일원분산분석(ANOVA) 계산기
각 집단의 점수를 붙여넣으면 제곱합, 평균제곱, F, 정확한 p-값을 담은 전체 ANOVA 표를 η² 및 ω², 집단별 기술통계, 등분산성에 대한 Brown–Forsythe 검정, Welch ANOVA, Bonferroni 보정 쌍별 비교와 함께 확인할 수 있습니다. 모든 단계를 입력한 숫자로 풀어서 보여 줍니다. 무료이며 회원가입이 필요 없습니다.
0개 값 감지됨
0개 값 감지됨
0개 값 감지됨
최소 두 개의 집단에 각각 최소 두 개의 숫자를 입력하세요.
일원분산분석 계산기 사용 방법
- 1. 각 집단을 입력하세요. 집단 이름을 정하고 점수를 쉼표, 공백 또는 줄바꿈으로 구분해 붙여넣습니다. 세 집단이 기본으로 준비되어 있으며, 최대 10개까지 추가하거나 2개까지 줄일 수 있습니다.
- 2. α를 선택하세요. 유의수준(기본값 .05)은 판정 문장과 후속 검정의 결론을 결정합니다.
- 3. 전체 검정(omnibus test)을 읽으세요. ANOVA 표에는 SS, df, MS, F, p가 나오며, η²와 ω²는 집단이 변동의 얼마만큼을 설명하는지 알려 줍니다.
- 4. 확인하고 후속 분석을 하세요. 기본 F를 신뢰하기 전에 Levene 검정을 확인하고, 분산이 다르면 Welch ANOVA를 사용하며, 쌍별 비교로 어떤 집단이 서로 다른지 살펴보세요. 마치면 APA 문장을 복사하세요.
F 비가 비교하는 것
ANOVA는 점수의 총변동을 두 부분으로 나눕니다. 집단 간 제곱합 SSB = Σ nⱼ(x̄ⱼ − x̄)²은 각 집단 평균이 전체 평균에서 얼마나 떨어져 있는지를 나타냅니다. 집단 내 제곱합 SSW = Σ Σ (x − x̄ⱼ)²은 개별 점수가 자기 집단의 평균에서 얼마나 떨어져 있는지를 나타냅니다. 각각을 자유도로 나누면 평균제곱이 되고, F = MSB / MSW입니다. 모집단 평균이 모두 같다면 두 평균제곱은 같은 오차 분산을 추정하므로 F는 1 근처에 머뭅니다. F가 크다는 것은 집단 평균 간 차이가 집단 내부의 잡음만으로 우연히 생길 수 있는 수준보다 크다는 뜻입니다.
| 변동 원천 | SS | df | MS | F |
|---|---|---|---|---|
| 집단 간 | Σ nⱼ(x̄ⱼ − x̄)² | k − 1 | SSB / (k − 1) | MSB / MSW |
| 집단 내 | Σ Σ (x − x̄ⱼ)² | N − k | SSW / (N − k) | |
| 전체 | Σ (x − x̄)² | N − 1 |
k는 집단의 수, N은 전체 점수의 수입니다. η² = SSB / SST, ω² = (SSB − (k − 1)MSW) / (SST + MSW)입니다.
실제 예시: 세 가지 수업 방식
예시 사용해 보기를 클릭하면 학생 여섯 명씩으로 이루어진 세 반의 퀴즈 점수가 불러와집니다. 강의식(M = 73.83, SD = 4.36), 플립드 러닝(M = 82.17, SD = 3.76), 자기주도 온라인(M = 72.33, SD = 2.58)이며, 전체 평균은 76.11입니다.
일원분산분석, 단계별 풀이
SSB = 336.78, df = 2이므로 MSB = 168.39
SSW = 199.00, df = 15이므로 MSW = 13.27
F = 168.39 / 13.27 = 12.69, p = .0006
η² = 336.78 / 535.78 = .63; ω² = .57
APA 형식으로는 다음과 같이 씁니다. 퀴즈 점수는 수업 방식에 따라 차이가 있었다, F(2, 15) = 12.69, p < .001, η² = .63. Levene 검정에서는 이분산의 징후가 나타나지 않았고, F(2, 15) = 0.89, p = .430, Welch ANOVA도 기본 검정과 일치합니다, F(2, 9.49) = 13.33, p = .002. Bonferroni 보정 비교 결과, 차이는 플립드 러닝 반에서 나타났습니다. 이 반은 강의식 반보다 8.33점(보정 p = .016), 온라인 반보다 9.83점(보정 p = .002) 높았고, 강의식과 온라인 사이에는 차이가 없었습니다(보정 p > .999).
가정과 가정이 깨졌을 때의 대처
- 독립 관측. 각 점수는 서로 다른 사람에게서 나오며 하나의 집단에만 속해야 합니다. 같은 사람을 반복 측정한 자료에는 반복측정 분산분석이 필요하며, 이 계산기는 이를 수행하지 않습니다.
- 대략 정규분포를 따르는 잔차. 집단 크기가 비슷하면 ANOVA는 어느 정도의 치우침을 견딥니다. 집단이 작고 뚜렷하게 정규분포가 아니라면 Kruskal-Wallis 검정을 사용하세요.
- 등분산성. 여기서 쓰는 Levene 검정은 Brown–Forsythe 방식으로, 각 집단의 중앙값을 기준으로 퍼짐을 측정하므로 치우친 자료에서도 신뢰할 수 있습니다. 검정이 유의하거나 집단 크기가 크게 다르면 이 가정이 필요 없는 Welch ANOVA를 보고하세요.
- 사후 검정은 이유가 있을 때만. 쌍별 비교 표는 Bonferroni 보정을 적용한 Welch t-검정을 사용합니다. Tukey HSD는 스튜던트화 범위 분포가 필요하므로 계산하지 않으며, Bonferroni는 약간 더 보수적이므로 경계에 있는 보정 p-값은 신중하게 해석하세요.
자주 묻는 질문
- 유의한 일원분산분석 결과는 무엇을 알려 주나요?
- 적어도 한 집단의 평균이 다른 집단과 다르다는 것만 알려 줍니다. 어느 집단인지, 모든 집단이 서로 다른지는 알려 주지 않습니다. 전체 F 검정은 집단 평균들의 퍼짐을 집단 내부의 퍼짐과 비교할 뿐입니다. 차이가 어디에 있는지 찾으려면 결과와 함께 제시되는 Bonferroni 보정 검정 같은 쌍별 비교를 읽으세요.
- 그냥 t-검정을 여러 번 하면 안 되나요?
- t-검정마다 위양성(잘못된 유의 판정)이 생길 확률이 따로 있습니다. 집단이 셋이면 쌍별 검정이 세 번이고, 각각 α = .05라면 적어도 한 번은 잘못 유의하게 나올 확률이 1 − .95³ ≈ 14%까지 올라갑니다. ANOVA는 선택한 α에서 모든 평균을 한꺼번에 검정하고, 보정된 사후 검정은 비교 전체의 오류율을 통제합니다.
- η²와 ω²는 무엇이 다른가요?
- 둘 다 집단 소속으로 설명되는 총분산의 비율을 나타냅니다. η² = SSB / SST는 표본에서의 비율로, 특히 표본이 작을 때 모집단 값을 과대추정합니다. ω²는 우연히 기대되는 분산을 빼므로 편향이 더 적은 추정치이며 항상 조금 더 작습니다. 분야에서 η²를 요구하면 η²를, 표본이 작으면 ω²를 보고하세요.
- 기본 F 검정 대신 Welch ANOVA는 언제 써야 하나요?
- 집단 간 분산이 다를 때, 특히 집단 크기도 다를 때입니다. 기본 F 검정은 분산을 합동(pooled)하므로 작은 집단의 분산이 가장 크면 위양성률이 α보다 훨씬 높아질 수 있습니다. Welch ANOVA는 각 집단에 n / s²의 가중치를 주고 오차 자유도를 조정하므로 정확도를 유지하며, 분산이 같을 때는 거의 같은 결과를 줍니다.
- APA 형식으로 일원분산분석은 어떻게 보고하나요?
- 집단별 평균과 SD를 제시한 뒤 F(집단 간 df, 집단 내 df) = 값, p = 값, 효과 크기를 씁니다. 예: F(2, 15) = 12.69, p < .001, η² = .63. F와 p는 이탤릭체로 쓰되 그리스 문자 η는 이탤릭체로 쓰지 않으며, p와 η²는 1을 넘을 수 없으므로 앞의 0을 생략합니다. 이어서 어떤 집단이 다른지 보여 주는 사후 검정 결과를 제시하세요.
- 집단마다 점수가 몇 개 필요한가요?
- 계산기는 집단당 최소 두 개가 필요하지만, 이는 계산상의 하한일 뿐 연구 설계의 목표가 아닙니다. 집단이 셋이고 α = .05, 검정력 80%에서 중간 크기의 효과(f = .25)를 검출하려면 집단당 약 53개가 필요합니다. 집단 크기를 같게 하면 분산이 다를 때에도 검정이 더 견고해집니다.