이원분산분석을 사용하는 경우
이원분산분석(Two-Way ANOVA, 요인 ANOVA라고도 함)은 두 개의 독립변수가 하나의 연속형 종속변수에 미치는 효과를 검정합니다. 이 분석은 세 가지 질문에 동시에 답합니다:
- 요인 A가 결과에 영향을 미치는가? (A의 주효과)
- 요인 B가 결과에 영향을 미치는가? (B의 주효과)
- 요인 A의 효과가 요인 B의 수준에 따라 달라지는가? (A x B 상호작용효과)
이 설계는 실험 연구에서 흔히 사용됩니다. 예를 들어, 교수법(강의식 vs. 능동적 학습)과 학급 규모(소, 중, 대)가 시험 점수에 공동으로 영향을 미치는지 검토할 수 있습니다. 이원분산분석은 별도의 검정을 실시하지 않고도 세 가지 질문 모두를 단일 분석에서 검정할 수 있게 해줍니다.
결과를 보고하기 전에 데이터가 표준 가정을 충족하는지 확인하십시오: 종속변수가 연속형이고, 관측치가 독립적이며, 각 셀 내에서 잔차가 대략적으로 정규분포를 따르고, 집단 간 분산이 대략적으로 동일해야 합니다(Levene 검정).
보고해야 할 내용: 세 개의 F 검정
모든 이원분산분석은 세 개의 F 검정을 산출합니다. 일부가 유의하지 않더라도 세 개 모두 보고해야 합니다:
| 변동원 | 검정 내용 | |--------|----------| | A의 주효과 | 요인 B의 수준을 평균하여 요인 A의 전반적 효과 | | B의 주효과 | 요인 A의 수준을 평균하여 요인 B의 전반적 효과 | | A x B 상호작용 | 한 요인의 효과가 다른 요인의 수준에 따라 달라지는지 여부 |
각 F 검정에 대해 APA 7판 형식으로 다음을 보고합니다:
- F 통계량과 자유도(집단 간 df와 오차 df)
- 정확한 p값(매우 작으면 p < .001)
- 효과크기: 편에타제곱(partial eta-squared)
APA 템플릿:
F(df_between, df_error) = X.XX, p = .XXX, partial eta-squared = .XX
1단계: 기술통계 보고
두 요인의 모든 조합에 대한 셀 평균, 표준편차, 표본 크기를 표로 제시하는 것부터 시작합니다. 이는 선택 사항이 아니며, 독자가 주효과와 상호작용을 해석하기 위해 이 값들이 필요합니다.
2 x 3 설계의 예시 표:
| 교수법 | 소규모 학급 (n = 20) | 중규모 학급 (n = 20) | 대규모 학급 (n = 20) | |--------|----------------------|----------------------|----------------------| | 강의식 | M = 72.50, SD = 8.30 | M = 70.10, SD = 9.20 | M = 65.40, SD = 10.10 | | 능동적 학습 | M = 84.20, SD = 7.60 | M = 82.80, SD = 8.10 | M = 71.30, SD = 9.50 |
주변 평균(행 평균과 열 평균)도 표에 포함하거나 본문에 보고합니다. 이것이 주효과가 참조하는 평균입니다.
APA 형식에서는 번호가 매겨진 표 제목(예: 표 1)과 약어를 설명하는 주석을 포함한 공식 표로 제시합니다. 본문에서는 모든 평균을 나열하기보다 표를 참조합니다.
2단계: 주효과 보고
각 주효과는 다른 요인을 통합하여 해당 요인이 종속변수에 전반적인 영향을 미치는지 알려줍니다. F 통계량, 자유도, p값, 편에타제곱을 보고합니다.
교수법의 주효과(요인 A):
교수법의 유의한 주효과가 나타났다, F(1, 114) = 28.45, p < .001, partial eta-squared = .20. 이는 능동적 학습(M = 79.43, SD = 9.73)이 강의식(M = 69.33, SD = 9.53)보다 전반적으로 더 높은 시험 점수를 산출했음을 나타낸다.
학급 규모의 주효과(요인 B):
학급 규모의 유의한 주효과가 나타났다, F(2, 114) = 12.67, p < .001, partial eta-squared = .18. Bonferroni 보정을 적용한 사후 쌍별비교 결과, 소규모 학급(M = 78.35)이 대규모 학급(M = 68.35, p < .001)보다 유의하게 높은 점수를 보였으나, 중규모 학급(M = 76.45, p = .412)과는 유의한 차이가 없었다.
편에타제곱 해석
각 효과의 크기를 기술하기 위해 다음의 기준(Cohen, 1988)을 사용합니다:
| 편에타제곱 | 해석 | |-----------|------| | .01 | 작은 효과 | | .06 | 중간 효과 | | .14 | 큰 효과 |
편에타제곱 값은 0에서 1 사이의 범위이며 1을 초과할 수 없으므로 앞자리 0을 붙이지 않습니다(예: "0.20"이 아니라 ".20"으로 표기).
3단계: 상호작용효과 보고
상호작용은 이원분산분석에서 가장 중요한 결과입니다. 한 요인의 효과가 다른 요인의 수준에 따라 달라지는지를 검정합니다. 이것이 이원분산분석을 두 개의 독립적인 일원분산분석과 구별하는 점입니다.
상호작용의 의미
상호작용이란 차이의 패턴이 균일하지 않다는 것을 의미합니다. 예를 들어, 능동적 학습이 소규모와 중규모 학급에서는 점수를 크게 높이지만 대규모 학급에서는 거의 이점이 없을 수 있습니다. 상호작용 그래프에서 선들이 평행하지 않게 나타납니다.
유의한 상호작용 예시
교수법과 학급 규모 간에 유의한 상호작용이 나타났다, F(2, 114) = 4.83, p = .010, partial eta-squared = .08. 능동적 학습이 모든 학급 규모에서 강의식보다 높은 점수를 산출했지만, 그 이점은 소규모 학급(평균 차이 = 11.70)에서 대규모 학급(평균 차이 = 5.90)보다 상당히 컸다. 이는 학급 규모가 커질수록 능동적 학습의 이점이 감소함을 나타낸다.
유의한 상호작용을 보고할 때는 항상 패턴을 기술하십시오. 어떤 특정 셀이 상호작용을 유발하는지 명시하고 관련 평균을 제시합니다. 해석 없이 통계적 진술만 제시하는 것은 불충분합니다.
비유의한 상호작용 예시
교수법과 학급 규모 간의 상호작용은 유의하지 않았다, F(2, 114) = 1.12, p = .330, partial eta-squared = .02. 이는 교수법이 시험 점수에 미치는 효과가 학급 규모에 따라 달라지지 않았음을 나타낸다.
상호작용이 유의하지 않은 경우 해석을 간략하게 유지합니다. 주효과를 그대로 해석할 수 있습니다.
4단계: 추가 검정(단순효과 및 사후검정)
유의한 상호작용의 유무에 따라 다음 단계가 결정됩니다.
상호작용이 유의한 경우
유의한 상호작용은 주효과가 제한적으로 해석되어야 함을 의미하므로, 주효과를 단독으로 해석해서는 안 됩니다. 대신 단순효과 분석을 실시합니다: 다른 요인의 각 수준에서 한 요인의 효과를 별도로 검정합니다.
단순효과 분석 결과, 교수법은 소규모 학급에서 시험 점수에 유의한 효과를 보였으며, F(1, 38) = 22.14, p < .001, partial eta-squared = .37, 중규모 학급에서도 유의했다, F(1, 38) = 19.87, p < .001, partial eta-squared = .34. 그러나 대규모 학급에서는 효과가 더 작았다, F(1, 38) = 4.02, p = .052, partial eta-squared = .10.
요인이 세 개 이상의 수준을 가지면 각 단순효과 내에서 사후 쌍별비교(예: Bonferroni, Tukey HSD)도 필요할 수 있습니다.
상호작용이 유의하지 않은 경우
상호작용이 유의하지 않으면 주효과를 직접 해석합니다. 세 개 이상의 수준을 가진 주효과에 대해서는 쌍별비교를 실시합니다:
상호작용이 유의하지 않았으므로 주효과를 독립적으로 해석하였다. 학급 규모에 대한 Bonferroni 보정 쌍별비교 결과, 소규모 학급이 대규모 학급보다 유의하게 높은 점수를 보였으나(p < .001, d = 1.07), 소규모 학급과 중규모 학급 간에는 유의한 차이가 없었다(p = .412).
완전한 APA 보고 예시
다음은 시험 점수에 대한 2(교수법: 강의식 vs. 능동적 학습) x 3(학급 규모: 소 vs. 중 vs. 대) 피험자 간 ANOVA의 전체 결과 문단입니다. 이 형식은 원고에 바로 사용할 수 있습니다.
교수법(강의식, 능동적 학습)과 학급 규모(소, 중, 대)가 시험 점수에 미치는 효과를 검토하기 위해 2 x 3 피험자 간 ANOVA를 실시하였다. 기술통계는 표 1에 제시하였다.
교수법의 유의한 주효과가 나타났으며, F(1, 114) = 28.45, p < .001, partial eta-squared = .20, 능동적 학습(M = 79.43, SD = 9.73)이 강의식(M = 69.33, SD = 9.53)보다 더 높은 점수를 산출하였다. 학급 규모의 유의한 주효과도 나타났다, F(2, 114) = 12.67, p < .001, partial eta-squared = .18.
교수법과 학급 규모 간의 상호작용이 유의하였다, F(2, 114) = 4.83, p = .010, partial eta-squared = .08. 단순효과 분석 결과, 능동적 학습은 소규모 학급(p < .001, d = 1.47)과 중규모 학급(p < .001, d = 1.47)에서 강의식보다 유의하게 높은 점수를 산출하였으나, 대규모 학급에서는 유의한 차이가 나타나지 않았다(p = .052, d = 0.60). 이는 능동적 학습의 이점이 대규모 교실 환경에서 약화됨을 시사한다.
이 문단은 일관된 순서를 따릅니다: (1) 분석과 설계 명시, (2) 주효과 보고, (3) 상호작용 보고, (4) 단순효과로 후속 검정. 이 구조는 결과 섹션을 체계적이고 읽기 쉽게 만듭니다.
표와 본문의 보고 비교
셀이 많은 설계(예: 3 x 4)의 경우, 모든 평균과 F 검정을 본문에 넣으면 읽기 어려워집니다. APA는 두 개의 표를 사용할 것을 권장합니다:
표 1: 기술통계. 두 요인의 모든 조합에 대한 셀 평균, 표준편차, 표본 크기와 주변 평균을 제시합니다.
표 2: ANOVA 요약표. 변동원, SS, df, MS, F, p, 편에타제곱 열을 포함합니다.
| 변동원 | SS | df | MS | F | p | 편에타제곱 | |--------|------|------|------|-----|-----|-----------| | 교수법 (A) | 3048.07 | 1 | 3048.07 | 28.45 | < .001 | .20 | | 학급 규모 (B) | 2715.60 | 2 | 1357.80 | 12.67 | < .001 | .18 | | A x B | 1035.47 | 2 | 517.73 | 4.83 | .010 | .08 | | 오차 | 12213.60 | 114 | 107.14 | | | |
본문에서는 핵심 결과를 요약하고 전체 세부사항은 표를 참조하도록 안내합니다. 이 접근법은 결과 섹션이 숫자의 벽이 되는 것을 방지합니다.
흔한 실수
1. 상호작용이 유의할 때 주효과를 해석하는 것
이원분산분석 보고에서 가장 빈번한 오류입니다. 유의한 상호작용이 존재하면 주효과는 오해의 소지가 있는데, 이는 균일하지 않은 패턴을 평균한 것이기 때문입니다. 항상 상호작용을 우선시하고 단순효과를 사용하여 데이터를 이해하십시오.
2. 모든 효과에 대해 편에타제곱을 보고하지 않는 것
APA 7판은 모든 검정에 대해 효과크기를 요구합니다. 효과가 유의하지 않더라도 두 주효과와 상호작용 모두에 대해 편에타제곱을 보고합니다. 편에타제곱 = .12인 비유의한 결과는 편에타제곱 = .002인 비유의한 결과와 다른 이야기를 전합니다.
3. 에타제곱과 편에타제곱을 혼동하는 것
에타제곱은 효과의 제곱합을 총 제곱합으로 나눕니다. 편에타제곱은 효과의 제곱합을 효과의 제곱합 + 오차 제곱합으로 나눕니다. 요인 설계에서는 편에타제곱이 표준 측정치인데, 이는 각 효과를 다른 효과들로부터 분리하기 때문입니다. 대부분의 소프트웨어(SPSS, R, JASP)는 기본적으로 편에타제곱을 보고합니다. 올바르게 표기하십시오; 이 둘은 호환되지 않습니다.
4. 셀 평균을 보고하지 않는 것
주변 평균만 보고하면 상호작용 패턴이 가려집니다. 항상 모든 셀 조합의 평균을 표나 본문에 제시하십시오. 독자는 개별 셀 값을 보지 않고는 상호작용 해석을 평가할 수 없습니다.
5. 자유도 또는 표본 크기를 누락하는 것
F비에 두 자유도(집단 간과 오차)를 항상 포함하십시오. 또한 셀 크기를 보고하는데, 특히 설계가 불균형인 경우 중요합니다. 불균등한 표본 크기는 제곱합 유형(Type I, II, III)의 선택에 영향을 미치므로 반드시 언급해야 합니다.
이원분산분석 APA 체크리스트
원고 제출 전 이 체크리스트를 사용하십시오:
- [ ] 분석 유형(이원분산분석)과 설계(예: 2 x 3 피험자 간) 명시
- [ ] 두 독립변수와 각 수준 명명
- [ ] 종속변수 명명
- [ ] 셀 평균, 표준편차, 표본 크기 보고(표 권장)
- [ ] 각 요인의 주변 평균 보고
- [ ] 요인 A의 주효과 보고: F(df1, df2), p, 편에타제곱
- [ ] 요인 B의 주효과 보고: F(df1, df2), p, 편에타제곱
- [ ] 상호작용효과 보고: F(df1, df2), p, 편에타제곱
- [ ] 상호작용이 유의하면: 단순효과 분석 보고
- [ ] 주효과가 3개 이상의 수준이면: 보정된 사후 쌍별비교 보고
- [ ] 유의한 효과의 방향과 의미 해석
- [ ] 효과크기 측정치로 편에타제곱 사용(에타제곱이 아님)
- [ ] 복잡한 설계의 경우 ANOVA 요약표 포함
- [ ] p값에 앞자리 0이 없는지 확인(.010, 0.010 아님)
- [ ] 편에타제곱에 앞자리 0이 없는지 확인(.08, 0.08 아님)
StatMate의 무료 이원분산분석 계산기를 사용해 보세요
이원분산분석 결과를 수동으로 포맷하는 것은 번거롭고 오류가 발생하기 쉽습니다. 특히 편에타제곱을 계산하고 단순효과를 정리해야 할 때 더욱 그렇습니다. StatMate의 이원분산분석 계산기는 전체 과정을 자동으로 처리합니다.
데이터를 입력하면 StatMate가 다음을 제공합니다:
- 세 개의 F 검정 모두와 정확한 p값 및 편에타제곱
- 셀 평균, 주변 평균, 표준편차
- Bonferroni 보정을 적용한 사후 쌍별비교
- 패턴을 시각화하는 상호작용 그래프
- 원고에 바로 복사할 수 있는 APA 형식 결과
- 원클릭 Word(.docx) 및 PDF 내보내기
수동 포맷이나 공식 오류 없이 statmate.org/calculators/two-way-anova에서 무료로 사용해 보세요.