Kruskal-Wallis 검정이 중요한 이유
Kruskal-Wallis H 검정은 사회과학과 보건과학에서 가장 널리 사용되는 비모수적 절차 중 하나입니다. 일원분산분석의 순위 기반 대안으로, 정규성 가정을 요구하지 않으면서 세 개 이상의 독립 집단에서 연속형 또는 서열형 종속변수의 분포를 비교할 수 있게 합니다.
이것이 중요한 이유는 실제 데이터가 모수적 검정이 요구하는 가정을 자주 위반하기 때문입니다. 0-10 척도의 통증 평정은 종종 편포됩니다. 리커트형 설문 응답은 본질적으로 서열입니다. 소표본 파일럿 연구의 임상 결과 측정치는 교과서적 정규분포를 거의 산출하지 않습니다. 이 모든 상황에서 Kruskal-Wallis 검정은 타당하고 강건한 추론적 틀을 제공합니다.
인기에도 불구하고, 많은 연구자가 보고 측면에서 어려움을 겪습니다. APA 7판은 Kruskal-Wallis 검정 보고에 대해 명확한 기대를 가지고 있습니다: 자유도가 포함된 H 통계량, 정확한 p 값, 적절한 효과크기, 그리고 — 옴니버스 검정이 유의한 경우 — 다중 검정 보정을 적용한 사후 쌍별 비교. 이 요소 중 하나라도 누락하면 심사자 비판과 수정 요청의 흔한 이유가 됩니다.
Kruskal-Wallis vs 일원분산분석: 선택 기준
세 개 이상 집단에서의 비정규 분포
일원분산분석은 각 집단 내에서 종속변수가 대략 정규분포를 따른다고 가정합니다. 하나 이상의 집단에서 Shapiro-Wilk 검정이 p < .05를 나타내거나 Q-Q 도표에서 정규성으로부터의 상당한 이탈이 나타나면, Kruskal-Wallis 검정이 적절한 대안입니다. 이는 중심극한정리가 비정규성에 대해 더 적은 보호를 제공하는 소표본(집단당 n < 20)에서 특히 중요합니다.
서열 종속변수
결과변수가 서열 척도(개별 리커트 문항, 통증 심각도 평정, 만족도 범주)로 측정된 경우, 분포 형태와 관계없이 Kruskal-Wallis 검정이 올바른 선택입니다.
결정 순서도
- 세 개 이상의 독립 집단? 아니라면 Mann-Whitney U 검정(두 집단) 또는 Wilcoxon 부호순위 검정(대응 데이터).
- 서열 종속변수? 예 → Kruskal-Wallis.
- 모든 집단에서 정규성 충족? Shapiro-Wilk로 검정. 어느 집단에서든 위반 시 → Kruskal-Wallis.
- 분산의 동질성 만족? Levene 검정. 위반 시 → Kruskal-Wallis(또는 모수적 대안으로 Welch의 ANOVA).
- 심각한 이상치? 예 → Kruskal-Wallis.
- 모든 가정 충족? → 더 높은 통계적 검정력을 위해 일원분산분석.
Kruskal-Wallis의 기본 APA 형식
APA 7판의 표준 템플릿:
H(df) = X.XX, p = .XXX, ε² = .XX
각 구성요소의 의미:
- H: 근사 카이제곱 분포를 따르는 Kruskal-Wallis 검정 통계량
- df: 자유도, 집단 수 - 1(k - 1)
- p: 소수점 이하 세 자리까지의 정확한 p 값; .001 미만이면 p < .001
- ε²: 엡실론제곱, Kruskal-Wallis 검정에 가장 흔한 효과크기
서식 규칙:
- H, p, 효과크기 기호를 이탤릭체로
- 자유도는 H 직후 괄호 안에 공백 없이: H(2), H (2)가 아님
- p = .000으로 쓰지 말고 p < .001 사용
- 항상 효과크기 포함 — APA 7판에서 p 값만으로는 불충분
Kruskal-Wallis 보고: 단계별 안내
연구 시나리오
세 치료군에 걸쳐 통증 평정(0-10 숫자 평정 척도)을 비교하는 임상 연구: 위약(n = 20), 약물 A(n = 20), 약물 B(n = 20). 연구자는 세 집단 중 두 집단에서 통증 평정이 정규성 가정을 위반하여(Shapiro-Wilk p = .008과 p = .021) Kruskal-Wallis 검정을 선택합니다.
1단계: 중앙값과 IQR을 포함한 기술통계
비모수 검정의 주요 기술통계는 중앙값(Mdn)과 사분위범위(IQR)입니다.
| 집단 | n | Mdn | IQR | |------|-----|-------|-----| | 위약 | 20 | 7.00 | 5.25-8.00 | | 약물 A | 20 | 5.00 | 3.00-6.75 | | 약물 B | 20 | 3.50 | 2.00-5.00 |
중앙값 통증 평정은 위약 집단이 가장 높았고(Mdn = 7.00, IQR = 5.25-8.00), 약물 A(Mdn = 5.00, IQR = 3.00-6.75)와 약물 B(Mdn = 3.50, IQR = 2.00-5.00) 순이었다.
2단계: 옴니버스 H 검정(유의한 결과)
세 치료군에 걸쳐 통증 평정을 비교하기 위해 Kruskal-Wallis H 검정을 실시하였다. 위약과 약물 B 집단에서 통증 평정이 정규성 가정을 위반하여(Shapiro-Wilk p = .008과 p = .021) 비모수 검정을 선택하였다. 검정 결과, 집단 간 통증 평정에 통계적으로 유의한 차이가 나타났다, H(2) = 18.42, p < .001, ε² = .31.
3단계: 비유의한 결과
Kruskal-Wallis H 검정 결과, 세 치료군에 걸쳐 불안 점수에 통계적으로 유의한 차이가 나타나지 않았다, H(2) = 3.17, p = .205, ε² = .05. 위약(Mdn = 5.00, IQR = 3.00-7.00), 약물 A(Mdn = 4.50, IQR = 3.00-6.00), 약물 B(Mdn = 4.00, IQR = 3.00-6.50) 집단의 중앙값 불안 점수는 유사하였다.
비유의한 결과에서도 효과크기와 기술통계를 보고합니다. 옴니버스 검정이 비유의하면 사후검정을 실시하지 않습니다.
효과크기: 엡실론제곱
APA 7판은 모든 통계 검정에 효과크기 보고를 명시적으로 권장합니다. Kruskal-Wallis 검정에서는 엡실론제곱(ε²)이 가장 널리 사용되는 측정치입니다. 집단 변수에 의해 설명되는 순위 분산의 비율을 추정합니다.
계산
ε² = H / (N - 1)
여기서 H는 Kruskal-Wallis 검정 통계량, N은 모든 집단의 전체 표본 크기입니다.
실제 계산 예시
H = 18.42이고 N = 60(각 20명의 세 집단)인 경우:
ε² = 18.42 / (60 - 1) = 18.42 / 59 = .31
해석 기준
엡실론제곱의 기준은 에타제곱과 동일한 관례를 따릅니다:
| ε² | 해석 | |------|------| | .01 | 작은 효과 | | .06 | 중간 효과 | | .14 | 큰 효과 |
예시에서 ε² = .31은 큰 효과로, 치료 집단 소속이 통증 평정 순위의 변동성 중 약 31%를 설명함을 나타냅니다.
사후검정: Bonferroni 보정을 적용한 Dunn 검정
유의한 Kruskal-Wallis 결과는 적어도 하나의 집단이 다른 집단과 다르다는 것을 알려줍니다. 어떤 집단이 다른지는 알려주지 않습니다. 옴니버스 검정이 유의하고 세 개 이상의 집단이 있으면, 쌍별 사후 비교를 실시해야 합니다.
Dunn 검정
Dunn 검정은 Kruskal-Wallis 검정의 표준 사후 절차입니다. 원래 옴니버스 순위에서의 순위합을 사용하여 모든 가능한 집단 쌍을 비교합니다(각 쌍을 별도로 다시 순위 매기는 것이 아님). 이 옴니버스 검정과의 일관성 때문에 별도의 Mann-Whitney U 검정을 실행하는 것보다 Dunn 검정이 더 적합합니다.
Bonferroni 보정
Bonferroni 보정은 유의수준을 비교 횟수로 나누어 가족별 제1종 오류율을 통제합니다. 세 비교와 alpha = .05에서, 보정된 기준은 .05 / 3 = .017입니다.
쌍별 비교의 APA 형식
Bonferroni 보정을 적용한 Dunn 사후 쌍별 비교 결과, 약물 B가 위약 집단(z = -4.12, p < .001) 및 약물 A(z = -2.54, p = .033)에 비해 유의하게 낮은 통증 평정을 보였다. 약물 A와 위약 집단 간의 차이도 유의하였다(z = -2.08, p = .038, 보정됨).
유의한 쌍과 비유의한 쌍을 모두 보고하십시오. 유의한 쌍만 선택적으로 보고하는 것은 보고 편향입니다.
완전한 APA 문단
세 치료 조건에 걸쳐 통증 평정(0-10 척도)의 차이를 검토하기 위해 Kruskal-Wallis H 검정을 실시하였다: 위약(n = 20), 약물 A(n = 20), 약물 B(n = 20). 두 집단에서 통증 평정이 정규성 가정을 위반하여(Shapiro-Wilk p = .008과 p = .021) 비모수 검정을 선택하였다. 중앙값 통증 평정은 위약 7.00(IQR = 5.25-8.00), 약물 A 5.00(IQR = 3.00-6.75), 약물 B 3.50(IQR = 2.00-5.00)이었다. Kruskal-Wallis 검정 결과, 집단 간 통증 평정에 통계적으로 유의한 차이가 나타났다, H(2) = 18.42, p < .001, ε² = .31. Bonferroni 보정을 적용한 Dunn 사후 쌍별 비교 결과, 약물 B와 위약(z = -4.12, p < .001), 약물 B와 약물 A(z = -2.54, p = .033), 약물 A와 위약(z = -2.08, p = .038) 간에 유의한 차이가 나타났다.
흔한 실수와 주의사항
1. 중앙값 대신 평균 보고
Kruskal-Wallis 보고에서 가장 빈번한 오류입니다. 분포가 비정규이기 때문에 비모수 검정을 선택했다면, 평균과 표준편차를 주요 기술통계로 보고하는 것은 그 근거와 직접 모순됩니다.
2. 옴니버스 대신 복수의 Mann-Whitney 검정
세 집단이 있을 때 옴니버스 검정을 건너뛰고 세 개의 별도 Mann-Whitney U 검정을 실행하는 것은 방법론적으로 부적절합니다. alpha = .05에서 세 비교 시 최소 하나의 거짓 양성 확률이 약 .14로 증가합니다.
3. 사후검정에 Bonferroni 보정 누락
유의한 Kruskal-Wallis 검정 후 쌍별 사후 비교를 실시할 때 다중 비교 보정을 하지 않는 것은 심각한 오류입니다. 항상 보정 방법(Bonferroni, Holm, Benjamini-Hochberg)을 명시하고 보정된 p 값을 보고하십시오.
4. 효과크기 미보고
APA 7판은 모든 추론적 검정에 효과크기를 요구합니다. N = 500인 연구에서 p = .03이고 ε² = .01이면 — 통계적으로 유의하지만 사소하게 작습니다. 효과크기 없이는 독자가 실질적 유의성을 평가할 수 없습니다.
5. 비모수 검정 선택의 정당화 누락
심사자는 일원분산분석 대신 Kruskal-Wallis 검정을 선택한 이유에 대한 간단한 설명을 기대합니다. 위반된 가정을 언급하는 한 문장이면 충분합니다.
6. 사후검정 방법 미명시
사용한 사후 절차(Dunn 검정, 쌍별 Mann-Whitney U)와 적용한 보정(Bonferroni, Holm)을 항상 명시하십시오.
Kruskal-Wallis vs Friedman 검정
두 검정 모두 세 개 이상의 집단을 비교하는 비모수적 방법이지만, 근본적으로 다른 연구 설계에 적용됩니다.
| 특징 | Kruskal-Wallis | Friedman | |------|---------------|----------| | 설계 | 독립 집단(피험자 간) | 반복 측정(피험자 내) | | 참가자 | 각 집단에 다른 참가자 | 동일 참가자가 모든 조건에서 측정 | | 모수적 대안 | 일원분산분석 | 반복측정 분산분석 | | 순위 방법 | 모든 관측값을 함께 순위 매김 | 각 참가자 내에서 별도 순위 매김 | | 사후 절차 | Dunn 검정 | Nemenyi 검정 또는 Conover 검정 | | 효과크기 | 엡실론제곱(ε²) | Kendall's W |
Kruskal-Wallis 사용: 다른 참가자가 다른 집단에 배정된 경우. Friedman 사용: 동일한 참가자가 여러 조건에서 측정된 경우.
계산의 정확성
Kruskal-Wallis 결과를 수작업으로 서식화하는 것은 번거롭고 오류가 발생하기 쉽습니다 — 특히 Bonferroni 보정을 적용한 사후 비교. StatMate의 무료 Kruskal-Wallis 계산기가 전체 과정을 자동화합니다:
- 집단 데이터를 입력하면 H 통계량, 정확한 p 값, 엡실론제곱을 즉시 얻습니다
- 옴니버스 검정이 유의한 경우 Bonferroni 보정이 적용된 자동 Dunn 사후검정
- 한 번의 클릭으로 복사 가능한 APA 형식 결과 문단
- 효과크기가 포함된 완전한 분석의 무료 PDF 내보내기
- 각 집단 분포를 비교하는 시각적 상자 도표
수작업 순위 계산도, 공식 오류도, 보정 계수 누락도 없습니다. 데이터를 붙여넣고, 결과를 확인하고, APA 형식 출력을 논문에 바로 복사하십시오.
자주 묻는 질문
Kruskal-Wallis 검정의 올바른 APA 형식은 무엇인가요?
표준 형식: H(df) = X.XX, p = .XXX, ε² = .XX. 예시: H(2) = 18.42, p < .001, ε² = .31. 검정 정당화, 중앙값과 IQR이 포함된 기술통계, 옴니버스 검정이 유의한 경우 사후 쌍별 비교를 포함하십시오.
Kruskal-Wallis 결과와 함께 어떤 기술통계를 보고해야 하나요?
중앙값(Mdn)과 사분위범위(IQR)를 주요 기술통계로 보고합니다. 집단 순서를 명확히 하기 위해 평균 순위도 보고할 수 있습니다. 대칭 분포를 가정하는 평균과 표준편차를 유일한 기술통계로 보고하는 것을 피하십시오.
Kruskal-Wallis 검정의 엡실론제곱을 어떻게 계산하나요?
공식 ε² = H / (N - 1)을 사용하며, H는 검정 통계량, N은 전체 표본 크기입니다. 기준: .01 = 작은 효과, .06 = 중간 효과, .14 = 큰 효과. 예: H = 18.42, N = 60이면 ε² = 18.42 / 59 = .31(큰 효과).
Dunn 검정 vs 쌍별 Mann-Whitney U 중 언제 사용해야 하나요?
Dunn 검정이 원래 Kruskal-Wallis 옴니버스 검정의 동일한 순위를 사용하여 통계적 일관성을 유지하므로 선호됩니다. 쌍별 Mann-Whitney U 검정은 각 비교에서 데이터를 다시 순위 매기므로 순위 순서가 달라질 수 있습니다. 둘 다 다중 비교 보정(Bonferroni 또는 Holm)이 필요하지만, Dunn 검정이 방법론적으로 더 적절한 선택입니다.
Kruskal-Wallis와 Friedman 검정의 차이는 무엇인가요?
Kruskal-Wallis 검정은 세 개 이상의 독립 집단(각 집단에 다른 참가자)을 비교하고, Friedman 검정은 세 개 이상의 관련 집단(모든 조건에서 측정된 동일 참가자)을 비교합니다. Kruskal-Wallis는 일원분산분석의, Friedman은 반복측정 분산분석의 비모수적 대안입니다.