ANOVA 결과 보고, 왜 정확한 형식이 중요할까?
분산분석(ANOVA)은 세 개 이상의 집단 평균을 비교할 때 사용하는 핵심 통계 기법입니다. 심리학, 교육학, 경영학, 의학 등 거의 모든 사회과학 분야에서 활용되며, 학술 논문에서 가장 자주 등장하는 분석 방법 중 하나입니다.
그러나 ANOVA 결과를 APA 7판 형식에 맞게 정확히 보고하는 것은 t-검정보다 복잡합니다. F 통계량과 자유도를 올바르게 표기하는 것은 물론, 효과크기로 부분에타제곱(partial eta squared)을 보고해야 하고, 유의한 결과가 나왔을 때는 사후검정(post-hoc test) 결과까지 포함해야 합니다. 등분산 가정이 위반된 경우에는 Welch's F를 사용해야 하는 상황도 있습니다.
이 글에서는 ANOVA APA 보고에 필요한 모든 요소를 구체적인 숫자 예시와 함께 체계적으로 안내합니다.
APA 7판 ANOVA 보고의 기본 구조
ANOVA 결과를 APA 형식으로 보고할 때 반드시 포함해야 하는 요소는 다음과 같습니다.
- F 통계량: 이탤릭체로 F
- 자유도(df): 괄호 안에 집단 간 자유도와 집단 내 자유도를 쉼표로 구분하여 표기
- 유의확률(p): 소수점 셋째 자리까지
- 효과크기: 부분에타제곱 η²p 또는 에타제곱 η²
기본 형식은 아래와 같습니다.
F(df집단 간, df집단 내) = 통계량, p = 유의확률, η²p = 효과크기
소수점 자릿수 규칙은 t-검정과 동일합니다. F 통계량은 소수점 둘째 자리까지, p 값은 소수점 셋째 자리까지 보고합니다. p 값과 η²p처럼 1을 초과할 수 없는 값은 앞의 0을 생략하여 .013과 같이 표기합니다.
일원분산분석(One-way ANOVA) 보고 예시
연구 상황
세 가지 교수법(전통 강의, 토론식 수업, 프로젝트 기반 학습)이 학생들의 기말고사 점수에 미치는 영향을 비교하는 연구를 가정합니다. 각 집단에 30명씩, 총 90명의 학생이 참여했습니다.
기술통계 보고
먼저 각 집단의 기술통계를 표로 정리합니다.
| 교수법 | n | M | SD | |--------|---|------|------| | 전통 강의 | 30 | 72.40 | 10.25 | | 토론식 수업 | 30 | 78.93 | 9.87 | | 프로젝트 기반 학습 | 30 | 80.17 | 11.02 |
결과 보고문 작성
올바른 보고 예시:
교수법에 따른 기말고사 점수 차이를 검정하기 위해 일원분산분석을 실시하였다. 분석 결과, 교수법의 주효과가 통계적으로 유의하였다, F(2, 87) = 4.52, p = .013, η²p = .09. 이는 교수법이 기말고사 점수 전체 분산의 약 9%를 설명함을 나타낸다.
여기서 핵심 포인트를 정리하면 다음과 같습니다.
- 자유도 표기: F(2, 87)에서 2는 집단 간 자유도(집단 수 - 1 = 3 - 1), 87은 집단 내 자유도(전체 참가자 수 - 집단 수 = 90 - 3)입니다.
- 부분에타제곱: η²p = .09는 소수점 둘째 자리까지 보고하며, 앞의 0을 생략합니다.
- 해석 포함: 단순히 숫자만 나열하는 것이 아니라, 효과크기의 의미를 간략히 설명하는 것이 바람직합니다.
유의하지 않은 경우
일원분산분석 결과, 교수법에 따른 기말고사 점수 차이는 통계적으로 유의하지 않았다, F(2, 87) = 1.24, p = .295, η²p = .03.
유의하지 않은 결과도 동일한 형식으로 보고하며, 효과크기 역시 반드시 포함합니다.
부분에타제곱(η²p) 효과크기 해석
부분에타제곱은 ANOVA에서 가장 널리 사용되는 효과크기 지표입니다. Cohen(1988)이 제안한 해석 기준은 다음과 같습니다.
| η²p | 해석 | |-------|------| | .01 | 작은 효과 (small) | | .06 | 중간 효과 (medium) | | .14 | 큰 효과 (large) |
위 예시에서 η²p = .09는 중간 효과에 해당합니다. APA 7판에서는 효과크기 보고를 필수로 권장하므로, ANOVA 결과를 보고할 때 p 값만 적고 효과크기를 누락하면 안 됩니다.
오메가제곱(ω²): 에타제곱보다 편향이 적은 효과크기
부분에타제곱이 ANOVA에서 가장 널리 보고되는 효과크기이지만, 한 가지 한계가 있다. 표본 크기가 작을수록 모집단의 효과크기를 과대추정하는 경향이 있다는 점이다. 이는 에타제곱이 모형의 자유도를 보정하지 않고 표본 데이터에서 직접 계산되기 때문이다.
**오메가제곱(ω²)**은 집단 수와 전체 표본 크기를 고려한 보정을 적용하여 이러한 편향을 해결한다. 그 결과, 표본이 아닌 모집단에서 독립변수가 설명하는 분산 비율을 더 보수적이고 정확하게 추정할 수 있다.
오메가제곱의 해석 기준은 에타제곱과 동일하다.
| ω² | 해석 | |------|------| | .01 | 작은 효과 (small) | | .06 | 중간 효과 (medium) | | .14 | 큰 효과 (large) |
오메가제곱과 부분에타제곱, 언제 어떤 것을 사용할까?
실제 연구에서는 SPSS 등의 통계 소프트웨어가 기본적으로 출력하는 부분에타제곱이 더 널리 보고된다. 그러나 다음과 같은 상황에서는 오메가제곱이 더 적합하다.
- 소표본 연구 (N < 50): 에타제곱의 과대추정 경향이 가장 두드러지는 경우
- 보수적이고 일반화 가능한 추정치를 원하는 경우
- 심사자나 학술지에서 명시적으로 요구하는 경우: 방법론적으로 엄격한 학술지에서 점점 더 흔해지고 있다
표본 크기가 충분히 큰 경우(N > 200), η²p와 ω²의 차이는 미미하다. 소규모 연구에서는 두 지표를 함께 보고하거나 오메가제곱을 선택하는 것이 안전하다.
오메가제곱 APA 보고 예시
일원분산분석 결과, 교수법에 따른 기말고사 점수 차이가 통계적으로 유의하였다, F(2, 87) = 4.52, p = .013, ω² = .07.
오메가제곱 값은 같은 데이터에 대한 부분에타제곱 값보다 약간 작게 나타나는 것이 일반적이며, 이는 오메가제곱의 보정 기능을 반영한다.
Tukey HSD 사후검정 보고 방법
ANOVA에서 유의한 결과가 나왔다는 것은 적어도 하나의 집단 쌍에서 유의한 차이가 있다는 뜻일 뿐, 어떤 집단 간에 차이가 있는지는 알려주지 않습니다. 이를 확인하기 위해 **사후검정(post-hoc test)**을 실시해야 합니다.
가장 널리 사용되는 사후검정 방법인 **Tukey HSD(Honestly Significant Difference)**의 보고 형식은 다음과 같습니다.
사후검정 보고 예시
Tukey HSD 사후검정 결과, 전통 강의 집단(M = 72.40)과 토론식 수업 집단(M = 78.93) 간의 차이가 통계적으로 유의하였으며(p = .038, d = 0.65), 전통 강의 집단과 프로젝트 기반 학습 집단(M = 80.17) 간의 차이도 통계적으로 유의하였다(p = .011, d = 0.73). 토론식 수업 집단과 프로젝트 기반 학습 집단 간의 차이는 통계적으로 유의하지 않았다(p = .874, d = 0.12).
사후검정 결과 표
사후검정 결과가 복잡한 경우 표로 정리하면 가독성이 높아집니다.
| 비교 | 평균 차이 | SE | p | d | |------|-----------|------|------|------| | 전통 강의 vs 토론식 수업 | -6.53 | 2.68 | .038 | 0.65 | | 전통 강의 vs 프로젝트 기반 학습 | -7.77 | 2.68 | .011 | 0.73 | | 토론식 수업 vs 프로젝트 기반 학습 | -1.24 | 2.68 | .874 | 0.12 |
사후검정에서도 효과크기(Cohen's d)를 함께 보고하면 각 집단 간 차이의 실질적 크기를 전달할 수 있습니다.
등분산 가정 위반 시: Welch's F 보고
일원분산분석은 집단 간 분산이 동일하다는 등분산 가정을 전제로 합니다. Levene의 등분산 검정에서 이 가정이 위반된 경우(p < .05), 일반 ANOVA 대신 Welch's F 검정을 사용해야 합니다.
Levene 검정 보고
Levene의 등분산 검정 결과, 집단 간 분산의 동질성 가정이 위반되었다, F(2, 87) = 4.18, p = .019.
Welch's F 보고 예시
등분산 가정이 충족되지 않아 Welch's F 검정을 실시하였다. 분석 결과, 교수법에 따른 기말고사 점수 차이가 통계적으로 유의하였다, Welch's F(2, 56.34) = 4.87, p = .011, η²p = .10.
Welch's F에서 두 번째 자유도(분모 자유도)는 일반 ANOVA와 달리 소수점으로 나타날 수 있습니다. 이 경우 소수점 둘째 자리까지 보고합니다. Welch's F를 사용한 경우 사후검정으로는 Games-Howell 검정을 사용하는 것이 일반적입니다.
Games-Howell 사후검정 보고
Games-Howell 사후검정 결과, 전통 강의 집단과 프로젝트 기반 학습 집단 간의 차이가 통계적으로 유의하였다(p = .008). 나머지 집단 간 비교에서는 유의한 차이가 나타나지 않았다.
이원분산분석(Two-Way ANOVA) 결과의 APA 보고법
**이원분산분석(Two-Way ANOVA)**은 두 개의 독립변수가 종속변수에 미치는 영향을 동시에 검정하는 방법이다. 요인 A의 주효과, 요인 B의 주효과, 그리고 두 요인 간의 상호작용 효과를 검정한다.
연구 상황
성별(남, 여)과 교수법(강의, 토론, 프로젝트 기반)이 시험 점수에 미치는 영향을 검정하는 2 x 3 요인설계를 가정한다. 각 셀에 15명씩, 총 90명의 학생이 참여하였다(2 x 3 x 15).
주효과와 상호작용 보고
이원분산분석 결과를 보고할 때는 각 효과를 논리적 순서에 따라 제시한다. 일반적으로 주효과를 먼저 보고하고, 상호작용을 그 다음에 보고한다.
시험 점수에 대해 2(성별) x 3(교수법) 피험자 간 이원분산분석을 실시하였다. 성별의 주효과가 통계적으로 유의하였다, F(1, 84) = 6.78, p = .011, η²p = .07. 여학생(M = 79.82, SD = 10.14)이 남학생(M = 74.55, SD = 11.03)보다 높은 점수를 보였다. 교수법의 주효과도 통계적으로 유의하였다, F(2, 84) = 4.52, p = .014, η²p = .10. 성별과 교수법의 상호작용이 통계적으로 유의하였으며, F(2, 84) = 3.92, p = .024, η²p = .09, 이는 교수법이 시험 점수에 미치는 영향이 성별에 따라 달라짐을 시사한다.
상호작용이 유의할 때: 단순효과 분석
상호작용이 유의한 경우, 주효과만으로는 해석이 불완전하다. 한 요인의 효과가 다른 요인의 수준에 따라 달라지기 때문이다. 이때 **단순효과 분석(simple effects analysis)**을 실시하여 한 요인의 각 수준에서 다른 요인의 효과를 확인해야 한다.
단순효과 분석 결과, 여학생에서는 교수법에 따른 시험 점수 차이가 통계적으로 유의하였으나, F(2, 84) = 7.31, p = .001, η²p = .15, 남학생에서는 유의하지 않았다, F(2, 84) = 0.89, p = .415, η²p = .02. 여학생 집단에서 Tukey HSD 사후검정 결과, 프로젝트 기반 집단(M = 85.40)이 강의 집단(M = 74.20)보다 유의하게 높은 점수를 보였다, p < .001, d = 1.05.
이원분산분석 보고의 핵심 포인트
- 요인설계를 명시한다 (예: "2 x 3 피험자 간 이원분산분석")
- 주효과 A, 주효과 B, 상호작용 등 세 가지 효과를 모두 보고한다 (유의하지 않은 것도 포함)
- 상호작용이 유의하면 주효과를 단독으로 해석하지 말고 단순효과 분석을 실시한다
- 각 효과의 자유도가 다르다: 요인 A의 df = 수준 수 - 1, 요인 B의 df = 수준 수 - 1, 상호작용의 df = (A 수준 수 - 1)(B 수준 수 - 1)
반복측정 분산분석(Repeated Measures ANOVA) APA 보고법
반복측정 분산분석은 동일한 참가자를 여러 시점 또는 여러 조건에서 측정할 때 사용한다. 이 설계에서는 **구형성(sphericity)**이라는 고유한 가정을 검토하고 보고해야 한다.
Mauchly의 구형성 검정
구형성은 피험자 내 조건 간 차이의 분산이 모든 쌍에서 동일해야 한다는 가정이다. Mauchly 검정은 이 가정의 충족 여부를 평가한다. Mauchly 검정이 유의한 경우(p < .05), 구형성이 위반된 것이며 자유도에 대한 보정이 필요하다.
연구 상황
연구자가 40명의 참가자를 대상으로 사전(pre), 중간(mid), 사후(post) 3개 시점에서 불안 점수를 측정한 상황을 가정한다.
구형성이 위반된 경우의 보고
3개 시점(사전, 중간, 사후)에 걸친 불안 점수의 변화를 검정하기 위해 반복측정 분산분석을 실시하였다. Mauchly 검정 결과, 구형성 가정이 위반되었다, χ²(2) = 8.45, p = .015. 따라서 Greenhouse-Geisser 보정된 자유도를 사용하였다. 분석 결과, 시점에 따른 불안 점수의 차이가 통계적으로 유의하였으며, F(1.68, 65.52) = 12.34, p < .001, η²p = .24, 큰 효과를 나타냈다.
Greenhouse-Geisser 보정으로 인해 자유도가 기대되는 정수값(2, 78)에서 비정수값(1.68, 65.52)으로 변경된 점에 주목하라. 구형성이 위반된 경우에는 반드시 보정된 자유도를 보고해야 한다.
구형성이 충족된 경우의 보고
Mauchly 검정 결과, 구형성 가정이 충족되었다, χ²(2) = 3.12, p = .210. 반복측정 분산분석 결과, 시점에 따른 불안 점수의 차이가 통계적으로 유의하였다, F(2, 78) = 8.56, p < .001, η²p = .18.
반복측정에서의 사후검정
전체 반복측정 ANOVA가 유의한 경우, Bonferroni 보정 대응비교를 실시하여 어떤 시점 간에 차이가 있는지 확인한다.
Bonferroni 보정 대응비교 결과, 사전 시점(M = 42.15, SD = 8.73)에서 사후 시점(M = 33.80, SD = 7.92)으로 불안 점수가 유의하게 감소하였다, p < .001, d = 0.99. 사전에서 중간 시점(M = 38.45, SD = 8.20)으로의 감소도 유의하였다, p = .012, d = 0.44. 중간 시점에서 사후 시점으로의 차이는 통계적으로 유의하지 않았다, p = .087, d = 0.58.
반복측정 ANOVA 보고의 핵심 포인트
- 구형성이 충족되었더라도 Mauchly 검정 결과를 항상 보고한다
- 구형성이 위반된 경우 Greenhouse-Geisser(보수적) 또는 Huynh-Feldt(덜 보수적) 보정을 사용한다
- 보정된 자유도를 보고하며, 보정 전 값을 사용하지 않는다
- 다중비교의 제1종 오류를 통제하기 위해 Bonferroni 보정을 적용한다
ANOVA 결과를 APA 표로 제시하기
이원분산분석이나 반복측정 설계처럼 보고해야 할 효과가 여러 개인 경우, 본문에 모든 결과를 나열하는 것보다 정식 ANOVA 요약표로 제시하는 것이 훨씬 명확하다.
표 vs 본문 보고: 언제 어떤 것을 사용할까
일반적인 기준으로, 보고할 효과가 3개 이상인 경우(예: 이원분산분석에서 주효과 2개 + 상호작용 1개) 표를 사용하는 것이 바람직하다. 단일 F 검정만 보고하는 일원분산분석에서는 본문 보고로 충분하다.
APA 형식 ANOVA 요약표
APA 형식의 ANOVA 요약표에는 다음 열이 포함된다.
| 변동원 | SS | df | MS | F | p | η²p | |--------|------|------|------|-----|------|-------| | 성별 | 408.53 | 1 | 408.53 | 6.78 | .011 | .07 | | 교수법 | 544.80 | 2 | 272.40 | 4.52 | .014 | .10 | | 성별 x 교수법 | 472.56 | 2 | 236.28 | 3.92 | .024 | .09 | | 오차 | 5063.28 | 84 | 60.28 | | | | | 전체 | 6489.17 | 89 | | | | |
표 작성 지침
- 표 제목: APA 형식을 따른다 (예: "Table 1. 성별과 교수법에 따른 시험 점수의 분산분석 요약표")
- 변동원 열: 모든 효과(주효과, 상호작용)와 오차를 나열한다
- 통계량: 본문 보고와 동일한 소수점 규칙을 따른다 (F는 소수점 둘째 자리, p는 셋째 자리)
- 유의성 표시: 일부 학술지에서는 정확한 p 값과 함께 별표(* p < .05, ** p < .01, *** p < .001)를 허용한다
- 주석: 사용된 약어나 기호를 설명하는 표 주석을 포함한다
잘 구성된 표는 공간을 절약하고, 독자가 여러 요인의 효과크기를 빠르게 비교할 수 있게 해 준다. APA에서도 복잡한 ANOVA 설계에서는 표 사용을 권장한다.
ANOVA APA 보고에서 흔한 실수
1. 사후검정 누락
ANOVA에서 유의한 결과가 나왔음에도 사후검정 없이 "세 집단 간 유의한 차이가 있었다"로만 보고하는 경우가 많습니다. 반드시 어떤 집단 쌍에서 차이가 발생했는지 사후검정을 통해 명시해야 합니다.
2. 자유도 순서 혼동
F(2, 87)에서 첫 번째 숫자는 집단 간 자유도(분자), 두 번째 숫자는 집단 내 자유도(분모)입니다. 이 순서를 뒤바꾸면 완전히 다른 검정이 됩니다. 특히 집단 수가 많고 표본 크기가 작을 때 혼동하기 쉬우니 주의하세요.
3. p = .000으로 보고
t-검정과 마찬가지로, SPSS나 R에서 출력되는 p = .000은 p가 정확히 0이라는 의미가 아닙니다. 반드시 p < .001로 보고해야 합니다.
4. 효과크기 누락 또는 부적절한 지표 사용
ANOVA에서 Cohen's d를 효과크기로 보고하는 것은 적절하지 않습니다. Cohen's d는 두 집단 비교에 사용하는 지표이며, ANOVA의 전체적 효과크기로는 부분에타제곱(η²p) 또는 **오메가제곱(ω²)**을 사용해야 합니다. 사후검정에서 개별 집단 쌍을 비교할 때는 Cohen's d를 사용할 수 있습니다.
5. 등분산 가정 검토 미보고
Levene 검정 결과를 보고하지 않거나, 등분산 가정이 위반되었음에도 일반 ANOVA를 그대로 사용하는 경우가 있습니다. 등분산 가정이 위반되면 Welch's F를 사용하고, 사후검정도 Games-Howell로 전환해야 합니다.
6. 기술통계 누락
F 통계량과 p 값만 보고하고 각 집단의 평균과 표준편차를 누락하는 것은 불완전한 보고입니다. 독자가 집단 간 차이의 방향과 크기를 이해하려면 기술통계가 반드시 필요합니다.
APA 형식 ANOVA 보고 체크리스트
논문을 제출하기 전에 다음 항목을 확인하세요.
- 각 집단의 기술통계(M과 SD)가 포함되었는가
- F 통계량을 소수점 둘째 자리까지 보고했는가
- 자유도를 (집단 간 df, 집단 내 df) 순서로 표기했는가
- p 값을 정확히 보고했는가 (매우 작은 값은 p < .001)
- 부분에타제곱(η²p) 효과크기를 포함했는가
- ANOVA가 유의한 경우 사후검정 결과를 보고했는가
- 등분산 가정 위반 시 Welch's F와 Games-Howell 검정을 사용했는가
- 모든 통계 기호(F, p, η²p, M, SD)를 이탤릭체로 표기했는가
자주 묻는 질문 (FAQ)
에타제곱(η²)과 부분에타제곱(η²p)의 차이는?
에타제곱은 전체 분산 중 독립변수가 설명하는 비율이고, 부분에타제곱은 다른 변수의 분산을 제거한 후 독립변수가 설명하는 비율이다. 일원분산분석에서는 두 값이 동일하다. 이원분산분석이나 공분산분석(ANCOVA)처럼 여러 요인이 포함된 설계에서는 부분에타제곱이 각 요인의 고유한 기여를 분리해 주므로 더 적합하다.
ANOVA가 유의하지 않으면 사후검정을 해야 할까?
아니다. 사후검정은 전체 F 검정이 유의한 경우에만 실시한다. 전체 ANOVA가 유의하지 않다면 어떤 집단 간에도 차이가 있다는 충분한 증거가 없다는 뜻이므로, 사후검정을 실시하면 제1종 오류율이 팽창한다.
F(2, 87)에서 두 숫자는 무엇을 의미할까?
괄호 안의 두 숫자는 **자유도(degrees of freedom)**이다. 첫 번째 숫자(2)는 집단 간(분자) 자유도로 집단 수 - 1(k - 1)로 계산한다. 두 번째 숫자(87)는 집단 내(분모) 자유도로 전체 표본 크기 - 집단 수(N - k)로 계산한다. 이 두 값이 통계적 유의성을 판단하는 F 분포의 형태를 결정한다.
ANOVA의 효과크기로 Cohen's d를 사용해도 될까?
Cohen's d는 두 집단 비교를 위한 지표이므로 ANOVA의 전체 효과크기로는 부적합하다. 전체 ANOVA 검정에는 부분에타제곱(η²p) 또는 오메가제곱(ω²)을 사용해야 한다. 다만, 사후검정에서 개별 집단 쌍을 비교할 때는 Cohen's d를 보고할 수 있고, 보고하는 것이 바람직하다.
데이터가 정규성 가정을 위반하면 어떻게 할까?
ANOVA는 정규성 위반에 비교적 강건하며, 특히 각 집단의 표본 크기가 큰 경우(n > 30) 중심극한정리에 의해 정규성 위반의 영향이 줄어든다. 표본이 작고 데이터가 명확히 비정규적이면 일원분산분석의 비모수 대안인 Kruskal-Wallis H 검정을 고려하라. 경미한 비정규성에도 ANOVA를 진행하는 경우, 결과 섹션에 그 결정과 근거를 명시하라.
Tukey HSD와 Bonferroni 중 어떤 것을 선택할까?
Tukey HSD는 모든 가능한 쌍별 비교를 위해 설계된 방법으로, 모든 집단을 서로 비교하고자 할 때 가장 흔히 사용된다. Bonferroni 보정은 더 유연하여 사전에 계획된 일부 비교에도 적용할 수 있다. 모든 쌍을 비교할 때는 Tukey HSD가 Bonferroni보다 약간 더 검정력이 높다(덜 보수적). 특정 비교만 검정하는 경우에는 Bonferroni가 더 적합하다.
결과가 유의하지 않아도 효과크기를 보고해야 할까?
그렇다. APA 7판에서는 통계적 유의성과 관계없이 모든 추론 통계 검정에 효과크기를 보고할 것을 명시적으로 요구한다. 중간 효과크기(η²p = .06)를 보이는 비유의한 결과와 무시할 수 있는 효과크기(η²p = .001)를 보이는 비유의한 결과는 전혀 다른 의미를 가진다. 효과크기는 실질적 유의성을 평가하고 향후 메타분석에 기여하는 데 필수적이다.
일원분산분석, 이원분산분석, 반복측정 분산분석의 차이는?
일원분산분석은 하나의 독립변수로 정의된 집단 간 평균을 비교한다(예: 세 가지 교수법). 이원분산분석은 두 개의 독립변수의 효과와 그 상호작용을 동시에 검정한다(예: 교수법과 성별). 반복측정 분산분석은 동일한 참가자를 여러 번 측정한 경우에 사용한다(예: 사전, 중간, 사후 검사). 각 설계마다 보고 요건이 다르다: 이원분산분석에서는 주효과와 상호작용을, 반복측정에서는 Mauchly 구형성 검정을 보고해야 한다.
StatMate로 ANOVA 결과를 쉽게 보고하기
StatMate ANOVA 계산기를 활용하면 분산분석 결과를 빠르고 정확하게 얻을 수 있습니다.
- 데이터 입력: 각 집단의 데이터를 StatMate ANOVA 계산기에 입력합니다.
- 자동 계산: F 통계량, 자유도, p 값, 부분에타제곱이 자동으로 계산됩니다.
- 사후검정 포함: Tukey HSD 등 사후검정 결과까지 한 번에 확인할 수 있습니다.
- APA 형식 출력: 계산 결과를 APA 형식에 맞게 바로 복사하여 논문에 붙여넣을 수 있습니다.
자유도 계산 오류나 효과크기 누락 같은 흔한 실수를 방지하고, 논문 작성 시간을 크게 절약할 수 있습니다.
마무리
ANOVA 결과를 APA 형식으로 보고하는 것은 t-검정보다 포함해야 할 요소가 많지만, 기본 원칙은 동일합니다. F 통계량, 자유도, p 값, 부분에타제곱을 빠짐없이 포함하고, 유의한 결과가 나오면 사후검정을 통해 구체적인 집단 간 차이를 밝히세요. 등분산 가정이 위반된 경우에는 Welch's F와 Games-Howell 검정을 사용하는 것을 잊지 마세요. 이 글에서 소개한 예시를 참고하여 자신의 연구 결과에 적용해 보시기 바랍니다.