Wald 검정 계산기 - 통계적 유의성
Wald 검정으로 모수 추정값이 통계적으로 유의한지 판단하세요. β̂, β₀, SE, α를 입력하면 즉시 결과를 얻을 수 있습니다.
모수 추정값, 가설값, 표준오차, 유의수준을 입력하세요. 계산기는 Wald 통계량, z점수, p값, 판단 결과를 반환합니다.
Wald 검정 계산기 - 통계적 유의성
Wald 검정으로 모수 추정값이 통계적으로 유의한지 판단하세요. β̂, β₀, SE, α를 입력하면 즉시 결과를 얻을 수 있습니다.
Wald 검정 계산기 소개
Wald 검정은 통계학자 Abraham Wald의 이름을 딴 모수적 통계 검정입니다. 이는 최우추정에서 사용하는 세 가지 고전적 가설 검정 중 하나이며, 나머지는 우도비 검정과 점수(라그랑주 승수) 검정입니다. Wald 검정은 추정값 자체와 그 표준오차만 필요합니다. 이 두 값은 통계 소프트웨어가 일상적으로 보고하므로 전체 우도 함수를 요구하지 않아 가장 흔히 접하게 됩니다.
Wald 검정의 아이디어는 간단합니다. 모수 추정값 β̂ 이 그 정밀도(표준오차 SE로 측정)에 비해 가설값 β₀ 에서 멀리 떨어져 있다면 귀무가설 H₀: β = β₀ 이 참일 가능성은 낮습니다. Wald 통계량은 W = ((β̂ − β₀) / SE)² 이며, 이는 z점수의 제곱입니다. 귀무가설이 참이고 표본이 충분히 크면 W는 자유도 1의 카이제곱분포를 따릅니다. 동등하게, 부호가 있는 z점수 z = (β̂ − β₀) / SE 는 표준정규분포를 따르므로 양측 p값은 2 · (1 − Φ(|z|)) 입니다. 여기서 Φ는 표준정규분포의 누적분포함수입니다.
p값은 다음 질문에 답합니다. 귀무가설이 참이라면 실제로 계산된 검정통계량만큼 또는 그보다 더 극단적인 값을 관측할 확률은 얼마인가? 작은 p값(일반적으로 유의수준 α보다 작으며 흔히 0.05 또는 0.01로 설정)은 H₀에 반대되는 증거를 제공합니다. p < α 이면 결과는 통계적으로 유의하다고 하며 귀무가설을 기각합니다. p ≥ α 이면 귀무가설을 기각하지 않습니다. 이는 모수가 β₀ 와 다르다고 결론 내릴 충분한 증거가 없다는 뜻이지, H₀가 참임을 의미하지는 않습니다.
Wald 검정은 응용통계에서 매우 널리 사용됩니다. 선형회귀와 로지스틱 회귀에서 각 계수에 대해 보고되는 t통계량은 본질적으로 Wald z점수이며, 관련 p값은 각 계수가 0과 유의하게 다른지 검정합니다. 계량경제학에서는 Wald 검정을 사용해 여러 계수에 대한 결합가설을 동시에 검정합니다(행렬대수 확장 사용). 생존분석에서는 공변량이 위험률을 유의하게 예측하는지 검정합니다. 유전학에서는 전장유전체 연관분석에서 수백만 개의 단일염기다형성을 검정하기 위해 Wald형 통계량을 사용합니다.
Wald 검정의 알려진 한계는 모수를 어떻게 매개변수화하느냐에 따라 다른 결과를 낼 수 있다는 점입니다. 이는 검정이 우도에 대한 국소 이차근사에 의존하기 때문입니다. 작은 표본에서는 더 정확한 우도비 검정이 선호되는 경우가 많습니다. Wald 검정은 표본 크기가 크고, 추정값이 근사적으로 정규분포를 따르며(즉, 점근 조건이 성립), 표준오차가 잘 추정되었을 때 가장 신뢰할 수 있습니다.
Wald 검정 예제
경제학, 의학, 일반 통계의 세 가지 현실적 시나리오로 Wald 검정의 활용을 보여줍니다.
| 입력 | 판정 | 세부 정보 |
|---|---|---|
| β̂=2.5, β₀=0, SE=1.1, α=0.05 | H₀ 기각 | z = 2.27, W = 5.17, p ≈ 0.023. 추정값이 0에서 2표준오차 이상 떨어져 있으므로 α = 0.05에서 귀무가설을 기각합니다. |
| β̂=0.08, β₀=0, SE=0.02, α=0.05 | H₀ 기각 | 교육 계수: z = 4.0, p < 0.001. 교육 연수가 1년 늘어나는 것은 임금에 매우 유의한 0이 아닌 효과를 가집니다. |
| β̂=−0.5, β₀=0, SE=0.2, α=0.01 | H₀ 기각하지 않음 | 엄격한 α=0.01에서의 약물 효능: z = −2.5, p ≈ 0.012. 이 효과는 α=0.05에서는 유의하지만 더 엄격한 1% 기준에서는 유의하지 않습니다. |
Wald 검정 계산기 사용 방법
- 회귀 출력 또는 통계 모델에서 얻은 모수 추정값 β̂ 을 입력합니다.
- 가설값 β₀ 를 입력합니다. 계수가 0이 아닌지 검정할 때는 일반적으로 0을 사용합니다.
- 같은 통계 출력에 보고된 추정값의 표준오차 SE를 입력합니다.
- 유의수준 α를 설정합니다. 일반적인 5% 기준에는 0.05, 더 엄격한 1% 기준에는 0.01을 사용합니다.
- 계산을 클릭하면 Wald 통계량, z점수, 양측 p값, 기각 또는 기각하지 않음 판정을 얻을 수 있습니다.
Wald 검정 FAQ
Wald 검정은 무엇을 측정하나요?
Wald 검정은 모수 추정값이 가설값에서 얼마나 떨어져 있는지를 표준오차 단위로 측정합니다. 주어진 유의수준에서 그 거리가 실제 모수가 가설값과 다르다고 결론 내릴 만큼 충분히 큰지 검정합니다.
Wald 검정과 t검정의 차이는 무엇인가요?
큰 표본에서는 둘이 본질적으로 동일합니다. 둘 다 추정값을 표준오차 단위로 귀무값과 비교합니다. 주요 차이는 t검정이 분산 추정의 불확실성을 고려하는 t분포를 사용하는 반면, Wald 검정은 정규분포를 사용하므로 큰 표본에 적합한 점근 검정이라는 점입니다.
왜 귀무가설은 보통 β₀ = 0인가요?
0에 대한 검정은 예측변수가 어떤 효과라도 있는지 묻는 것입니다. 회귀에서 계수가 0이면 해당 변수가 관련이 없다는 뜻입니다. β₀ = 0이 가장 흔한 사용법이지만, 어떤 값에 대해서도 검정할 수 있습니다. 예를 들어 모수가 1이나 −0.5 같은 이론적으로 예측된 값과 같은지 확인할 수 있습니다.
H₀를 기각하지 않는다는 것은 무슨 뜻인가요?
H₀를 기각하지 않는다는 것은 데이터가 모수가 가설값과 다르다고 결론 내릴 충분한 증거를 제공하지 않는다는 뜻입니다. H₀가 참임을 증명하는 것은 아닙니다. 결과는 실제로 효과가 0임을 반영할 수도 있고, 표본이 작거나 표준오차가 커서 통계적 검정력이 부족함을 반영할 수도 있습니다.
언제 우도비 검정을 대신 사용해야 하나요?
표본 크기가 작거나, 모수가 허용 범위의 경계에 가깝거나, Wald 검정 결과가 선택한 매개변수화에 크게 의존할 때는 우도비 검정이 선호됩니다. 큰 표본과 매끄럽게 분포한 추정값에서는 Wald 검정과 우도비 검정이 거의 동일한 p값을 제공합니다.
어떤 유의수준을 사용해야 하나요?
전통적인 기준은 α = 0.05(5%)로, 참인 귀무가설을 잘못 기각할 5%의 가능성을 받아들인다는 뜻입니다. 의료기기 승인, 유전체학, 물리학처럼 더 엄격한 요구가 있는 경우 α = 0.01 또는 0.001도 사용됩니다. 탐색적 연구에서는 α = 0.10이 때때로 허용됩니다. 이 선택은 데이터를 보기 전에 이루어져야 합니다.