Wald 검정 계산기 - 통계적 유의성
Wald 검정으로 모수 추정치가 통계적으로 유의한지 판단하세요. β̂, β₀, SE, α를 입력하면 바로 결과를 확인할 수 있습니다.
모수 추정치, 가설값, 표준오차, 유의수준을 입력하세요. 계산기는 Wald 통계량, z값, p값, 판정을 반환합니다.
Wald 검정 계산기 - 통계적 유의성
Wald 검정으로 모수 추정치가 통계적으로 유의한지 판단하세요. β̂, β₀, SE, α를 입력하면 바로 결과를 확인할 수 있습니다.
Wald 검정 계산기 소개
Wald 검정은 통계학자 Abraham Wald의 이름을 딴 모수 통계 검정입니다. 최대우도추정에서 사용되는 세 가지 고전적 가설 검정 중 하나이며, 나머지 두 가지는 우도비 검정과 점수 검정(라그랑주 승수 검정)입니다. Wald 검정이 가장 흔히 쓰이는 이유는 추정치 자체와 표준오차만 있으면 되기 때문입니다. 둘 다 통계 소프트웨어에서 보통 바로 제공되므로 전체 우도함수가 필요하지 않습니다.
Wald 검정의 핵심은 단순합니다. 모수 추정치 β̂가 정확도(SE로 측정) 대비 가설값 β₀에서 멀리 떨어져 있다면, 귀무가설 H₀: β = β₀는 참이 아닐 가능성이 큽니다. Wald 통계량은 W = ((β̂ − β₀) / SE)²이며, 이는 z값의 제곱입니다. 귀무가설이 참이고 표본이 충분히 크면 W는 자유도 1의 카이제곱 분포를 따릅니다. 동등하게, 부호가 있는 z값 z = (β̂ − β₀) / SE는 표준정규분포를 따르므로 양측 p값은 2 · (1 − Φ(|z|))입니다. 여기서 Φ는 표준정규분포의 누적분포함수입니다.
p값은 “귀무가설이 참이라면, 실제로 계산된 통계량만큼 또는 그보다 더 극단적인 값을 관측할 확률이 얼마인가?”라는 질문에 답합니다. p값이 작을수록(보통 유의수준 α, 흔히 0.05 또는 0.01보다 작을수록) H₀에 반하는 증거가 강합니다. p < α이면 결과는 통계적으로 유의하다고 하며 귀무가설을 기각합니다. p ≥ α이면 기각하지 못합니다. 이는 β₀와 다르다고 결론 내릴 충분한 증거가 없다는 뜻이지, H₀가 참이라는 의미는 아닙니다.
Wald 검정은 응용통계에서 매우 널리 사용됩니다. 선형 회귀와 로지스틱 회귀에서 각 계수에 대해 보고되는 t통계량은 본질적으로 Wald z값이며, 관련 p값은 해당 계수가 0과 유의하게 다른지를 검정합니다. 계량경제학에서는 여러 계수에 대한 결합 가설을 동시에 검정할 때 Wald 검정을 사용합니다(행렬대수 확장). 생존분석에서는 공변량이 위험률을 유의하게 예측하는지 검사합니다. 유전학에서는 전장유전체연관분석이 Wald형 통계량을 사용해 수백만 개의 단일염기다형성을 검정합니다.
Wald 검정의 알려진 한계는 매개변수화 방식에 따라 결과가 달라질 수 있다는 점입니다. 이 검정이 우도의 국소적 2차 근사에 의존하기 때문입니다. 작은 표본에서는 더 정확한 우도비 검정이 자주 선호됩니다. Wald 검정은 표본 크기가 크고, 추정치가 대체로 정규분포를 따르며(즉, 점근 조건이 성립하고), 표준오차 추정이 잘 되어 있을 때 가장 신뢰할 수 있습니다.
Wald 검정 예시
경제학, 의학, 일반 통계에서 가져온 세 가지 실제 시나리오로 Wald 검정의 작동 방식을 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. 추정치는 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 1년 추가는 임금에 대해 0이 아닌 매우 유의한 효과를 가집니다. |
| β̂=−0.5, β₀=0, SE=0.2, α=0.01 | H₀ 기각 실패 | 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 사용법
- 회귀 결과나 통계 모델에서 모수 추정치 β̂를 입력하세요.
- 가설값 β₀를 입력하세요. 보통 계수가 0이 아닌지 검정할 때 0을 사용합니다.
- 같은 통계 출력에 보고된 추정치의 표준오차 SE를 입력하세요.
- 유의수준 α를 설정하세요. 일반적인 5% 기준은 0.05, 더 엄격한 1% 기준은 0.01을 사용합니다.
- 계산을 클릭하면 Wald 통계량, z값, 양측 p값, 기각/기각 실패 판정이 표시됩니다.
Wald 검정 FAQ
Wald 검정은 무엇을 측정하나요?
Wald 검정은 모수 추정치가 가설값에서 얼마나 떨어져 있는지를 표준오차 단위로 측정합니다. 그 거리가 충분히 큰지 검정하여, 주어진 유의수준에서 실제 모수가 가설값과 다르다고 결론 내릴 수 있는지 판단합니다.
Wald 검정과 t-검정의 차이는 무엇인가요?
대규모 표본에서는 본질적으로 동일합니다. 둘 다 추정치를 표준오차 단위로 귀무값과 비교합니다. 주요 차이는 t-검정이 t분포를 사용해 분산 추정의 불확실성을 반영하는 반면, Wald 검정은 정규분포를 사용하므로 점근 검정으로서 큰 표본에 더 적합하다는 점입니다.
왜 귀무가설은 보통 β₀ = 0인가요?
0과 비교하는 것은 예측 변수가 아예 효과가 있는지 확인하는 것입니다. 회귀에서 계수가 0이면 해당 변수는 무관합니다. β₀ = 0이 가장 일반적이지만, 이론적으로 예측된 값 1이나 −0.5 같은 임의의 값과 비교해 검정할 수도 있습니다.
H₀ 기각 실패는 무슨 뜻인가요?
H₀ 기각 실패는 데이터가 해당 모수가 가설값과 다르다고 결론 내릴 충분한 증거를 제공하지 못했다는 뜻입니다. H₀가 참임을 증명하는 것은 아닙니다. 실제로 효과가 0일 수도 있고, 표본이 작거나 표준오차가 커서 통계적 검정력이 부족했을 수도 있습니다.
언제 우도비 검정을 사용해야 하나요?
표본이 작거나, 모수가 허용 범위의 경계에 가깝거나, 선택한 매개변수화에 Wald 검정 결과가 크게 좌우될 때는 우도비 검정이 더 적합합니다. 큰 표본에서 추정치가 매끄럽게 분포하면 Wald 검정과 우도비 검정의 p값은 거의 같습니다.
어떤 유의수준을 사용해야 하나요?
일반적인 기준은 α = 0.05(5%)로, 참인 귀무가설을 잘못 기각할 5%의 위험을 स्वीकार하는 것입니다. 의료기기 승인, 유전체학, 물리학 같은 더 엄격한 분야에서는 α = 0.01 또는 0.001을 사용합니다. 탐색적 연구에서는 α = 0.10을 허용하기도 합니다. 유의수준은 데이터를 보기 전에 정해야 합니다.