크루스칼–왈리스 H 검정 계산기

크루스칼–왈리스 H 검정은 독립된 세 집단 이상을 비교하는 비모수 방법입니다. 데이터의 정규성이나 모집단 분산의 동일성을 요구하지 않고, 각 집단의 관측값이 같은 분포에서 나왔다고 볼 수 있는지 판단합니다. 일원 분산 분석의 순위 기반 대안으로 자주 설명됩니다. 연구자는 서열형 평가, 비대칭 측정값, 소표본, 평균 기반 비교를 불안정하게 만드는 이상값이 포함된 정량 결과에 이를 사용합니다. 계산은 모든 관측값을 합쳐 작은 값부터 큰 값으로 정렬하면서 시작합니다. 각 관측값에 순위를 부여하며, 같은 값에는 해당 순위들의 평균을 부여해 동률을 공정하게 처리합니다. 그런 다음 순위를 원래 집단으로 돌려보내 합산합니다. 귀무가설이 참이면 각 집단의 평균 순위가 비슷해야 합니다. 순위 합의 차이가 크면 H 통계량이 커지며, 적어도 한 집단에 더 높거나 낮은 값이 나타나는 경향이 있다는 증거가 됩니다. 이 계산기는 동률 관측값에 표준 보정을 적용합니다. 같은 값이 반복되면 순위의 변동성이 줄어들기 때문에 보정이 중요합니다. 보정 후 H를 집단 수에서 하나를 뺀 자유도의 카이제곱 분포와 비교합니다. 따라서 세 집단용 계산기의 자유도는 둘입니다. 표시되는 p값은 귀무가설 아래에서 계산한 값 이상으로 큰 H 통계량을 얻을 확률입니다. 작은 p값은 집단 분포가 모두 같다는 가설에 반하는 증거지만, 어떤 집단이 다른지는 알려주지 않습니다. 전체 결과가 유의하면 다중 검정 조정을 적용한 Dunn 검정 등 적절한 사후 비교를 사용하세요. 또한 결과를 특별히 중앙값의 차이로 해석하려면 관측값이 독립이고 집단 분포 모양이 비슷해야 합니다. 짝지은 측정이나 반복 관측에는 프리드먼 검정 등 다른 방법이 필요합니다. 통계적 유의성이 실질적 중요성과 같은 것은 아닙니다. 가능하면 집단별 표본 크기, 중앙값, 산포, H 통계량, 자유도, p값, 효과 크기를 보고하세요. 결론을 내리기 전에 각 집단의 그래프를 확인하세요. 이 계산기는 재현 가능한 예비 검정 계산을 제공하지만, 유용한 해석에는 타당한 연구 설계와 해당 분야의 판단이 필수입니다.