Kruskal-Wallis 검정에 대한 데이터 고려 사항

유효한 결과를 얻으려면 데이터를 수집하고 분석을 수행하거나 결과를 해석할 때 다음 지침을 따르십시오.

참고

Kruskal-Wallis 검정 대신 모수 분석을 사용하는 경우 데이터가 해당 분석의 데이터 요구 사항을 충족하는지 확인해야 합니다. 모수 분석의 데이터 요구 사항은 Kruskal-Wallis 검정과 같은 비모수 분석의 요구 사항과 항상 호환되지는 않습니다.

데이터에 고정 요인인 하나의 범주형 변수만 포함되어야 합니다.

요인에 대한 자세한 내용은 요인 및 요인 수준고정 및 랜덤 요인에서 확인하십시오.

반응 변수가 계량형이어야 함
반응 변수가 범주형이면 모형이 분석의 가정을 충족하거나 데이터를 정확히 설명하거나 유용한 예측을 할 가능성이 적습니다.
표본 데이터는 정규 분포를 따를 필요가 없습니다.
그룹 분포는 형상과 산포가 같고 특이치가 포함되지 않아야 합니다.
  • 그룹 분포에 특이치가 포함되어 있으면 Mood의 중위수 검정을 사용하십시오.
  • 그룹 분포가 정규 분포를 따르면 검정력이 더 높은 일원 분산 분석을 사용하는 것을 고려해 보십시오.
표본 크기가 15 또는 20개 관측치보다 작거나 공정을 중위수로 더 잘 나타낼 수 있어야 합니다.

비모수 검정은 검정력이 모수 검정보다 낮은 경향이 있습니다. 또한 모수 검정은 표본 크기가 충분히 큰 경우 비정규 데이터를 사용하여 잘 수행할 수 있습니다. 표본 크기가 아주 작지 않거나 중위수가 분석에 더 중요한 경우 비정규 정규 데이터에도 모수 검정을 사용하는 것을 고려해 보십시오.

데이터가 다음과 같은 표본 크기 지침을 충족하면 치우친 분포와 비정규 분포를 사용해도 매우 잘 수행되고 검정력이 더 높은 일원 분산 분석을 사용하는 것을 고려해 보십시오.
  • 데이터에 2–9개의 그룹이 포함되어 있는 경우 각 그룹의 표본 크기가 15 이상이어야 합니다.
  • 데이터에 10–12개의 그룹이 포함되어 있는 경우 각 그룹의 표본 크기가 20 이상이어야 합니다.
각 그룹의 표본 크기가 5 이상이어야 합니다.
표본의 관측치 수가 5개 미만인 경우 p-값이 부정확할 수 있습니다.
각 관측치가 다른 모든 관측치로부터 독립적이어야 함
관측치가 종속되면 결과가 유효하지 않을 수도 있습니다. 관측치가 독립적인지 여부를 확인하려면 다음과 같은 점을 고려하십시오.
  • 한 관측치가 다른 관측치에 대한 정보를 제공하지 않으면 관측치가 독립적입니다.
  • 한 관측치가 다른 관측치에 대한 정보를 제공하면 관측치가 종속됩니다.

종속적인 관측치가 있는 경우 으로 이동하십시오. 표본에 대한 자세한 내용은 종속 표본 및 독립 표본의 차이에서 확인하십시오.

최적의 경험을 사용한 데이터 수집
유효한 결과를 얻으려면 다음 지침을 따르십시오.
  • 데이터가 관심 있는 모집단을 나타내는지 확인합니다.
  • 필요한 정밀도를 제공하기에 충분한 데이터를 수집합니다.
  • 최대한 정확하게 변수를 측정합니다.
  • 데이터를 수집된 순서대로 기록합니다.
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오