|------| | 온라인 | 45 | 78.42 | 12.35 | | 오프라인 | 43 | 72.18 | 11.87 |

결과 보고문 작성

올바른 보고 예시:

독립표본 t-검정 결과, 온라인 학습 집단(M = 78.42, SD = 12.35)이 오프라인 학습 집단(M = 72.18, SD = 11.87)보다 기말고사 점수가 통계적으로 유의하게 높았다, t(86) = 2.48, p = .015, d = 0.52.

여기서 핵심 포인트를 정리하면 다음과 같습니다.

• t, M, SD, p, d는 모두 이탤릭체로 표기합니다.
• p = .015에서 앞의 0을 생략합니다.
• Cohen's d = 0.52는 1을 초과할 수 있으므로 0을 생략하지 않습니다.
• 자유도 86은 괄호 안에 넣습니다.

유의하지 않은 경우

두 집단 간 기말고사 점수에는 통계적으로 유의한 차이가 없었다, t(86) = 1.12, p = .266, d = 0.24.

유의하지 않은 결과도 동일한 형식으로 보고하며, 효과크기 역시 반드시 포함합니다.

대응표본 t-검정 보고 예시

같은 참가자 30명의 프로그램 참여 전후 불안 점수를 비교하는 연구를 가정합니다.

| 시점 | M | SD | |------|------|------| | 사전 | 52.67 | 8.43 | | 사후 | 45.30 | 7.91 |

올바른 보고 예시:

대응표본 t-검정 결과, 프로그램 참여 후 불안 점수(M = 45.30, SD = 7.91)가 참여 전(M = 52.67, SD = 8.43)에 비해 통계적으로 유의하게 감소하였다, t(29) = 3.85, p < .001, d = 0.70.

대응표본의 경우 자유도는 n - 1이므로 참가자 30명일 때 자유도는 29입니다. Cohen's d = 0.70은 중간 수준의 효과크기에 해당합니다.

Cohen's d 효과크기 해석 기준

효과크기는 통계적 유의성과 별도로 실질적 의미를 판단하는 데 사용됩니다. Cohen(1988)이 제안한 해석 기준은 다음과 같습니다.

| Cohen's d | 해석 | |-------------|------| | 0.20 | 작은 효과 (small) | | 0.50 | 중간 효과 (medium) | | 0.80 | 큰 효과 (large) |

APA 7판에서는 효과크기 보고를 필수로 권장하고 있습니다. p 값만으로는 효과의 실질적 크기를 알 수 없기 때문입니다.

흔한 실수와 주의사항

1. p = .000으로 보고하기

SPSS 등의 통계 프로그램에서 p = .000으로 출력되는 경우가 있지만, 이는 p가 정확히 0이라는 뜻이 아닙니다. 이 경우 반드시 p < .001로 보고해야 합니다. p = .000은 잘못된 표기입니다.

2. 효과크기 누락

유의확률만 보고하고 효과크기를 빠뜨리는 것은 APA 7판 기준에 맞지 않습니다. Cohen's d, Hedges' g, 또는 95% 신뢰구간 중 적어도 하나를 함께 보고하세요.

3. 이탤릭체 미적용

t, p, d, M, SD 등 통계 기호는 모두 이탤릭체로 표기해야 합니다. 일반 서체로 쓰는 것은 APA 형식 위반입니다.

4. 자유도 누락 또는 오기

t = 2.48만 적고 자유도를 빼먹거나, 대응표본에서 자유도를 N으로 잘못 기입하는 경우가 있습니다. 독립표본은 n1 + n2 - 2, 대응표본은 n - 1임을 기억하세요.

5. 부등호 사용 오류

p 값이 설정한 유의수준(보통 .05)보다 작을 때 p < .05로 보고하는 것은 괜찮지만, 정확한 p 값을 아는 경우에는 정확한 값을 보고하는 것이 더 바람직합니다. 예를 들어, p = .032가 p < .05보다 정보량이 많습니다.

대응표본 t-검정 APA 보고: 확장 예시

위에서 기본적인 대응표본 t-검정 보고법을 다루었지만, 많은 연구자들은 보다 상세한 사전-사후 설계를 보고해야 하는 경우가 많습니다. 다음은 보다 구체적인 예시입니다.

연구 상황: 12주간 인지행동치료(CBT) 프로그램의 우울증 개선 효과를 평가합니다. 35명의 참가자가 벡 우울 척도(BDI-II)를 프로그램 전후에 작성했습니다. 사전 점수는 M = 28.4(SD = 7.2), 사후 점수는 M = 19.6(SD = 8.1)이었습니다.

올바른 보고 예시:

12주간 CBT 프로그램 전후의 BDI-II 우울 점수를 비교하기 위해 대응표본 t-검정을 실시하였다. 분석 결과, 사전(M = 28.4, SD = 7.2)에 비해 사후(M = 19.6, SD = 8.1) 우울 점수가 통계적으로 유의하게 감소하였다, t(34) = 4.52, p < .001, d = 0.76.

대응표본 보고 시 주의사항

• 양 시점의 기술통계를 모두 보고합니다. 독자가 변화의 방향과 크기를 파악할 수 있도록 사전과 사후의 평균 및 표준편차를 반드시 포함하세요.
• 자유도는 n - 1입니다. 참가자 35명일 때 자유도는 34입니다. 이는 독립표본 t-검정(n1 + n2 - 2)과 다릅니다.
• 효과크기 해석. Cohen's d = 0.76은 중간(0.50)과 큰 효과(0.80) 사이로, 임상적으로 의미 있는 개선을 나타냅니다.
• 평균 차이를 함께 보고할 수 있습니다. "BDI-II 점수의 평균 감소폭은 8.80점(SD = 11.52)이었다"와 같이 보고할 수 있습니다.

일표본 t-검정 APA 보고법

일표본 t-검정은 하나의 표본 평균을 알려진 모집단 값이나 이론적 기준값과 비교하는 검정입니다. 교육학이나 품질관리 연구에서 자주 사용됩니다.

일표본 t-검정의 사용 시기

표본 평균이 특정 기준값과 유의하게 다른지 확인하고자 할 때 사용합니다. 대표적인 활용 사례는 다음과 같습니다.

• 학급 평균을 전국 평균이나 표준화된 기준과 비교하는 경우
• 제조 공정이 목표 규격대로 생산되는지 확인하는 경우
• 만족도 평점이 중립점과 다른지 평가하는 경우

APA 보고 예시

연구 상황: 고급 통계학 수업 학생 30명의 시험 평균이 전국 평균 75점과 다른지 검증합니다. 학급 평균은 M = 79.8(SD = 9.7)입니다.

올바른 보고 예시:

고급 통계학 수업의 시험 점수가 전국 평균 75점과 차이가 있는지 확인하기 위해 일표본 t-검정을 실시하였다. 분석 결과, 학급 평균(M = 79.8, SD = 9.7)은 전국 평균보다 통계적으로 유의하게 높았다, t(29) = 2.71, p = .011, d = 0.49.

보고 시 핵심 사항

• 기준값(검정값)을 반드시 명시합니다. 독자가 어떤 모집단 값과 비교하는지 알아야 합니다. 이 예에서는 75점이 기준값입니다.
• 자유도는 n - 1입니다. 학생 30명이므로 자유도는 29입니다.
• 효과크기 계산. 일표본 t-검정의 Cohen's d는 (M - μ) / SD로 계산됩니다. 여기서 μ는 기준값입니다.
• 방향을 명시합니다. 표본 평균이 기준값보다 높은지 낮은지 명확하게 기술합니다.

t-검정 결과의 APA 표 형식

논문에 여러 개의 t-검정 결과를 보고해야 하는 경우, 표 형식으로 제시하는 것이 본문에 일일이 나열하는 것보다 효율적이고 가독성이 좋습니다.

표 사용 시기

3개 이상의 t-검정 비교를 보고할 때 표 형식을 사용합니다. 여러 종속변인에 대해 집단 비교를 하는 연구에서 특히 유용합니다.

APA 표 예시

Table 1

학습 앱 사용 여부에 따른 시험 성적 비교

| 변인 | 사용 집단 M (SD) | 미사용 집단 M (SD) | t | df | p | d | |------|---------------------|----------------------|------|-----|------|------| | 중간고사 | 76.4 (11.2) | 72.1 (12.8) | 1.68 | 85 | .097 | 0.36 | | 기말고사 | 78.3 (12.1) | 71.6 (13.8) | 2.41 | 85 | .018 | 0.52 | | 실험 보고서 | 82.7 (9.4) | 79.3 (10.1) | 1.64 | 85 | .104 | 0.35 | | 퀴즈 평균 | 85.1 (7.8) | 80.2 (8.9) | 2.78 | 85 | .007 | 0.59 |

표 작성 가이드라인

• 제목. 이탤릭체로 집단과 변인을 식별할 수 있는 기술적 제목을 작성합니다.
• 열 머리글. 각 집단의 M(SD), t, df, p, 효과크기를 포함합니다.
• 정렬. 숫자 열은 소수점 기준으로 정렬합니다. 텍스트 열은 왼쪽 정렬합니다.
• 주석. Welch 보정, 단측 검정, Bonferroni 조정을 사용한 경우 표 아래에 주석을 추가합니다.
• 유의도 표시. APA 7판에서는 별표(*) 기반 유의도 표시보다 정확한 p 값을 표에 직접 보고하는 것을 권장합니다.

t-검정에서의 신뢰구간 보고

APA 7판에서는 점 추정치와 함께 신뢰구간을 보고할 것을 권장합니다. 신뢰구간은 p 값만으로는 전달할 수 없는 추정의 정밀도에 대한 정보를 제공합니다.

신뢰구간을 보고하는 이유

평균 차이의 95% 신뢰구간은 모집단에서의 실제 차이가 존재할 가능성이 높은 범위를 독자에게 알려줍니다. 이는 단순히 유의한지 아닌지를 이분법적으로 판단하는 것보다 효과의 방향과 정밀도를 모두 보여주기 때문에 더 유익합니다.

신뢰구간을 포함한 APA 보고 예시

연구 상황: 실험 집단(n = 30)과 통제 집단(n = 30)의 반응 시간을 비교합니다. 평균 차이는 7.80ms입니다.

올바른 보고 예시:

독립표본 t-검정 결과, 실험 조건의 참가자(M = 342.5, SD = 28.7)는 통제 조건의 참가자(M = 350.3, SD = 31.2)보다 반응 시간이 유의하게 빨랐다, t(58) = 2.89, p = .005, d = 0.75, 95% CI [0.22, 1.27].

평균 차이에 대한 신뢰구간도 보고할 수 있습니다.

반응 시간의 평균 차이는 7.80ms였다, 95% CI [2.14, 13.46].

신뢰구간이 p 값으로는 알 수 없는 정보

• 추정의 정밀도. 좁은 신뢰구간은 정밀한 추정을, 넓은 신뢰구간은 결과가 유의하더라도 불확실성이 크다는 것을 나타냅니다.
• 실질적 유의성. 신뢰구간에 실질적으로 의미 없을 만큼 작은 값이 포함되면, 통계적으로 유의하더라도 실용적으로 중요하지 않을 수 있습니다.
• 효과의 방향. 0을 포함하지 않는 신뢰구간은 해당 유의수준에서 통계적으로 유의한 차이를 의미합니다.
• 후속 연구 설계. 신뢰구간의 폭은 보다 정밀한 추정을 위해 더 큰 표본이 필요한지 판단하는 데 도움이 됩니다.

독립표본 t-검정과 대응표본 t-검정의 선택

올바른 t-검정 유형을 선택하는 것은 결과의 타당성에 영향을 미치는 중요한 단계입니다. 잘못된 검정을 사용하면 제1종 오류율(거짓 양성)이 증가하거나 통계적 검정력이 감소(거짓 음성 증가)할 수 있습니다.

선택 기준

핵심 질문은 두 점수 집합이 같은 참가자에게서 나온 것인지, 아니면 다른 참가자에게서 나온 것인지입니다.

독립표본 t-검정을 사용하는 경우:

• 서로 다른 두 집단을 비교할 때 (예: 실험 집단 vs. 통제 집단)
• 참가자가 두 조건 중 하나에 무선 배정된 경우
• 두 집단의 관찰치 간에 논리적 대응 관계가 없는 경우

대응표본 t-검정을 사용하는 경우:

• 같은 참가자를 두 번 측정한 경우 (예: 사전-사후 검사)
• 주요 변인에 따라 참가자를 매칭한 경우 (예: 매칭된 쌍 설계)
• 한 집단의 각 관찰치가 다른 집단의 특정 관찰치와 대응하는 경우

흔한 혼동: 매칭된 표본 vs. 대응표본

매칭된 쌍 설계(연령, 성별, 기저선 점수 등 유사한 특성에 따라 참가자를 짝지은 설계)는 서로 다른 사람이 참여하더라도 대응표본 t-검정을 사용합니다. 핵심은 두 집단의 관찰치 간에 일대일 대응 관계가 있느냐는 것입니다.

잘못된 검정을 사용하면?

• 대응 데이터에 독립표본 검정을 사용한 경우: 대응 관찰치 간의 상관을 무시하므로 통계적 검정력이 떨어집니다. 표준오차가 실제보다 커져 실제 차이를 탐지하기 어려워집니다.
• 독립 데이터에 대응표본 검정을 사용한 경우: 존재하지 않는 집단 간 상관을 가정하여 결과가 왜곡되고 p 값이 부정확해질 수 있습니다.

빠른 의사결정 흐름

1. 같은 참가자가 두 조건에서 측정되었는가? → 대응표본 t-검정
2. 참가자가 집단 간에 일대일로 매칭되었는가? → 대응표본 t-검정
3. 두 집단이 완전히 별개인가? → 독립표본 t-검정

Welch의 t-검정을 사용해야 하는 경우

Student의 t-검정(고전적 독립표본 t-검정)은 두 집단의 모분산이 같다고 가정합니다. 이 가정이 위반되면 Welch의 t-검정이 더 정확한 결과를 제공합니다.

Welch의 t-검정이 중요한 이유

Delacre 등(2017)을 포함한 많은 통계학자들은 현재 독립표본 비교의 기본 검정으로 Welch의 t-검정을 권장합니다. 그 이유는 다음과 같습니다.

• Welch의 검정은 등분산을 가정하지 않아 더 강건합니다.
• 분산이 실제로 같은 경우에도 Welch의 검정은 Student의 검정과 거의 동일한 성능을 보입니다.
• 분산이 다른 경우 Student의 검정은 제1종 오류율이 증가할 수 있지만, Welch의 검정은 올바른 오류율을 유지합니다.

Welch의 t-검정 APA 보고법

보고 시 핵심적인 차이는 Welch의 t-검정이 비정수 자유도를 산출한다는 점입니다. 자유도가 표본 크기와 분산에 따라 조정되기 때문입니다.

보고 예시:

Welch의 독립표본 t-검정 결과, 고불안 집단(M = 45.2, SD = 14.3)이 저불안 집단(M = 36.8, SD = 8.7)보다 스트레스 척도 점수가 유의하게 높았다, t(52.34) = 2.67, p = .010, d = 0.72.

보고 시 핵심 세부사항

• 비정수 자유도. 조정된 자유도를 소수점 둘째 자리까지 보고합니다(예: t(52.34)). 이는 Welch 보정이 적용되었음을 독자에게 알려줍니다.
• 검정 유형을 명시합니다. "Welch의 t-검정" 또는 "Welch의 독립표본 t-검정"이라고 명확히 기재합니다.
• Levene 검정. 등분산 가정의 위반을 근거로 Welch 검정 사용을 정당화할 수 있습니다: "Levene 검정 결과 등분산 가정이 위반되어(F = 5.42, p = .023), Welch의 t-검정을 사용하였다."
• 소프트웨어 기본값. R과 SPSS 28 이상 버전 등 많은 통계 소프트웨어가 Welch의 t-검정을 기본값으로 사용합니다.

자주 묻는 질문

단측 검정과 양측 검정의 차이는 무엇인가요?

양측 검정은 두 집단 간의 차이가 어느 방향이든 존재하는지 확인하고, 단측 검정은 특정 방향으로의 차이만 확인합니다(예: A 집단이 B 집단보다 높은지). 대부분의 연구에서는 양측 검정이 표준이며, 이는 보다 보수적이고 효과의 방향을 미리 가정하지 않기 때문입니다. 단측 검정을 사용하는 경우 이론적 근거나 선행 연구에 기반하여 정당화해야 합니다.

t-검정에서 Cohen's d는 항상 보고해야 하나요?

네, APA 7판에서는 모든 추론 통계 검정에 효과크기를 보고할 것을 요구합니다. Cohen's d는 t-검정의 표준 효과크기로, 집단 간 차이를 표준편차 단위로 수량화합니다. 대안으로 Hedges' g(소표본 편향 보정)나 Glass의 delta(통제 집단의 표준편차만 사용)가 있습니다.

음수 t 값은 무엇을 의미하나요?

음수 t 값은 단순히 첫 번째 집단의 평균이 두 번째 집단의 평균보다 낮다는 것을 의미합니다. 부호는 어느 집단에서 어느 집단을 빼느냐에 따라 달라지며, 검정의 통계적 유의성에는 영향을 미치지 않습니다. 유의성을 판단하는 것은 t의 절댓값입니다.

p < .001일 때 t-검정 결과를 어떻게 보고하나요?

정확한 값 대신 p < .001로 보고합니다. 확률은 정확히 0이 될 수 없으므로 p = .000이라고 쓰지 않습니다. 예시: t(58) = 4.23, p < .001, d = 1.11. 일부 학술지에서는 매우 작은 값도 정확하게 보고하도록 요청할 수 있지만(예: p = .00003), p < .001이 가장 일반적인 관행입니다.

t-검정은 세 집단 이상에도 사용할 수 있나요?

아니요, t-검정은 정확히 두 집단 또는 두 조건을 비교하기 위해 설계되었습니다. 세 집단 이상을 비교하려면 일원분산분석(ANOVA)을 사용하여 가족별 오류율을 통제해야 합니다. 여러 쌍의 t-검정을 반복하면 제1종 오류율이 증가합니다. 예를 들어, 4개 집단에서 6번의 쌍별 t-검정을 실시하면 가족별 오류율이 약 5%가 아닌 26%로 증가합니다.

데이터가 정규분포를 따르지 않으면 어떻게 하나요?

표본 크기가 30 이상인 경우 중심극한정리에 의해 t-검정은 정규성의 중등도 위반에 대해 일반적으로 강건합니다. 심각한 비정규성이거나 소표본(n < 15)인 경우에는 비모수 대안을 사용하세요: 독립표본에는 Mann-Whitney U 검정, 대응표본에는 Wilcoxon 부호순위 검정이 적합합니다.

t-검정에 필요한 최소 표본 크기는 얼마인가요?

엄격한 통계적 최솟값은 없지만, 대부분의 방법론 지침에서는 중간 효과크기(d = 0.50)를 유의수준 .05에서 탐지하기 위해 집단당 최소 15~20명을 권장합니다. 공식적인 검정력 분석을 강력히 권장합니다. 예를 들어, 독립표본 t-검정에서 80% 검정력으로 중간 효과를 탐지하려면 집단당 약 64명이 필요합니다.

독립표본 t-검정 전에 Levene 검정을 보고해야 하나요?

네, 좋은 관행입니다. Levene 검정은 두 집단의 분산이 같은지 평가합니다. Levene 검정이 유의하면(p < .05) 등분산 가정이 위반된 것이므로, Student의 t-검정 대신 Welch의 t-검정을 보고해야 합니다. 보고 예시: "Levene 검정 결과 등분산 가정이 위반되어(F = 5.42, p = .023), 자유도는 Welch 보정을 적용하였다."

StatMate로 t-검정 결과를 쉽게 보고하기

StatMate 통계 계산기를 활용하면 t-검정 결과를 빠르고 정확하게 얻을 수 있습니다.

1. 데이터 입력: StatMate의 t-검정 계산기에서 각 집단의 데이터를 입력합니다.
2. 자동 계산: t 통계량, 자유도, p 값, Cohen's d가 자동으로 계산됩니다.
3. APA 형식 출력: 계산 결과를 APA 형식에 맞게 바로 복사할 수 있습니다.

수기 계산에서 발생하기 쉬운 오류를 줄이고, 효과크기까지 한 번에 확인할 수 있어 논문 작성 시간을 크게 절약할 수 있습니다.

마무리

t-검정 결과를 APA 형식으로 정확하게 보고하는 것은 어렵지 않습니다. 핵심은 t 통계량, 자유도, p 값, 효과크기를 빠짐없이 포함하고, 이탤릭체와 소수점 자릿수 규칙을 지키는 것입니다. 이 글에서 소개한 예시를 참고하여 자신의 연구 결과에 적용해 보세요.