T-검정 계산기

T-검정이란?

T-검정(t-test)은 두 집단의 평균을 비교하여 통계적으로 유의한 차이가 있는지를 판단하는 통계 검정입니다. 1908년 William Sealy Gosset이 "Student"라는 필명으로 개발한 t-검정은 사회과학, 심리학, 의학, 교육 연구에서 가장 많이 사용되는 통계 검정 중 하나입니다. t-검정은 간단한 질문에 답합니다: 두 집단 평균의 차이가 실제 효과에 의한 것인지, 아니면 단순한 우연에 의한 것인지?

독립표본 T-검정

독립표본 t-검정은 두 개의 서로 다른 독립 집단의 평균을 비교할 때 사용합니다. 예를 들어, 실험집단과 통제집단의 시험 점수 비교, 또는 남녀 직원 간 급여 비교 등이 있습니다. 이 계산기는 기본적으로 Welch의 t-검정을 사용하며, 이는 등분산 가정이 필요하지 않고 미국 심리학회(APA)에서 기본 접근법으로 권장하는 방법입니다.

대응표본 T-검정

대응표본 t-검정은 동일 집단의 두 시점 평균을 비교할 때(사전검사 vs 사후검사) 또는 참가자가 주요 변수에서 매칭된 경우에 사용합니다. 대응표본 t-검정은 측정 간 상관을 고려하므로, 연구 설계가 허용하는 경우 독립표본 검정보다 더 높은 검정력을 제공합니다. 대표적인 예로는 중재 전후 연구와 피험자 내 실험 설계가 있습니다.

T-검정 vs 다른 검정

T-검정의 가정

결과를 해석하기 전에 다음 가정들이 충족되는지 확인하세요:

Cohen's d 효과크기 이해하기

p값은 차이가 통계적으로 유의한지를 알려주는 반면, Cohen's d는 실용적 관점에서 차이가 얼마나 큰지를 알려줍니다. 이는 큰 표본 크기에서는 작고 무의미한 차이도 "유의"할 수 있기 때문에 매우 중요합니다.

APA 형식으로 T-검정 결과 보고하기

APA 제7판 지침에 따르면, t-검정 결과에는 t-통계량, 자유도, p값, 효과크기, 신뢰구간을 포함해야 합니다. 다음은 사용할 수 있는 템플릿입니다:

참고: t값과 자유도는 소수점 둘째 자리까지 보고합니다. p값은 소수점 셋째 자리까지 보고하되, .001 미만인 경우 p < .001로 표기합니다. 항상 효과크기 측정치를 포함하세요.

흔한 실수

• p = .000 보고: 통계 소프트웨어가 때때로 p = .000으로 표시하지만, p < .001로 보고해야 합니다. p값은 절대로 정확히 0이 될 수 없습니다.
• 효과크기 무시: 통계적으로 유의한 결과라도 d = 0.1이면 실용적으로 의미가 없을 수 있습니다. 항상 효과크기를 보고하고 해석하세요.
• 3개 이상 집단에 t-검정 사용: 3개 이상의 집단이 있는 경우 ANOVA를 사용하세요. 다중 t-검정은 제1종 오류율을 증가시킵니다.
• 등분산 가정: 등분산을 가정할 강한 근거가 없다면, Welch의 t-검정(StatMate의 기본값)을 사용하세요.
• 통계적 유의성과 실용적 중요성의 혼동: p < .05 결과가 자동으로 해당 발견이 중요하거나 임상적으로 유관하다는 것을 의미하지는 않습니다.