일표본 t 검정 APA 보고법: 단계별 가이드와 예시

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.

일표본 t 검정 vs. 다른 검정: 언제 어떤 검정을 사용할 것인가

올바른 검정을 선택하려면 각 검정이 무엇을 위해 설계되었는지 이해해야 합니다. 일표본 t 검정은 특정한 영역을 차지합니다: 한 집단의 평균을 고정된 기준값과 비교하는 것입니다. 다음 비교들은 대안 검정을 언제 사용해야 하는지를 명확히 합니다.

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.

핵심적인 차이는 비교값의 성격입니다. 일표본 검정에서 기준값(예: 모집단 평균 = 100)은 데이터에서 추정되지 않은 알려진 상수입니다. 독립표본 검정에서는 두 평균 모두 데이터에서 추정되며 표집오차를 수반합니다.

일표본: t(44) = 2.87, p = .006 — 표본 평균을 알려진 모집단 값 100과 비교.

독립표본: t(88) = 3.14, p = .002 — 데이터에서 추정된 집단 A와 집단 B의 평균 비교.

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.

"비교값"이 다른 시점에서 측정된 동일한 참가자로부터 나온 것이라면 대응표본 t 검정이 필요합니다. 표본에 따라 변하지 않는 고정된 기준이라면 일표본 t 검정이 필요합니다.

잘못된 사용 예: 연구자가 중재 전후에 혈압을 측정하고, 중재 후 평균을 일표본 t 검정으로 120mmHg와 비교합니다. 이는 개인 수준의 변화를 무시하고 통계적 검정력을 잃습니다. 올바른 접근은 사전-사후 측정을 비교하는 대응표본 t 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. 약 30 이상의 표본에서는 중심극한정리에 의해 일표본 t 검정이 정규성의 중간 정도 위반에 강건합니다.

의사결정 흐름도

1. 집단이 몇 개인가? 1개 → 계속. 2개 이상 → 독립표본 t 검정 또는 ANOVA 사용.
2. 비교값이 무엇인가? 고정된 기준 상수 → 일표본 t 검정. 동일 참가자의 다른 측정값 → 대응표본 t 검정.
3. 데이터가 대략 정규분포를 따르는가? 예 또는 N > 30 → 일표본 t 검정. 아니오이고 N < 30 → 일표본 Wilcoxon 부호순위 검정.

일표본 t 검정의 효과크기: Cohen의 d 심화

효과크기는 표본 크기와 독립적으로 연구 결과의 실질적 크기를 수량화합니다. 일표본 t 검정에서 Cohen의 d는 표준 측정치로, 표본 평균과 검정값의 차이를 표준편차 단위로 표현합니다.

계산 방법

직접 공식은 다음과 같습니다:

d = (M - mu) / SD

t 통계량과 자유도에서도 d를 계산할 수 있습니다:

d = t / sqrt(N)

이것은 원시 평균과 표준편차가 아닌 t와 N을 보고하는 논문을 읽을 때 유용합니다. IQ 예시에서: d = 2.87 / sqrt(45) = 2.87 / 6.71 = 0.43으로, 직접 계산 결과와 일치합니다.

해석 기준

Cohen(1988)은 다음과 같은 기준을 제안했지만, 맥락에 따라 신중하게 적용해야 합니다:

| Cohen의 d | 분류 | 실질적 의미 | |-------------|------|-----------| | 0.20 | 작은 효과 | 주의 깊은 측정에서만 감지됨; 대부분의 맥락에서 실질적 영향 미미 | | 0.50 | 중간 효과 | 관찰자가 인지 가능; 실질적 결과를 초래할 가능성 높음 | | 0.80 | 큰 효과 | 명확한 차이; 상당한 실질적 중요성 | | 1.20+ | 매우 큰 효과 | 사회과학에서 드묾; 의학/교육 중재에서 흔함 |

이 기준들은 기본값이지 보편적 진리가 아닙니다. 효과가 일반적으로 작은 분야(예: 수백만 명에게 적용되는 공중보건 중재)에서는 d = 0.20이 매우 의미 있을 수 있고, 큰 효과가 일상적인 맥락에서는 d = 0.80이 특별하지 않을 수 있습니다.

d의 신뢰구간

d에 대한 신뢰구간을 보고하면 효과크기 추정치의 정밀도를 전달할 수 있습니다. APA 7판은 모든 효과크기에 신뢰구간을 권장합니다. CI 공식은 비중심 t 분포를 사용하며 계산이 복잡하므로 계산기를 사용하는 것이 좋습니다.

효과는 중간 수준이었다, d = 0.43, 95% CI [0.12, 0.73].

d에 대한 신뢰구간에 0이 포함되면 효과크기가 0과 유의하게 다르지 않음을 나타내며, 이는 비유의한 p값과 일치합니다. CI가 넓으면 추정이 부정확하므로 해석에 주의가 필요합니다.

효과크기의 APA 형식

표본은 모집단 규준보다 유의하게 높은 점수를 보였다, t(44) = 2.87, p = .006, d = 0.43, 95% CI [0.12, 0.73], 작은-중간 수준의 효과를 나타냈다.

d는 1.0을 초과할 수 있으므로 앞자리 0을 사용합니다(0.43, .43 아님). 항상 수치와 함께 언어적 해석을 제공하십시오.

가정과 검증 방법

일표본 t 검정은 여러 가정에 의존합니다. 이러한 가정을 위반하면, 특히 소표본에서 오해의 소지가 있는 결과를 초래할 수 있습니다.

1. 연속형 종속변수

종속변수는 연속 척도(등간 또는 비율)로 측정되어야 합니다. 일반적인 예로는 검사 점수, 반응 시간, 무게, 혈압 수치가 있습니다. 변수가 서열형(예: 단일 Likert 항목)이면 일표본 t 검정은 적절하지 않습니다. 대신 일표본 Wilcoxon 부호순위 검정을 사용하거나, 여러 항목의 합산 척도 점수에만 t 검정을 사용하십시오.

2. 관찰의 독립성

각 데이터 포인트는 다른 모든 데이터 포인트와 독립이어야 합니다. 이는 한 참가자의 점수가 다른 참가자의 점수에 영향을 미치지 않아야 함을 의미합니다. 데이터가 위계적 구조(예: 교실 내 학생)를 갖거나 시간적 의존성(예: 동일 참가자의 반복 측정)이 있으면 독립성이 위반됩니다. 독립성은 사후 통계 검정이 아닌 적절한 연구 설계를 통해 보장됩니다.

3. 종속변수의 정규성

일표본 t 검정은 정규분포 모집단에서 추출된 데이터를 가정합니다. 소표본(N < 30)에서 이 가정은 매우 중요합니다. 대표본에서는 중심극한정리가 원시 데이터가 정규분포를 따르지 않더라도 평균의 표집분포가 대략 정규적임을 보장합니다.

정규성 검증 방법:

• Shapiro-Wilk 검정. 소표본에서 중간 표본까지 가장 강력한 정규성 검정입니다. 유의한 결과(p < .05)는 비정규성을 나타냅니다. 다음과 같이 보고합니다: "Shapiro-Wilk 검정 결과, 데이터는 대략적으로 정규분포를 따랐다, W = 0.97, p = .342."
• Q-Q 플롯. 데이터의 분위수를 정규분포의 분위수에 대해 도시합니다. 점들이 대각선을 따라 대략적으로 놓이면 정규성을 시사합니다. 체계적 편차(S-곡선, 무거운 꼬리)는 위반을 나타냅니다.
• 왜도와 첨도. -2에서 +2 사이의 값이 일반적으로 허용됩니다. 모수적 검정의 사용을 정당화할 때 이 값들을 보고하십시오.

4. 가정 위반 시 대처 방법

소표본에서 정규성이 위반된 경우 여러 선택지가 있습니다:

1. Wilcoxon 부호순위 검정 사용 — 정규성을 가정하지 않는 비모수적 대안입니다.
2. 데이터 변환 — 로그, 제곱근, 또는 역수 변환이 편포된 분포를 정규화할 수 있습니다. 변환을 보고하고 해석을 위해 결과를 역변환하십시오.
3. 신뢰구간 부트스트래핑 — 재표집 방법은 정규성 가정을 필요로 하지 않으며 강건한 신뢰구간을 제공합니다.
4. 주의하며 진행 — N > 30이면 t 검정은 일반적으로 중간 정도의 위반에 강건합니다. 위반을 명시하고 원고에서 결정을 정당화하십시오.

Shapiro-Wilk 검정 결과 정규성에서 유의한 이탈이 나타났다, W = 0.89, p = .004. 표본 크기(N = 50)와 대표본에서 비정규성에 대한 t 검정의 강건성을 고려하여 모수적 검정을 유지하였다.

연구에서의 일반적 적용

일표본 t 검정을 언제 적용해야 하는지 이해하면 연구자가 가설을 올바르게 설정하는 데 도움이 됩니다. 다음은 보고 예시와 함께 가장 일반적인 적용 사례입니다.

표본을 모집단 규준과 비교

이것이 전형적인 사용 사례입니다. 표준화된 검사(IQ, GRE, SAT, 우울 척도)는 확립된 모집단 규준을 가지고 있습니다. 연구자는 특정 하위 집단이 이 규준과 다른지 검정합니다.

간호학과 학생들의 Beck 우울 척도 점수(M = 14.20, SD = 6.80, N = 62)가 일반 모집단 규준 10.0과 다른지 검정하기 위해 일표본 t 검정을 실시하였다. 표본은 규준보다 유의하게 높은 점수를 보였다, t(61) = 4.86, p < .001, d = 0.62, 95% CI [2.48, 5.92], 이 집단에서 우울 증상이 높음을 시사한다.

척도 중간점에 대한 척도 타당화

척도를 개발하거나 타당화하는 연구자는 응답이 척도 중간점과 다른지 검정합니다. 이를 통해 응답자가 동의 또는 비동의 방향으로 경향이 있는지 확인합니다.

7점 만족도 척도의 평균 점수(M = 5.32, SD = 1.15, N = 200)를 척도 중간점 4.0과 비교하였다. 일표본 t 검정 결과, 중간점 이상의 유의한 만족도가 나타났다, t(199) = 16.22, p < .001, d = 1.15, 95% CI [1.16, 1.48].

표준에 대한 품질 관리

산업 및 제조 맥락에서 일표본 t 검정은 생산 공정이 사양을 충족하는지 검증합니다.

샘플 병의 평균 충전량(M = 502.30 mL, SD = 3.80, N = 40)을 목표 500 mL과 비교하였다. 일표본 t 검정 결과 유의한 과충전이 나타났다, t(39) = 3.83, p < .001, d = 0.61, 95% CI [1.09, 3.51].

사전등록된 가설

사전등록 문서에 특정 방향적 예측이 명시되어 있으면, 일표본 t 검정을 단측검정으로 사용할 수 있습니다. 이는 효과의 예상 방향이 잘 확립된 반복 연구에서 특히 흔합니다.

사전등록된 가설과 일치하게, 참가자의 평균 점수(M = 78.50, SD = 10.20, N = 35)는 합격 기준 75를 초과하였다, t(34) = 2.03, p = .025, 단측, d = 0.34, 95% CI [0.44, 6.56].

단측 vs 양측 검정 보고

기본적으로 일표본 t 검정은 양측검정으로, 표본 평균이 검정값과 어느 방향으로든 다른지를 검정합니다. 단측검정은 데이터 수집 전에 수립된 강력한 방향적 가설이 있는 경우에만 적합합니다.

각각을 사용하는 경우

양측검정(기본값 — 특별한 이유가 없으면 이것을 사용):

• 어느 방향의 차이든 감지하고자 할 때
• 탐색적 연구를 수행할 때
• 방향을 예측할 강한 이론적 근거가 없을 때
• 사전등록에 방향이 명시되지 않았을 때

단측검정:

• 이론적으로 정당화된 강한 방향적 예측이 있을 때
• 데이터 수집 전에 방향이 명시되었을 때(이상적으로는 사전등록에서)
• 효과의 한 방향만 연구 질문에 의미가 있을 때
• 반대 방향의 효과를 무시할 의향이 있을 때

APA 형식의 차이

양측검정(특별한 표기 불필요):

점수가 전국 평균 75와 다른지 확인하기 위해 일표본 t 검정을 실시하였다. 결과는 유의하였다, t(39) = 1.92, p = .031, d = 0.30, 95% CI [0.72, 7.28].

단측검정(명시적 표기 필요):

점수가 전국 평균 75를 초과하는지 확인하기 위해 일표본 t 검정을 실시하였다. 결과는 유의하였다, t(39) = 1.92, p = .031, 단측, d = 0.30, 95% CI [0.72, 7.28].

핵심 차이: (1) 연구 질문에서 방향을 명시, (2) p값을 단측으로 표기, (3) 해석에서 효과의 방향을 기술.

정당화 요건

심사자들은 단측검정을 면밀히 검토하는데, p값을 반으로 줄여 유의성에 도달하기 쉽게 만들기 때문입니다. 방법 섹션에서 정당화를 제공해야 합니다:

마음챙김 훈련이 주의력 점수를 일관되게 향상시킨다는 선행 연구(Smith et al., 2020; Jones & Brown, 2022)에 기반하여, 훈련군의 점수가 모집단 평균을 초과하는지 평가하기 위해 단측검정을 사용하였다.

단측검정에 대한 논쟁

많은 방법론 학자들은 대부분의 연구 맥락에서 단측검정을 권장하지 않습니다. 주요 우려는 양측검정이 비유의한 결과를 산출할 때 유의성을 달성하기 위해 사후적으로 사용되는 경우가 많다는 것입니다. 이는 p-해킹에 해당합니다. 방향을 사전등록하지 않았다면 양측검정을 사용하십시오. 심사자가 단측검정에 의문을 제기하면, 사전등록이나 데이터 수집 전에 문서화된 명확한 이론적 근거를 제시할 수 있어야 합니다.

일표본 t 검정 보고의 흔한 실수

1. 잘못된 모집단 값에 대한 검정

일표본 t 검정의 타당성은 비교값의 적절성에 전적으로 달려 있습니다. 오래된 규준, 다른 모집단의 규준, 또는 임의의 기준을 사용하면 검정이 무의미해질 수 있습니다.

부적절: 모집단 점수가 변했을 수 있음을 인정하지 않고 현재 학생의 점수를 1985년에 출판된 규준과 비교하는 것(예를 들어 IQ의 플린 효과).

적절: "2020년 표준화 표본(Wechsler, 2020)에 기반한 최신 전국 규준 100과 점수를 비교하였다."

2. 소표본에서 정규성 무시

N < 30에서 정규성 가정은 매우 중요합니다. 많은 연구자가 이 검토를 완전히 건너뜁니다. 소표본에서는 항상 분포를 시각적으로 검사하고 Shapiro-Wilk 검정을 실시하십시오. 데이터가 명확히 비정규적이면 Wilcoxon 부호순위 검정이 적절한 대안입니다.

3. 신뢰구간 미보고

일부 연구자는 t, p, d를 보고하지만 신뢰구간을 생략합니다. CI는 p값만으로는 전달할 수 없는 추정된 평균 차이의 정밀도와 범위에 대한 정보를 제공합니다. APA 7판은 모든 추론 검정에 CI를 권장합니다.

불완전: t(44) = 2.87, p = .006, d = 0.43.

완전: t(44) = 2.87, p = .006, d = 0.43, 95% CI [1.58, 9.02].

4. 통계적 유의성과 실질적 유의성의 혼동

통계적으로 유의한 결과가 반드시 실질적으로 의미 있는 차이를 뜻하지는 않습니다. 충분히 큰 표본이면 아주 사소한 차이도 유의해집니다. 항상 p값과 함께 효과크기를 해석하십시오.

예시: N = 500에서 평균 IQ 101.2를 규준 100과 비교하면 p = .015가 나올 수 있지만, d = 0.08은 무시할 수 있는 효과를 나타냅니다. 미미한 효과크기를 인정하지 않고 이를 "유의한 차이"로 보고하는 것은 오해의 소지가 있습니다.

5. 효과크기 완전 누락

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.

6. 방향 기술 실패

항상 표본 평균이 검정값보다 높은지 낮은지 기술하십시오. t 통계량의 부호만으로는 독자가 결과의 실질적 의미를 이해하기에 충분하지 않습니다.

불명확: "결과가 유의하였다, t(44) = 2.87, p = .006."

명확: "표본 평균은 모집단 규준보다 유의하게 높았다, t(44) = 2.87, p = .006."

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

자주 묻는 질문

일표본 t 검정과 z 검정의 차이는 무엇인가요?

두 검정 모두 표본 평균을 알려진 값과 비교하지만, z 검정은 모집단 표준편차가 알려져 있어야 하며 이는 실제로 드뭅니다. 일표본 t 검정은 대신 표본 표준편차를 사용하므로 거의 모든 실제 상황에 적합합니다. 표본 크기가 클 때(일반적으로 N > 30), t 분포는 정규분포에 가깝게 근사하여 두 검정이 거의 동일한 결과를 산출합니다. APA 형식에서는 t 기호를 z로 대체하여 같은 방식으로 보고합니다: z = 2.45, p = .014.

소표본(N < 10)에서 일표본 t 검정을 사용할 수 있나요?

기술적으로는 가능하지만, 여러 고려사항이 적용됩니다. 중심극한정리의 보호가 최소한이므로 매우 작은 표본에서는 정규성 가정이 중요해집니다. Shapiro-Wilk 검정과 Q-Q 플롯으로 정규성을 확인하십시오. 데이터가 정규적으로 보이더라도 t 검정은 통계적 검정력이 낮아 실제 효과를 감지하지 못할 수 있습니다. 비모수적 대안(Wilcoxon 부호순위 검정)이 더 적절한지 고려하고, 결과를 맥락화하기 위해 검정력 분석을 보고하십시오.

일표본 t 검정의 검정값(mu)을 어떻게 선택하나요?

검정값은 이론적으로 또는 실질적으로 정당화되어야 합니다. 일반적인 출처에는 출판된 모집단 규준(예: IQ 평균 100), 규제 기준(예: 최대 허용 500 mg), 척도 중간점(예: 7점 척도에서 4.0), 또는 선행 연구의 값이 포함됩니다. 데이터에 기반하여 검정값을 선택하는 것은 검정을 무효화하므로 피하십시오. 특정 검정값에 대한 명확한 정당화가 없다면 완전히 다른 연구 설계가 필요할 수 있습니다.

일표본 t 검정에 필요한 표본 크기는 얼마인가요?

양측검정, alpha = .05, 검정력 = .80에서 효과크기별 필요 표본 크기는 대략: d = 0.20(작은 효과)에 N = 199; d = 0.50(중간 효과)에 N = 34; d = 0.80(큰 효과)에 N = 15입니다. 이는 지침입니다. 예상 효과크기와 원하는 검정력 수준에 맞는 정확한 표본 크기를 결정하려면 공식적인 검정력 분석을 사용하십시오.

일표본 t 검정은 비정규성에 강건한가요?

일표본 t 검정은 특히 표본 크기가 증가함에 따라 비정규성에 중간 정도로 강건합니다. N > 30이면 중심극한정리가 모집단 분포의 형태와 관계없이 평균의 표집분포가 정규에 근사함을 보장합니다. 그러나 소표본에서 심하게 편포되거나 꼬리가 무거운 분포를 가진 경우, 검정이 오해의 소지가 있는 p값을 산출할 수 있습니다. 이러한 경우 Wilcoxon 부호순위 검정이나 부트스트랩 신뢰구간이 바람직합니다.

일표본 t 검정에서 Cohen의 d와 Hedges의 g 중 어떤 것을 보고해야 하나요?

일표본 t 검정에서 Cohen의 d는 표준적이고 가장 널리 인정되는 효과크기 측정치입니다. Hedges의 g는 N > 20에서 무시할 수 있을 정도로 작아지는 소표본 교정을 적용합니다. 표본이 매우 작은 경우(N < 20), Hedges의 g가 덜 편향된 추정치를 제공합니다. 대부분의 경우 Cohen의 d로 충분하며 심사자들이 기대합니다. 어떤 것을 사용하든 명시적으로 이름을 밝히고 보고하십시오.

사전-사후 비교에 일표본 t 검정을 사용할 수 있나요?

아닙니다. 동일한 참가자를 두 시점에서 측정했다면 대응표본 t 검정을 사용하십시오. 사전검사 평균에 대해 사후검사 점수에 일표본 t 검정을 적용하면 데이터의 대응 구조를 무시하고, 개인 수준 변화에 대한 정보를 버리며, 일반적으로 검정력이 낮아집니다. 일표본 t 검정이 변화에 적합한 유일한 시나리오는 차이 점수를 계산하고 평균 차이가 0과 다른지 검정하는 경우이지만, 이는 대응표본 t 검정과 수학적으로 동일합니다.

표에서 일표본 t 검정 결과를 어떻게 보고하나요?

여러 일표본 t 검정(예: 여러 하위척도 평균을 규준과 비교)을 보고할 때 표 형식을 사용합니다:

| 변수 | M | SD | t(df) | p | d | 95% CI | |------|-----|------|---------|-----|-----|--------| | 하위척도 A | 52.30 | 8.40 | t(49) = 1.94 | .058 | 0.27 | [-0.09, 4.69] | | 하위척도 B | 55.10 | 7.20 | t(49) = 5.01 | < .001 | 0.71 | [3.05, 7.15] | | 하위척도 C | 48.80 | 9.10 | t(49) = -0.93 | .356 | -0.13 | [-3.76, 1.36] |

주: 모든 하위척도 점수는 출판된 규준 50과 비교. 표 아래에 검정값과 그 출처를 명시하는 주석을 포함하십시오.

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.