대응표본 t 검정 계산기 - 전후 데이터
대응표본 t 검정으로 전후 측정이나 짝지어진 두 집단을 비교하고 t 통계량, p값, 신뢰구간을 구하세요.
길이가 같은 두 개의 쉼표 구분 데이터 그룹을 입력하고 유의수준과 검정 유형을 설정하면, 대응표본 t 검정 결과를 즉시 확인할 수 있습니다.
대응표본 t 검정 계산기 - 전후 데이터
대응표본 t 검정으로 전후 측정이나 짝지어진 두 집단을 비교하고 t 통계량, p값, 신뢰구간을 구하세요.
대응표본 t 검정 계산기 소개
대응표본 t 검정(종속표본 t 검정 또는 짝지은 표본 t 검정이라고도 함)은 두 관련 측정값의 평균 차이가 0(또는 다른 가설값)과 유의하게 다른지 판단하는 모수적 통계 절차입니다. 이를 ‘대응’이라고 부르는 이유는 그룹 1의 각 관측값이 그룹 2의 정확히 하나의 관측값과 짝을 이루기 때문입니다. 즉, 같은 대상, 짝지어진 참가자, 또는 같은 장소를 두 시점에 측정한 값입니다.
가장 흔한 활용은 전후 비교 연구입니다. 연구자는 개입 전 혈압, 시험 점수, 체중, 매출 등을 측정한 뒤 개입 후 다시 측정합니다. 같은 개인을 두 번 측정하므로 두 집단은 독립이 아니라 상관되어 있습니다. 이 상관을 무시하고 독립표본 t 검정을 쓰면 잘못된 결과가 나옵니다. 차이를 계산할 때 개인 간 자연 변동이 상쇄되는데, 이를 반영하지 못해 비교의 정밀도를 과소평가하기 때문입니다.
대응표본 t 검정이 깔끔한 이유는 이 문제를 단일표본 문제로 바꾸기 때문입니다. 각 쌍 i에 대해 차이 d_i = 그룹1_i − 그룹2_i를 계산합니다. 그러면 평균 차이(d̄)가 0과 유의하게 다른지 묻는 문제가 됩니다. 즉, 두 표본 문제를 차이값에 대한 단일표본 t 검정으로 바꾸는 것입니다. 검정통계량은 t = (d̄ − μ₀) / (s_d / √n)이며, 여기서 μ₀는 가설 평균차(보통 0), s_d는 차이의 표본 표준편차, n은 쌍의 개수입니다. 귀무가설 하에서 이 통계량은 자유도 df = n − 1의 Student t 분포를 따릅니다.
이 t 통계량의 p값은 실제 모평균 차이가 μ₀일 때 d̄만큼 크거나 더 큰 평균 차이가 관찰될 확률을 의미합니다. p값이 선택한 유의수준 α보다 낮으면 귀무가설을 기각하고, 대응 측정값 사이에 통계적으로 유의한 평균 차이가 있다고 결론 내립니다. d̄의 신뢰구간은 실제 평균 차이가 있을 법한 범위를 보여 주며, p값보다 훨씬 많은 정보를 제공합니다.
대응표본 t 검정이 유효하려면 차이 d_i가 대략 정규분포를 따라야 합니다. 이 가정은 차이의 히스토그램이나 정규 Q-Q 플롯으로 확인할 수 있습니다. n ≥ 30이면 개별 차이가 완전히 정규적이지 않아도 중심극한정리 덕분에 이 가정이 덜 중요해집니다. 표본이 작고 차이가 명백히 비정규라면, Wilcoxon 부호순위 검정이 대응되는 비모수 대안입니다.
주요 활용 분야는 의료 효능 시험(투약 전후), 교육 연구(사전/사후 시험), 영양 및 피트니스 연구(기준선과 추적 측정), 비즈니스 분석(광고 캠페인 전후 매출)입니다. 어떤 경우든 핵심 조건은 각 쌍의 값이 같은 개인, 같은 개체, 또는 짝지어진 단위에서 나와야 하며, 서로 독립적인 두 집단이면 안 된다는 점입니다.
계산 예시
현실적인 데이터를 사용한 세 가지 전후 연구 시나리오로 대응표본 t 검정 결과를 보여줍니다.
| 연구 설계 | t 통계량 / p값 | 결론 |
|---|---|---|
| 혈압 전: 140,135,150,155,130,142,138,147,152,133 / 후: 132,130,145,148,125,135,130,140,145,128 (양측, α=0.05, n=10) | t ≈ 16.00, df = 9, p < 0.001 | 매우 유의합니다. 이 약은 10명의 환자에서 수축기 혈압을 평균 6.4 mmHg 낮췄습니다. |
| 시험 점수 전: 75,80,82,70,88,65,90,78 / 후: 85,85,88,78,92,75,95,85 (양측, α=0.05, n=8) | t ≈ −8.47, df = 7, p < 0.001 | 유의한 향상입니다. 학생들은 튜터링 프로그램 이후 평균 6.9점 더 높은 점수를 받았습니다. |
| 주간 매출 전: 500,550,480,600,520,530 / 후: 540,580,500,650,550,560 (양측, α=0.05, n=6) | t ≈ −7.91, df = 5, p < 0.001 | 광고 캠페인이 주간 매출을 매장당 평균 33.3개 단위만큼 유의하게 증가시켰습니다. |
대응표본 t 검정 계산기 사용법
- 첫 번째 입력란에 그룹 1 데이터(예: ‘전’ 값)를 쉼표로 구분해 입력합니다.
- 두 번째 입력란에 그룹 2 데이터(예: ‘후’ 값)를 입력합니다. 두 그룹은 같은 수의 값을 가져야 하며, 그룹 1의 첫 번째 값은 그룹 2의 첫 번째 값과 짝지어집니다.
- 유의수준 α(0.01, 0.05, 0.10)와 가설 평균차 μ₀(보통 0)를 설정하고, 검정 유형(양측, 우측, 좌측)을 선택합니다.
- ‘계산’을 클릭하면 t 통계량, 자유도, p값, 평균 차이, 차이의 표준편차, 95% 신뢰구간이 표시됩니다.
- p값과 α를 비교합니다. p ≤ α이면 H₀를 기각하고 통계적으로 유의한 평균 차이가 있다고 결론내립니다. p > α이면 H₀를 기각하지 못합니다.
자주 묻는 질문
독립표본 t 검정 대신 대응표본 t 검정을 언제 사용하나요?
한 그룹의 각 관측값이 다른 그룹의 정확히 하나의 관측값과 자연스럽게 짝지어지거나 연결될 때 사용합니다. 예를 들어 같은 사람의 치료 전후 측정, 또는 두 형제가 서로 다른 식단에 배정된 경우입니다. 두 그룹이 독립적(서로 관련 없는 개인, 매칭 없음)이라면 독립표본 t 검정을 사용해야 합니다.
가설 평균차 μ₀는 무엇인가요?
μ₀는 귀무가설 하에서 진짜 평균 차이가 이 값과 같다고 가정하는 값입니다. 대부분의 경우, 즉 어떤 개입의 효과가 있는지 보는 검정에서는 μ₀ = 0을 사용합니다. 예를 들어 약이 혈압을 최소 10 mmHg 낮추는지 검정한다면 μ₀ = 10으로 둡니다.
차이가 정규분포가 아니면 어떻게 하나요?
대응표본 t 검정은 차이가 대략 정규분포라고 가정합니다. n ≥ 30쌍이면 중심극한정리 덕분에 이 가정의 중요성이 줄어듭니다. 표본이 작고 차이가 명백히 비정규라면(히스토그램 확인), Wilcoxon 부호순위 검정이 정규성을 가정하지 않는 견고한 비모수 대안입니다.
신뢰구간은 어떻게 해석하나요?
95% 신뢰구간은 실제 평균 차이에 대해 타당한 값의 범위를 보여 줍니다. 구간에 0이 포함되지 않으면 α = 0.05에서 유의합니다. 이 구간은 효과의 크기와 방향을 함께 보여 주므로 p값보다 더 유익합니다. 예를 들어 (2.3, 9.8)은 결과가 유의하고 효과가 작음에서 중간 정도까지일 수 있음을 뜻합니다.
단측 대응표본 t 검정을 할 수 있나요?
가능합니다. 그룹 1 > 그룹 2(양의 평균 차이)를 예측하면 ‘우측 검정’을, 그룹 1 < 그룹 2(음의 평균 차이)를 예측하면 ‘좌측 검정’을 선택하세요. 단측 검정은 더 강력하지만, 데이터 수집 전에 효과 방향을 미리 정했을 때만 타당합니다. 양측 결과가 애매하다고 해서 단측으로 바꾸는 것은 p-hacking에 해당합니다.
유의한 결과는 실제로 무엇을 의미하나요?
유의한 결과(p ≤ α)는 귀무가설이 참이라면 지금처럼 큰 평균 차이가 우연히 나타났을 가능성이 낮다는 뜻입니다. 그러나 귀무가설이 거짓임을 증명하지도 않고, 효과가 크거나 임상적으로 중요하다는 보장도 아닙니다. 평균 차이 d̄, 그 신뢰구간, 그리고 효과크기(예: Cohen's d = d̄ / s_d)를 항상 함께 보고해야 실제 의미를 판단할 수 있습니다.