통계 분석방법

목차

1. 유의 수준
1) 통계적 검증의 원리
2) 통계적 검정단계란?
3) 가설과 유의도란?
4) 유의수준의 제시와 해석은?

2. 통계 패키지

본문내용

마인지를 결정해 보게 된다.
예컨대 위에서 말한 사회학자의 경우에는 IQ와 문화실조와는 관계가 없을 것이라는 진술이 Ho가 되겠고 r=0을 Ho로 하는 연구도 있을 것이다. 그러나 만약 r=.60을 얻었다면 우리는 과연 r=.60이 r=0과 같은지를 의심하게 된다.
그러면 얼마만큼의 차이를 같다고 하고 얼마만큼의 차이를 다르다고 보아야 할 것인가? 논리는 표집분포의 정규분포 원리에 따라서 전개해야 하며 거기에 비추어본 확률에 따라 다르다고 할 수 있는 기각역(Ho를 기각하는 영역, 즉 Ha를 채택하는 영역)과 수용역(Ho가 맞다고 수용하는 영역)을 미리 결정해 두어야 한다.
이러한 확률수준을 유의수준(level of significance)이라 한다. 유의수준은 Fisher의 전통에 따라 1% 또는 5%로 잡는 것이 일반적이다. 유의수준은 α(alpha) 또는 p로 나타내며 α수준이라고도 한다. 그리고 α=.01, α=.05 등으로 표기한다.
4) 유의수준의 제시와 해석은?
유의수준은 논문에서 자료의 분석방법에서 제시해 주는 것이 일반적이며 앞서 언급한 것과 같이 고정된 값이 있는 것이 아니라 연구자가 연구의 내용에 맞게 결정한다. 일반적으로 5%, 1%를 사용하는 경우가 많은 보수적으로 0.1%를 사용하는 경우도 있고 10%를 사용하는 경우도 있다.
그리고 개별 분석에서 유의수준을 다시 제시해 주기도 한다. 일반적으로 '* p<0.05, ** p<0.01, *** p<0.001'로 나타내는데 이 경우 유의수준을 5%로 설정한 것이며 별 표시가 많을수록 보다 더 유의한 것으로 말할 수 있다. <보기2>는 t-test결과에 대한 표로서 희망하는 사람과 희망하지 않는 사람들 간에 유의한 차이가 있음을 보여준다.
자료의 처리는 SPSS 10.0 for Windows를 사용해 빈도분석(Frequencies), 교차분석(Cross tabulation)을 실시하였고, 이용전 기대와 이용후 만족과 관련된 항목의 요인구조를 파악하기 위한 요인분석(Factor Analysis) 및 신뢰성 분석(Reliability Analysis)을 실시하였으며, 집단 및 요인간 차이를 알아보기 위한 T-test와 분산분석(Analysis of Variance: ANOVA)을 실시하였고, 유의수준은 5% 이하로 설정하였다.
<보기2>
문항
희망 여부
t-값
p-값
희망(○)
희망(×)
전문가 활용
평균(mean)
표준편차(SD)
3.82
(0.93)
3.33
(0.93)
2.740
0.007**
광범위한 공동전선
평균(mean)
표준편차(SD)
3.96
(0.97)
3.55
(0.93)
2.351
0.020*
중앙 예약시스템
평균(mean)
표준편차(SD)
3.86
(0.90)
3.26
(0.82)
3.679
0.000***
* p< 0.05, ** p< 0.01, *** p< 0.001
' * p< 0.05, ** p< 0.01, *** p<0.001' 유의수준을 나타내는 것이며, 중앙예약시스템'의 경우 0.001 수준에서 유의한 차이가 있다는 것을 보여주며, 따라서 매우 유의한 차이라고 할 수 있다.
2. 통계 패키지
여러 학문분야에서 그렇듯이 컴퓨터의 발전은 통계학에도 많은 영향을 주었다. 그 결과 통계학자들이 연구대상으로 하는 영역 그 자체도 눈부시게 확장된 수 있었으며, 이제는 가장 기초적인 수준의 통계학에서도 통계패키지에 대한 일반화되고 있다. 현재 일반적으로 이용되고 있는 통계패키지(statistical package)로는 SPSS(statistical package for social sciences), SAS(statistical analysis system), MINITAB 그리고 BMDP(biomedical computer programs)등을 들 수 있다.
그러나 일반적으로 연구자가 어떤 패기지(package)를 사용해 자료를 처리하는가에 따라 결과(output)은 조금씩 다른 형태로 제시되지만 내용에 있어서는 차이는 거의 없다고 보아도 무방하다. 만약 사례수(Case)가 50명이며 변수(variable)가 적으면 연구자가 직접 셀 수도 있겠지만 실제 연구에서는 이러한 경우가 거의 없다. 대부분 사례수는 수백 개가 넘는 경우가 일반적이며 변수도 수십 개 이상이 일반적이다. 따라서 연구자들은 자료의 처리를 보다 용이하게 하기 위해 통계처리를 위한 프로그램(SAS, SPSS등)을 이용하는 것이 바람직하다. 본 내용에서는 SPSS10.0의 결과를 가지고 분석을 사용하겠다.

키워드

유의 수준,   가설,   유의도,   통계적 검증,   모수치