소비자리서치 ) t-test anova z-score 정리하기

소개글

소비자리서치 ) t-test anova z-score 정리하기에 대한 보고서 자료입니다.

목차

1. t-test
2. anova
3. z-score
출처 및 참고문헌

본문내용

효가 된다. 일반적으로 동질성을 위반할 경우 동일한 크기의 그룹이 있는 경우 분석은 견고하다고 간주한다. 정규성 분포를 위반할 때, 표본 크기가 큰 경우 ANOVA를 계속하면 된다.
3. Z-score
검사의 결과를 해석할 때 측정 단위가 다른 것과 환산하여 직접적인 비교를 가능하게 하는 방법이다. Z-score가 0이면 데이터 포인트의 점수가 평균 점수와 동일함을 나타낸다. Z 점수 1.0은 평균과 표준 편차가 하나인 값이다. Z 점수는 양수 또는 음수일 수 있으며, 양수 값은 평균보다 높고 음수는 평균보다 낮음을 나타낸다. Z-score는 관측치의 변동성을 측정하는 것으로, 시장 변동성을 결정할 때 사용할 수 있다. 일반적으로 Altman Z-score 로 더 많이 알려져 있다.
Z-score는 상장 제조업체의 파산 가능성을 측정하는 데 도움이 되는 신용 강도 테스트의 결과물이다. Z-score는 기업의 연간 10-K 보고서에서 찾아 계산할 수 있는 5가지 주요 재무 비율을 기반으로 한다. 점수를 결정하는 데 사용되는 계산은 다음과 같다.
ζ=1.2+1.4+3.3+0.6+1.0E
Zeta(ζ= the Altman Z-score)
A=운용자본/총자산
B=이익잉여금/총자산
C=이자 및 세금(EBIT)/총자산 전 이익
D=자본의 시장가치/총부채의 장부가치
E=매출/총자산
일반적으로 1.8 미만의 점수는 회사가 파산할 가능성이 높거나 파산 중임을 나타낸다. 반대로, 3점 이상의 점수를 받은 회사들은 파산할 가능성이 작다.
Z-score는 특정 데이터 세트에 대한 점수가 일반적인지 또는 비정상적인지를 통계학자와 거래자에게 보여준다. 또한 분석가가 다양한 데이터 세트의 점수를 조정하여 서로 정확하게 비교할 수 있게 해준다. 사용 적합성 테스트는 Z-score의 실제 적용 사례 중 하나이다.
뉴욕대 교수인 Edward Altman은 1960년대 후반에 투자자들이 한 회사가 얼마나 파산 직전이었는지를 판단하기 위해 거쳐야 했던 시간 소모적이고 혼란스러운 과정을 해결하기 위한 해결책으로 Z-score 공식을 개발하여 소개했다. 실제로 이 공식은 투자자들에게 기업의 전반적인 재무 건전성에 대한 아이디어를 제공하게 되었다.
표준 편차는 기본적으로 특정 데이터 집합 내의 변동성 양을 반영한다. 표준 편차를 계산하려면 먼저 각 데이터 요소와 평균 차이를 계산한다. 그 차이를 제곱하고, 합산하고, 평균하여 차이를 산출한다. 표준 편차는 단순히 분산의 제곱근이며, 원래 측정 단위로 되돌린다.
대조적으로 Z-score는 주어진 데이터 포인트가 평균에서 발생하는 표준 편차의 수이다. Z-score를 계산하려면 각 데이터 포인트에서 평균을 빼고 그 결과를 표준 편차로 나눈다.
평균보다 낮은 데이터 포인트의 경우 Z-score는 음수다. 대부분의 대규모 데이터 집합에서, 99%의 값이 -3과 3 사이의 Z-score를 가지며, 이는 이 값이 평균 위아래 3개의 표준 편차 내에 있다는 것을 의미한다.
출처 및 참고문헌
Towards Data Science 홈페이지

키워드

소비자리서치 ) t-test,   anova,   z-score 정리하기