2-표본 비율 검정

2-표본 비율 검정은 서로 독립인 두 모집단에서 특정 특성의 비율을 비교하여 관측된 차이가 통계적으로 유의한지 판단하는 가설검정이며, 모집단 비율 차이에 대한 신뢰구간을 계산합니다. 독립성, 무작위 추출, 이진 결과, 충분한 표본 크기라는 가정이 충족되면, 평균이나 분산보다 비율, 비율(rate), 백분율이 더 중요한 의료, 경제, 생존 분석 같은 분야에 적용할 수 있습니다.

최종 검토

핵심 요점

2-표본 비율 검정은 서로 독립인 두 모집단에서 특정 특성의 비율을 비교하여 관측된 차이가 유의한지 판단하는 통계적 가설검정입니다.

이 페이지 내용
  1. 2-표본 비율 검정이란?
  2. 2-표본 비율 검정은 언제 사용합니까?
  3. 2-표본 비율 검정의 올바른 사용 지침
  4. 대안: 2-표본 비율 검정을 사용하지 않아야 할 때
  5. 2-표본 비율 검정 예제
  6. 2-표본 비율 검정 방법

2-표본 비율 검정이란?

2-표본 비율 검정은 서로 독립인 두 모집단에서 특정 특성의 비율을 비교하여 관측된 차이가 통계적으로 유의한지 판단하는 가설검정이며, 모집단 비율 차이에 대한 신뢰구간을 계산합니다. 독립성, 무작위 추출, 이진 결과, 충분한 표본 크기라는 가정이 충족되면, 평균이나 분산보다 비율, 비율(rate), 백분율이 더 중요한 의료, 경제, 생존 분석 같은 분야에 적용할 수 있습니다.

2-표본 비율 검정은 언제 사용합니까?

2-표본 비율 검정은 어떤 특성에 대해 두 모집단의 비율 사이에 통계적으로 유의한 차이가 있는지 판단하는 데 사용합니다.

  • Comparing Proportions: 서로 독립인 두 모집단 또는 표본에서 특정 특성의 비율을 비교해야 할 때입니다.
  • Large Sample Size: 두 표본이 모두 충분히 클 때, 일반적으로 각 표본에 성공 10개 이상과 실패 10개 이상이 있어 정규 근사의 조건을 만족할 때 비율에 대한 2-표본 z 검정을 사용합니다.
  • Small Sample Size: 정규 근사의 조건을 만족하지 못하는 작은 표본에서는 표본 크기와 관계없이 정확한 결과를 제공하는 비모수 검정인 Fisher의 정확 검정을 사용합니다.
  • Binary Outcomes: 데이터가 이진 결과(예: 성공/실패, 예/아니요)로 구성되어 있고 비율이 유의하게 다른지 판단하려는 때입니다.
  • Random Sampling: 결과가 타당하고 대표성을 갖도록 표본이 각 모집단에서 무작위로 선택되었을 때입니다.

2-표본 비율 검정을 사용할 수 있는 상황은 다음과 같습니다.

  • Medical research: 심장병 위험을 줄이도록 설계된 새로운 약을 시험한다고 가정합니다. 2-표본 비율 검정으로 처치 집단(약을 투여받는 집단)과 대조군(약을 투여받지 않는 집단)에서 심장병이 발생한 환자의 비율을 비교할 수 있습니다.
  • Market research: 한 제품의 서로 다른 두 브랜드에 대한 고객 만족도를 알아보기 위해 설문 조사를 한다고 가정합니다. 2-표본 비율 검정으로 각 브랜드에 만족하는 고객의 비율을 비교할 수 있습니다.
  • Quality control: 서로 다른 두 제조 공정의 품질을 시험하여 어느 쪽이 불량품을 더 많이 생산하는지 판단한다고 가정합니다. 2-표본 비율 검정으로 각 공정에서 생산한 불량품의 비율을 비교할 수 있습니다.

2-표본 비율 검정의 올바른 사용 지침

  • Random Sampling: 모집단에 대해 타당하게 일반화하려면 표본 데이터를 무작위로 선택하십시오.
  • Binary Data: 데이터는 두 범주(예: 합격/불합격, 1/0)로만 구성되어야 합니다. 개수 데이터에는 2-표본 포아송 비율 검정을 사용하십시오.
  • Independence of Observations: 각 관측값은 다른 모든 관측값과 독립이어야 합니다.
  • Appropriate Sample Size: 정밀한 추정, 좁은 신뢰구간, 제1종 오류와 제2종 오류에 대한 충분한 보호를 제공할 만큼 표본 크기가 큰지 확인하십시오.

대안: 2-표본 비율 검정을 사용하지 않아야 할 때

  • 데이터 집합이 단위당 결점 수와 같은 개수로 구성되어 있다면 2-표본 포아송 비율 검정을 사용하는 것이 적절합니다.

2-표본 비율 검정 예제

대학 재정 지원 담당자가 남학생과 여학생 중 누가 여름 일자리를 얻을 가능성이 더 높은지 평가하기 위해 학생 표본을 선택합니다. 표본으로 뽑은 남학생 802명 중 725명이 여름 동안 일자리를 얻었고, 표본으로 뽑은 여학생 712명 중 573명이 일자리를 얻었습니다. 담당자는 2 proportions 검정으로 어느 성별이 여름 일자리를 얻을 가능성이 더 높은지 평가합니다. 단계는 다음과 같습니다.

  1. 다음을 사용하여 데이터를 분석합니다: https://statsai.zometric.com/
  2. 도구 안에 데이터를 입력합니다. 표본 1의 사건 수는 725, 표본 1의 시행 수는 802, 표본 2의 사건 수는 573, 표본 2의 시행 수는 712, 가설 차이는 0, 신뢰수준은 95로 입력합니다.
  3. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.
Two sample proportion test — figure 1

2-표본 비율 검정 방법

절차는 다음과 같습니다.

  1. Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  2. 홈 페이지에서 Statistical Tool> Graphical analysis >Two sample proportion test를 선택합니다.
  3. 이어서 Two sample proportion test 를 클릭하여 도구 화면으로 이동합니다.
  4. 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V).
  5. 다음으로, 사건 수, 시행 수, 가설 비율, 신뢰수준의 값을 입력합니다.
  6. 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

이제 2-표본 비율 검정의 도구 화면에는 왼쪽 부분만 있습니다.

Two sample proportion test — figure 2

이 왼쪽 부분에는 다음과 같은 여러 옵션이 있습니다.

  • Number of events: 1-표본 비율 검정에서 사건 수는 분석 대상 표본에서 관심 사건이 발생한 횟수를 말합니다.
  • Number of trials: 1-표본 비율 검정에서 시행 수는 분석 대상 표본에서 이루어진 서로 독립적이고 동일한 시행 또는 관측의 횟수를 말합니다.
  • Hypothesized difference: 가설 차이는 귀무가설과 대립가설 사이의 모집단 모수 차이를 말합니다. 예를 들어 두 집단(예: 남성과 여성)의 시험 평균 점수가 유의하게 다른지 검정하려는 경우, 가설 차이는 남성의 평균 점수와 여성의 평균 점수 사이의 차이가 됩니다.
  • Confidence level: 가설검정에서 신뢰수준은 통계 분석에 대해 갖는 확신의 정도를 나타냅니다. 참인 모집단 모수가 지정된 값의 범위 안에 있을 가능성을 나타내는 확률 값입니다. 일반적으로 신뢰수준은 백분율로 표현하며 (1 - α)로 나타내는데, 여기서 α는 유의수준, 즉 참인 귀무가설을 기각할 확률입니다. 예를 들어 신뢰수준이 95%라면 참인 모집단 모수가 구간 추정치 안에 있다고 95% 확신하며, 제1종 오류(참인 귀무가설을 기각하는 오류)를 범할 가능성이 5%라는 뜻입니다. 실무적으로 신뢰수준이 높을수록 통계 분석과 결과를 더 확신한다는 의미입니다. 그러나 신뢰수준을 높이면 신뢰구간의 폭도 넓어져 작은 효과를 탐지하기가 더 어려워집니다. 따라서 신뢰수준의 선택은 연구의 맥락과 연구자의 목표에 따라 달라집니다.
  • Alternative hypothesis: 가설검정에서 대립가설(연구가설이라고도 함)은 귀무가설과 다른 결론을 나타내는 진술입니다. 귀무가설은 일반적으로 현상 유지, 즉 둘 이상의 집단이나 변수 사이에 유의한 차이나 관계가 없다는 가정을 나타냅니다. 대립가설은 검정의 대상이 되는 진술로, 연구 대상인 집단이나 변수 사이에 유의한 차이나 관계가 있다고 제안합니다.
  • Load example: 예제 데이터가 로드됩니다.
  • Method:
    • Estimate the proportions separately: 2-표본 비율 검정에서 비율을 별도로 추정하려면 먼저 서로 독립인 두 표본에서 데이터를 수집하고 각 표본의 성공(또는 관심 사건) 비율을 계산해야 합니다.
    • Use the pooled estimate of the proportion: 2-표본 비율 검정에서 비율의 합동 추정값은 모집단의 참 비율이 같다고 가정할 때 두 표본 비율의 가중 평균입니다. 이 추정값은 검정 통계량을 계산하고 두 표본 간 비율 차이가 통계적으로 유의한지 판단하는 데 사용됩니다.

자주 묻는 질문

2-표본 비율 검정이란 무엇입니까?

2-표본 비율 검정은 서로 독립인 두 모집단에서 특정 특성의 비율을 비교하여 관측된 차이가 통계적으로 유의한지 판단하는 가설검정입니다. 또한 모집단 비율 차이에 대한 신뢰구간도 제공합니다.

2-표본 비율 검정의 가정은 무엇입니까?

데이터는 합격/불합격이나 예/아니요 같은 이진형이어야 하고, 표본은 무작위로 선택되어야 하며, 각 관측값은 다른 모든 관측값과 독립이어야 하고, 표본 크기는 충분히 커야 합니다. 비율에 대한 z 검정은 정규 근사를 위해 일반적으로 각 표본에 성공 10개 이상과 실패 10개 이상이 필요합니다.

Fisher의 정확 검정은 언제 대신 사용해야 합니까?

정규 근사의 조건을 만족하지 못하는 작은 표본에서는 표본 크기와 관계없이 정확한 결과를 제공하는 비모수 검정인 Fisher의 정확 검정을 사용하십시오. 비율에 대한 2-표본 z 검정은 각각 성공 10개 이상과 실패 10개 이상인 표본에 적합합니다.

2-표본 포아송 비율 검정은 언제 대신 사용해야 합니까?

데이터가 이진 결과가 아니라 단위당 결점 수와 같은 개수일 때 2-표본 포아송 비율 검정을 사용하십시오. 2-표본 비율 검정은 각 항목이 불량 또는 양호처럼 두 범주 중 하나에 속할 때만 적용됩니다.