자료처리와 통계분석 : 자료처리와 통계분석의 방법

소개글

자료처리와 통계분석 : 자료처리와 통계분석의 방법에 대한 보고서 자료입니다.

목차

제 1절 자료처리와 통계분석

제 2절 기술통계분석

제 3절 이원 분석

제 4절 다원 분석

제 5절 다원적 통계기법

제 6절 추론통계와 가설검증

제 7절 모수검증(parametric tests)

본문내용

과는 단지 추론의 근거가 될 뿐
- 추론통계는 한 특정한 표본의 결과가 우연이라고 말할 수 있는 범위에 속하는 것인지, 아니면 우연이라고 볼 수 없을 만큼의 결과인지 판단하는데 도움을 줌
2. 연구가설과 영가설
연구가설(H1) : 연구자가 실제로 검증해 보고자 하는 가설
영가설(H0) : 연구가설에 대한 일종의 반명제(반대가설)
- 연구가설의 타당성은 영가설의 부정을 통해 입증 가능
예) A=B(연구가설)가 지지되려면, A≠B(영가설)가 발생할 확률이 매우 낮음을
보이면 됨
○ 후건긍정의 오류
- A이론으로부터 B라는 경험적 결과가 나올 것으로 예상했는데, B라는 경험적 결과가
나오지 않으면 A이론은 틀린 것으로 간주
- 그러나 B라는 예상된 결과가 나오더라도 그것을 곧바로 A가 참이라는 증거로 삼을
수는 없음. 왜냐하면 B는 꼭 A가 아니더라도 나타날 수 있음
- 이처럼 B가 참인 것만을 확인하고 A도 참이라고 인정하면, 후건긍정의 오류를
범하게 됨
예) 남녀 사회복지사 대우 비교
3. 가설검증과 샘플링 분포
○ 연구자는 표본자료를 수집해서 가설을 검증함
예시) 두 모집단 사이에서 평균값들(U1, U2)이 차이가 없다는 영가설이 있을 경우,
이를 검증하려면
① 모집단에서 표본을 무작위로 추출하고,
② 표본에서 나타나는 평균값들(X1, X2)을 비교하여,
③ 그러한 표본결과를 두고 모집단에 관한 가설을 기각할 것인지 혹은 수용할 것인지를 결정
- 표본이 모집단을 잘 대변하는지는 표집분포라는 통계모형에 근거를 두고 있고,
또 그 통계모형은 확률샘플링이론(정규분포 및 중심극한정리)에 바탕을 두고 있음
※ 확률샘플링이론 : 한 모집단에서 무수히 많은 표본들을 무작위로 추출한다면
표본값들의 샘플링분포는 모수를 중심으로 정규분포를 이룬다고 가정하는 이론
4. 유의수준과 기각영역
○ 영가설을 수용하거나 기각하는 데는 나름대로의 그거와 규칙이 필요
- 표본 결과가 영가설의 샘플링 분포에서 심하게 벗어난 영역에 속해 있으면
그 영가설을 기각됨
- 그러한 영역을 (영가설) 기각영역이라 하고, 표본결과가 기각영역에 포함될 확률의
합을 유의수준이라 함
- 사회과학 연구들에서는 보통 유의수준을 .05나 .01에 둠. 특정한 표본결과가 거기에
포함될 가능성이 5%나 1% 이하로 나타난다면, 그 정도의 유의확률은 감수하고
영가설을 기각할 수 있다는 것임
- 기각영역과 유의수준
1) 일방검증과 양방검증
(1) 일방검증
① 만약 H1이 ‘무엇이 무엇보다 크다’이면, H0의 기각영역은 샘플링 분포의
오른쪽 꼬리 부분에 위치 (상단우측)
② 만약 H1이 ‘무엇이 무엇보다 작다’이면, H0의 기각영역은 샘플링 분포의 왼쪽
꼬리 부분에 위치
(2) 양방검증
- H1이 예를 들어 ‘무엇과 무엇은 서로 다를 것이다’인 경우, H0는 표본결과가 양쪽 극단의 어느 한 곳에 위치하는 경우에 기각되는 것으로 함
- 이 때 유의수준을 .05로 정한다면, 각각의 꼬리는 2.5%의 기각영역을 가짐
2) 제1종 오류와 제2종 오류
- 표본조사에서는 모집단 전체가 직접적으로 측정되지 않기 때문에, 영가설이
옳은지 혹은 그릇된 것이지 직접적으로 증명할 수 없음. 다만, 확률적으로만 증명
- 따라서, 통계검증 결과와 상관없이 영가설은 실제로 옳을 수도 있고, 틀린 수도
있음
① 옳은 영가설을 기각 → 제1종 오류
② 틀린(거짓) 영가설을 수용 → 제2종 오류
제 7절 모수검증(parametric tests)
- 표본이 추출되는 모집단의 모수(parameter)에 대한 몇가지 가정들에 근거한
통계 검증방법
- ① 가정 : 모집단이 정규분포, ②가정 : 변수들은 등간척도 이상에 의해 측정
1. t 검정(student's t test)
- 표본집단간 평균의 차이가 통계적으로 의미가 있는지를 검증
- 표본의 크기가 작아(보통n30 기준) 그에 대한 표본분포를 정상분포로 가정하기
힘들고, 그로 인해 모수추정이 어려운 경우에 평균-차이값들의 분포를 t분포로
가정하고 표본-평균차이를 검증하는 방법
2. 아노바(ANOVA, Analysis of Variance)
- 표본집단간 평균의 차이가 통계적으로 의미가 있는지를 검증
- 변량분석을 이용하여 둘 이상 집단들 간의 평균-차이를 비교하는 통계적 분석방법
- t 검증이 두 집단의 평균을 비교하는데 비해, ANOVA는 셋 이상 집단들의 비교도
가능
- ANOVA를 사용하기 위해서는 독립변수가 명목적인 분류값들을 가지고, 종속변수가
수량등급으로 측정된 것이어야 함.
○ F값 = (집단간 분산/집단내 분산) ; 이 F값이 클수록 각 집단간의 평균-차이가
(유의수준에 따라) 통계적 의미를 지님
제 8절 비모수검증
- 모수검증 ① 가정 : 모집단이 정규분포, ②가정 : 변수들은 등간척도 이상에 의해
측정
- 비모수검증 : 이런 가정을 전제하지 않는 검증방법
1. 카이스퀘어검증
- 비모수검증 방법 중 가장 많이 사용
- 두 명목변수들이 이원적 도표에 교차 분류될 수 있는 상황들에 보편적으로 적용
- 원리 : 표본빈도(분포)와 기대빈도(분포)의 차이 활용. 이 둘 간 차이가 클수록
카이스퀘어값도 커짐
예) 카이스퀘어검증(p.449)
: df =4, 유의수준= 0.01에서 영가설을 기각하기 위해 필요한 최소 카이스퀘어값을
분포표에서 찾으면, 13.28. 표본결과 나타난 카이스퀘어값인 184.5는 이를 훨씬 능가,
따라서 영가설을 기각하고 두 변수의 관계가 통계적으로 유의미하다고 결론
2. 맨-휘트니 U 검증
- 명목변수와 서열변수들 간의 관계를 알아보는 비모수검증
- t 검증 F 검증에서 요구되는 모집단의 정규성이나 동분산가정, 수량변수의 사용 등에 관한 가정이 필요 없음
- 검증 예) 종교유무와 자원봉사 참여정도 간의 관계
참고문헌
김 영종 사회복지조사방법론 학지사 1999
열린교육-사회복지사1급기본서사회복지조사론
박문각-감이좋은사회복지학개론
김기원, 『사회복지조사론』, 나눔의 집, 2001
김병진, 『사회복지조사방법론』, 법문사, 2006
김치영, 『사회복지조사론』, 교문사, 2007
김훈, 『사회복지조사방법론』, 대왕사, 2006

키워드

조사,   연구조사,   과학적방법,   관찰,   실험,   실험디자인,   자료처리와 통계분석