일표본 t 검정을 사용하는 경우
일표본 t 검정은 단일 표본의 평균을 알려진 또는 가설화된 모집단 값과 비교합니다. 하나의 직접적인 질문에 답합니다: 이 집단이 특정 기준과 다른가?
다음과 같은 경우에 일표본 t 검정을 사용합니다:
- 모집단 규준과 비교. 연구자가 특정 대학교 학생들의 표준화된 IQ 검사 점수가 전국 평균 100과 다른지 알고 싶은 경우.
- 기준 또는 표준과 비교. 품질관리 엔지니어가 시리얼 박스의 평균 무게가 표기된 500g과 다른지 측정하는 경우.
- 기저선으로부터의 변화 평가. 심리학자가 치료군의 평균 반응시간이 알려진 기저선 250ms와 다른지 평가하는 경우.
핵심 요건은 하나의 집단에서 측정된 단일 연속 변수와, 이를 비교할 고정된 기준값이 있어야 한다는 것입니다. 특히 소표본에서는 데이터가 대략적으로 정규분포를 따라야 합니다.
APA 보고 템플릿
APA 7판은 t 검정 결과 보고에 특정 형식을 요구합니다. 일표본 t 검정의 표준 템플릿은 다음과 같습니다:
t(df) = X.XX, p = .XXX, d = X.XX
각 기호의 의미:
| 기호 | 의미 | |------|------| | t | t 통계량(이탤릭체) | | df | 자유도, N - 1로 계산 | | p | p값(앞자리 0 없음) | | d | Cohen의 d 효과크기(앞자리 0 있음) |
기억해야 할 서식 규칙:
- 통계 기호에 이탤릭체 사용: t, p, d, M, SD, N
- p값은 1.0을 초과할 수 없으므로 앞자리 0 없이 보고(.034, 0.034 아님)
- 효과크기는 d가 1.0을 초과할 수 있으므로 앞자리 0 포함(0.75, .75 아님)
- t와 d는 소수점 둘째 자리, p는 셋째 자리까지 보고
- 매우 작은 p값의 경우, 정확한 값 대신 p < .001로 표기
1단계: 기술통계 보고
추론 결과를 제시하기 전에 APA 양식은 표본의 기술통계를 보고하고 검정값을 명확하게 명시하도록 요구합니다.
표본(N = 45)의 평균 IQ 점수는 M = 105.30(SD = 12.40)이었다. 점수를 모집단 평균 100과 비교하였다.
포함해야 할 핵심 요소:
| 요소 | 보고 내용 | 예시 | |------|----------|------| | 표본 크기 | N = | N = 45 | | 표본 평균 | M = | M = 105.30 | | 표준편차 | SD = | SD = 12.40 | | 검정값 | 알려진/가설화된 값 | 모집단 평균 100 |
항상 검정값이 무엇을 나타내는지 명시하십시오. 단순히 "100과 비교하였다"는 것은 불충분합니다. 출처를 명시합니다: 모집단 모수, 출판된 규준, 규제 기준, 또는 이론적 기대값.
2단계: t 검정 결과 보고
기술통계 다음에 추론 통계를 보고합니다. t 통계량, 자유도, 정확한 p값, 평균 차이에 대한 신뢰구간을 포함합니다.
일표본 t 검정 결과, 참가자의 IQ 점수가 모집단 평균 100보다 유의하게 높았다, t(44) = 2.87, p = .006, 95% CI [1.58, 9.02].
세부 설명:
- df = 44: N - 1 = 45 - 1 = 44이므로
- 95% CI [1.58, 9.02]: 평균 차이(표본 평균 - 검정값)의 신뢰구간. 구간에 0이 포함되지 않으므로 유의한 결과를 확인해 줍니다.
- 효과의 방향은 t 통계량의 부호에만 의존하지 않고 말로 기술합니다("유의하게 높았다").
p값이 매우 작은 경우:
t(44) = 4.52, p < .001
3단계: 효과크기 보고(Cohen의 d)
APA 7판은 유의성 검정과 함께 효과크기를 보고할 것을 강력히 권장합니다. 일표본 t 검정에서 Cohen의 d는 다음과 같이 계산합니다:
d = (M - mu) / SD
여기서 M은 표본 평균, mu는 검정값, SD는 표본 표준편차입니다.
해석 지침(Cohen, 1988):
| Cohen의 d | 해석 | |-------------|------| | 0.20 | 작은 효과 | | 0.50 | 중간 효과 | | 0.80 | 큰 효과 |
IQ 예시의 경우: d = (105.30 - 100) / 12.40 = 0.43으로, 작은-중간 수준의 효과를 나타냅니다.
효과크기는 중간 수준이었다, d = 0.43.
결과가 유의하지 않더라도 항상 효과크기를 보고하십시오. 중간 효과크기의 비유의한 p값은 무시할 수 있는 효과크기의 비유의한 p값과 다른 이야기를 전합니다.
완전한 APA 보고 예시
일표본 t 검정의 모든 요소를 결합한 전체 문단으로, 원고의 결과 섹션에 적합합니다.
시나리오: 연구자가 대학생 45명의 IQ 점수를 측정하여 인지 능력이 일반 모집단 평균 100과 다른지 확인합니다.
표본의 평균 IQ 점수가 모집단 평균 100과 다른지 확인하기 위해 일표본 t 검정을 실시하였다. 표본 평균(M = 105.30, SD = 12.40)은 검정값보다 유의하게 높았다, t(44) = 2.87, p = .006, d = 0.43, 차이의 95% CI [1.58, 9.02]. 효과크기는 표본과 모집단 규준 간의 작은-중간 수준 차이를 나타냈다.
이 문단에는 심사자가 기대하는 모든 요소가 포함되어 있습니다: 검정 목적, 기술통계, 검정 결과, 효과크기, 신뢰구간, 간략한 해석.
비유의한 결과 보고
일표본 t 검정이 유의하지 않을 때도 동일한 통계량을 모두 보고합니다. 핵심 차이는 언어에 있습니다: 집단이 "동일하다"거나 "차이가 없다"고 말하지 마십시오. 대신, 통계적으로 유의한 차이가 발견되지 않았다고 기술합니다.
시나리오: 영양학자가 30명의 참가자의 일일 칼로리 섭취량을 측정하여 권장 2,000칼로리와 비교합니다.
일표본 t 검정 결과, 평균 일일 칼로리 섭취량(M = 2,045.00, SD = 180.50)은 권장값 2,000칼로리와 유의한 차이가 없었다, t(29) = 1.37, p = .182, d = 0.25, 95% CI [-22.40, 112.40]. 작은 효과크기는 권장값으로부터의 편차가 최소한이었음을 시사한다.
신뢰구간이 0을 포함하고 있으며, 이는 비유의한 결과와 일치합니다. 또한 효과크기가 여전히 보고되고 해석되고 있음에 주목하십시오.
단측 vs 양측 일표본 t 검정
기본적으로 일표본 t 검정은 양측검정으로, 표본 평균이 검정값과 어느 방향으로든 다른지를 검정합니다. 단측검정은 데이터 수집 전에 수립된 강력한 방향적 가설이 있는 경우에만 적합합니다.
양측검정(기본값):
점수가 전국 평균 75와 다른지 확인하기 위해 일표본 t 검정을 실시하였다.
단측검정:
점수가 전국 평균 75를 초과하는지 확인하기 위해 일표본 t 검정을 실시하였다.
단측검정을 APA 형식으로 보고할 때는 반드시:
- 서론 또는 방법 섹션에서 방향성을 정당화
- 결과에서 방향을 명확하게 기술(예: "초과하였다", "보다 낮았다")
- 모호함을 피하기 위해 p값에 표시:
t(39) = 1.92, p = .031, 단측, d = 0.30
일부 저널은 단측 p값을 명시적으로 보고하도록 요구합니다. 다른 저널은 양측 p값을 보고하고 검정이 단측이었음을 주석으로 달기를 선호합니다. 대상 저널의 지침을 확인하십시오.
일표본 t 검정 vs 다른 검정
vs 독립표본 t 검정
이 두 검정은 근본적으로 다른 질문에 답합니다. 일표본 t 검정은 한 집단을 고정된 값과 비교합니다. 독립표본 t 검정은 두 개의 별도 집단을 서로 비교합니다. 두 다른 반의 시험 점수를 비교한다면 독립표본 검정이고, 한 반을 전국 기준과 비교한다면 일표본 검정입니다.
vs 일표본 Wilcoxon 부호순위 검정
정규성 가정이 위배되고 표본이 작은 경우(일반적으로 N < 30), 일표본 Wilcoxon 부호순위 검정이 비모수적 대안입니다. 이는 평균이 아닌 중앙값이 검정값과 다른지 검정합니다.
일표본 Wilcoxon 부호순위 검정 결과, 중앙값 반응시간(Mdn = 260.50 ms)이 기저선 250ms보다 유의하게 높았다, T = 312, z = 2.15, p = .032, r = .34.
데이터가 심하게 편포되어 있거나, 이상값을 포함하거나, 서열 척도로 측정된 경우 Wilcoxon 대안을 사용합니다.
vs 대응표본 t 검정
흔한 혼동: 대응표본 t 검정도 단일 집단을 포함하지만, 두 관련 측정값(예: 사전검사 vs. 사후검사)을 비교합니다. 일표본 t 검정은 하나의 측정값을 동일한 참가자의 다른 측정값이 아닌 고정된 상수와 비교합니다.
일표본 t 검정 보고의 흔한 실수
1. 검정값을 명시하지 않는 것. 모든 일표본 t 검정 보고에는 표본을 어떤 값과 비교했는지, 그 값의 출처가 무엇인지를 명시해야 합니다. "일표본 t 검정이 유의했다"라고만 쓰고 비교값을 언급하지 않는 것은 불완전합니다.
2. 효과크기를 누락하는 것. t와 p만 보고하는 것은 더 이상 충분하지 않습니다. APA 7판은 효과크기 측정치를 요구하거나 강력히 권장합니다. Cohen의 d는 계산에 최소한의 노력이 들며 의미 있는 맥락을 제공합니다.
3. 일표본과 대응표본 t 검정을 혼동하는 것. 동일한 참가자 내에서 치료 전후 점수를 비교한다면 그것은 대응표본 검정이지 일표본 검정이 아닙니다. 일표본 t 검정은 데이터에서 나온 것이 아닌 고정된, 알려진 비교값을 필요로 합니다.
4. 정규성 가정을 검토하지 않는 것. 일표본 t 검정은 대략적으로 정규적인 데이터를 가정합니다. 소표본의 경우 Shapiro-Wilk 검정을 실시하거나 Q-Q 플롯을 검사하십시오. 정규성이 위배되면 Wilcoxon 부호순위 검정을 고려하거나, 위반을 명시하고 대표본에서의 t 검정의 강건성에 의존하십시오.
5. p값에 앞자리 0을 사용하는 것. p = 0.034가 아니라 p = .034로 쓰십시오. 이는 p값이 0과 1 사이에 제한되므로 APA의 특정 규약입니다.
6. 방향을 기술하지 않는 것. 항상 표본 평균이 검정값보다 높은지 낮은지 기술하십시오. t 통계량의 부호만으로는 독자가 결과의 실질적 의미를 이해하기에 충분하지 않습니다.
일표본 t 검정 APA 체크리스트
원고 제출 전에 일표본 t 검정 보고에 모든 필수 요소가 포함되었는지 확인하십시오:
- [ ] 검정 목적을 명확히 기술
- [ ] 검정값과 그 출처 명시
- [ ] 표본 크기(N) 보고
- [ ] 기술통계: M과 SD
- [ ] 자유도를 포함한 t 통계량: t(df) = X.XX
- [ ] 정확한 p값(또는 p < .001): p = .XXX
- [ ] 해석을 포함한 효과크기: d = X.XX
- [ ] 평균 차이의 95% 신뢰구간
- [ ] 효과의 방향을 말로 기술
- [ ] 정규성 가정 검토
- [ ] 모든 통계 기호에 이탤릭체 사용
StatMate의 무료 일표본 t 검정 계산기를 사용해 보세요
일표본 t 검정 결과를 수동으로 포맷하는 것은 번거롭고 오류가 발생하기 쉽습니다. StatMate의 일표본 t 검정 계산기는 Cohen의 d, 신뢰구간, 가정 검정이 포함된 출판 준비 APA 출력을 자동으로 생성합니다.
무료로 제공되는 기능:
- 원고에 바로 복사할 수 있는 APA 7판 형식 결과
- 해석을 포함한 Cohen의 d 효과크기
- 평균 차이의 95% 신뢰구간
- Shapiro-Wilk 정규성 검정
- 시각적 분포 차트
- 전체 결과의 PDF 내보내기
Pro 기능:
- AI 기반 평이한 결과 해석
- APA 서식이 유지된 Word(.docx) 내보내기
- 광고 없음
데이터를 붙여넣고, 검정값을 입력하면 몇 초 만에 APA 결과를 받을 수 있습니다. statmate.org/calculators/one-sample-t에서 사용해 보세요.