아.. t 검증과 paired(짝, 대응) t 검증의 차이에 대해서 설명을 안했네요. SPSS에서는 t 검증은 독립표본의 t 검증이라고 나옵니다. 통계학과에서는 그냥 t 검증이죠. 독립표본이라는 것은 두 집단간 차이를 구하는 t 검증의 가정사항이고요.
일단 짝 t 검증은 연구대상간에 짝을 지울 수 있는 상황에서 사용될 수 있습니다. 예를 들어 남학생과 여학생의 스트레스를 비교하는데 남학생과 여학생이 전부 짝으로 되어 있다고 하죠. 그럼 짝 t 검증을 사용할 수 있습니다. 남학생과 여학생이 짝으로 되어 있으면 서로 어떤 형태든 상호간에 스트레스에 영향을 미친다고 볼 수 있거든요.
물론 한 반이나 또는 한 학교에서 남녀간에 스트레스나 성적의 차이를 분석할 때 이것도 남학생과 여학생간에 상호간 영향을 미칠 것입니다. 그래서 독립표본이라는 가정을 어기는 것이 되지만 이렇게 엄격하게 통계 이론 가정을 다 맞추려면 할 수 있는 분석이 거의 없습니다.
아래는 앞에 글에서 쓴 독립 t 검증의 데이터 형태입니다.
1. 독립 t 검증 데이터 형태
|
id |
성별 |
지역 |
경제수준 |
스트1 |
스트2 |
스트3 |
스트평균 |
|
1 |
1 |
2 |
3 |
3 |
2 |
2 |
7/3 |
|
2 |
2 |
2 |
1 |
4 |
5 |
4 |
13/3 |
|
3 |
2 |
1 |
2 |
3 |
2 |
3 |
8/3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
200 |
1 |
2 |
2 |
4 |
3 |
3 |
10/3 |
2. 짝(대응) t 검증 데이터 형태
남학생과 여학생이 모두 짝으로 되어 있다고 하죠
|
id |
지역 |
경제수준 |
남학생 스트레스 평균 |
여학생 스트레스 평균 |
|
1 |
2 |
3 |
7/3 |
8/3 |
|
2 |
2 |
1 |
13/3 |
10/3 |
|
3 |
1 |
2 |
8/3 |
9/3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
2 |
2 |
10/3 |
9/3 |
여기서는 개별 스트레스 항목은 제외했습니다. 각 줄에 있는 남학생 스트레스와 여학생 스트레스는 짝에 해당하는 남학생과 여학생 스트레스 값입니다. 이와 같은 경우 처음 코딩할 때부터 짝을 맞춰야 하고 설문지 회수도 짝이 되도록 순서를 맞춰야 합니다.
실제로 해보면 그냥 t 검증이나 짝 t 검증이나 결과에서 크게 차이는 나지 않지만 두 집단간에 상호영향력이 크다면 그 결과에서 차이가 많이 나옵니다.
특히 교육학과에서 많이 하는 실험효과의 경우 사전과 사후 동일한 대상을 가지고 측정하는데 이때는 꼭 사전 점수와 사후 점수에서 꼭 짝을 맞춰서 코딩해야 합니다. 그래서 처음 설문지를 만들 때 부터 학생들 이름을 쓰게 해서 나중에라도 동일한 사람의 사전과 사후 점수가 짝이 맞도록 해야 합니다. 그래야 공변량 분석을 할 수 있습니다.
SPSS에서 평균 비교==> 독립표본 t 검증과 짝 t 검증 메뉴을 선택하면 됩니다.
