크루스칼-왈리스 검정(Kruskal-Wallis Test)
크루스칼-왈리스 검정은 서로 독립인 세 개 이상의 집단이 같은 모집단 분포에서 나왔는지 판단하는 데 사용하는 비모수 통계 검정입니다. 모든 데이터 값을 함께 순위화하고 집단 간 평균 순위를 비교하며, 정규분포를 따르는 데이터가 필요하지 않은 일원배치 분산분석의 분포 무관 대안입니다.
최종 검토
핵심 요점
크루스칼-왈리스 검정은 서로 독립인 세 개 이상의 집단이 같은 모집단 분포에서 나왔는지 판단하는 데 사용하는 비모수 통계 검정입니다.
이 페이지 내용
크루스칼-왈리스 검정이란?
크루스칼-왈리스 검정은 서로 독립인 세 개 이상의 집단이 같은 모집단 분포에서 나왔는지 판단하는 데 사용하는 비모수 통계 검정입니다. 모든 데이터 값을 함께 순위화하고 집단 간 평균 순위를 비교하며, 정규분포를 따르는 데이터가 필요하지 않은 일원배치 분산분석의 분포 무관 대안입니다.
이 검정은 집단 간 중심 경향에 통계적으로 유의한 차이가 있는가라는 질문에 답합니다. 유의한 결과는 적어도 한 집단이 다르다는 뜻이지만 어느 특정 집단인지는 알려 주지 않습니다. 이를 알려면 사후 비교가 필요합니다.
간단한 정의: 정규분포를 따르는 데이터가 필요 없이, 서로 독립인 세 개 이상의 집단을 비교하여 적어도 한 집단의 중앙값이 유의하게 다른지 판단하는 검정입니다.
크루스칼-왈리스 검정은 언제 사용합니까?
- 연속형 또는 순서형 반응변수에 대해 서로 독립인 세 개 이상의 집단 을 비교할 때 사용합니다.
- 데이터가 정규분포를 따른다고 가정할 수 없을 때 사용합니다. 특히 표본이 작거나 심하게 치우친 데이터에 해당합니다.
- ANOVA 가정이 위반될 때 일원배치 분산분석의 비모수적 대안 으로 사용합니다.
- 반응변수가 연속형이 아니라 순서형 (예: 만족도 평가)일 때 사용합니다.
크루스칼-왈리스 검정의 올바른 사용 지침
- 각 집단은 독립 이어야 합니다. 한 집단의 관측값은 다른 집단의 관측값과 관련이 없어야 합니다.
- 신뢰할 수 있는 결과를 위해 집단당 관측값 5개 이상을 수집하십시오.
- 중앙값 해석이 타당하려면 집단의 분포 모양과 산포가 비슷 해야 합니다.
- 유의한 결과는 적어도 한 집단이 다르다는 것 만 나타냅니다. 어느 집단인지 확인하려면 Bonferroni 보정을 적용한 쌍별 만-휘트니 비교를 사용하십시오.
- 반응변수가 연속형이거나 최소한 순서형 인지 확인하십시오. 이 검정은 명목형 범주 반응에는 유효하지 않습니다.
대안: 크루스칼-왈리스 검정을 사용하지 않아야 할 때
- 데이터가 정규분포를 따른다면, 일원배치 분산분석 을 사용하십시오. 가정이 충족될 때 검정력이 더 높습니다.
- 서로 독립인 두 집단만비교하는 경우에는 다음을 사용하십시오: 만-휘트니 검정
- 집단이 서로 관련되어 있거나 반복 측정인경우에는 다음을 사용하십시오: Friedman 검정
- 특이치가 심하다면 더 로버스트한 비교를 위해 Mood의 중앙값 검정 을 사용하십시오.
크루스칼-왈리스 검정 예제
한 병원 그룹이 같은 도시에 있는 세 병원의 빈 병상 수를 비교하려고 합니다. 각 병원의 기록에서 서로 다른 11일을 선택하고 각 날짜의 빈 병상 수를 기록했습니다. 관리자는 빈 병상 수의 중앙값이 다른지 판단하기 위해 크루스칼-왈리스 검정을 사용합니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- Kruskal-Wallis Test를 찾으려면 다음을 선택합니다: Statistical module> Nonparametric > Kruskal-Wallis Test.
- 도구 안에서 데이터와 함께 다른 입력값을 다음과 같이 입력합니다.

5. 위의 도구를 사용하면 다음과 같은 출력을 얻습니다.

크루스칼-왈리스 검정 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Nonparametric>Kruskal-Wallis Test를 선택합니다.
- 이어서 데이터를 직접 입력하거나, 엑셀 시트에서 데이터를 통째로 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
- 이어서 필요한 옵션을 입력합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
크루스칼-왈리스 검정의 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나, 엑셀 시트에서 데이터를 통째로 복사(Ctrl+C)하여 여기에 붙여넣을 수 있습니다(Ctrl+V).
Load example: 샘플 데이터를 불러옵니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Response 집단 간에 비교하려는 측정값 이 들어 있는 열을 선택합니다(예: 사이클 타임, 강도, 무게 또는 임의의 연속형 또는 순서형 결과 변수). Factor 열이 정의하는 집단 간에 분포가 유의하게 다른지 검정하는 대상 변수입니다.
- Factor 열을 선택합니다. 이 열은 각 관측값이 속한 집단 을 식별합니다(예: 기계 유형, 작업자, 교대조, 처리 조건). 이 열의 각 고유 값은 별도의 집단을 나타냅니다. 크루스칼-왈리스 검정은 여기서 정의한 모든 집단의 반응 값을 비교하여 적어도 한 집단의 중앙값이 나머지와 유의하게 다른지 판단합니다.
자주 묻는 질문
크루스칼-왈리스 검정이란 무엇입니까?
크루스칼-왈리스 검정은 서로 독립인 세 개 이상의 집단이 같은 모집단 분포에서 나왔는지 판단하는 비모수 검정입니다. 모든 데이터 값을 함께 순위화하고 집단 간 평균 순위를 비교하므로, 정규분포를 따르는 데이터가 필요하지 않은 일원배치 분산분석의 분포 무관 대안입니다.
일원배치 분산분석 대신 크루스칼-왈리스는 언제 사용합니까?
서로 독립인 세 개 이상의 집단을 비교하는데 데이터가 정규분포를 따른다고 가정할 수 없을 때(특히 표본이 작거나 심하게 치우친 데이터), 또는 반응이 만족도 평가와 같은 순서형일 때 크루스칼-왈리스를 사용합니다. 데이터가 정규분포를 따른다면 일원배치 분산분석의 검정력이 더 높습니다. 두 집단에는 만-휘트니 검정을, 관련된 집단에는 Friedman 검정을 사용합니다.
크루스칼-왈리스 검정의 가정은 무엇입니까?
각 집단의 관측값은 다른 집단의 관측값과 독립이어야 합니다. 집단당 관측값을 5개 이상 수집하십시오. 중앙값 해석이 타당하려면 집단의 분포 모양과 산포가 비슷해야 하며, 반응은 연속형이거나 최소한 순서형이어야 하고 명목형 범주여서는 안 됩니다.
크루스칼-왈리스 결과가 유의하면 어떻게 해야 합니까?
유의한 결과는 적어도 한 집단이 다르다는 것만 보여 주며 어느 집단인지는 알려 주지 않습니다. 어느 집단이 다른지 찾으려면 Bonferroni 보정을 적용한 쌍별 만-휘트니 비교를 사용합니다. 특이치가 심하다면 Mood의 중앙값 검정이 더 로버스트한 비교를 제공합니다.
