Mood의 중위수 검정에 대한 데이터 고려 사항

결과가 유효한지 확인하려면 데이터를 수집하고 분석을 수행하며 결과를 해석할 때 다음 지침을 고려하십시오.

데이터에 고정 요인인 하나의 범주형 변수만 포함되어야 합니다

• 고정된 범주형 요인이 두 개 이상 있으면, 모두 고정 요인인 경우 일반 선형 모형 적합을 사용하고 변량 요인이 있는 경우 혼합 효과 모형 적합을 사용하십시오.
• 하나의 계량형(숫자) 예측 변수와 계량형 반응 변수 간의 관계를 표시하려면 적합선 그림을 사용하십시오.

요인에 대한 자세한 내용은 요인 및 요인 수준 및 고정 및 랜덤 요인으로 이동하십시오.

반응 변수가 계량형이어야 합니다

반응 변수가 범주형이면 모형이 분석의 가정을 충족하거나 데이터를 정확히 설명하거나 유용한 예측을 할 가능성이 적습니다.

• 반응 변수에 두 개의 범주가 있으면(예: 통과 및 실패)이항 로지스틱 모형 적합을 사용하십시오.
• 반응 변수에 자연스러운 순서를 갖는 세 개 이상의 범주가 있으면(예: 적극 반대, 반대, 중립, 찬성, 적극 찬성) 순서형 로지스틱 회귀 분석을 사용하십시오.
• 반응 변수에 자연스러운 순서를 갖지 않는 세 개 이상의 범주가 있으면(예: 긁힘, 패임, 찢어짐) 명목형 로지스틱 회귀 분석을 사용하십시오.
• 반응 변수가 발생 횟수(예: 결점 수)를 카운트하면포아송 모형 적합을 사용하십시오.

표본 데이터는 정규 분포를 따를 필요가 없습니다

그룹 분포는 형상과 산포가 같고 특이치를 포함해야 합니다.

• 그룹 분포에 특이치가 포함되어 있지 않으면 검정력이 더 높은 Kruskal-Wallis 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 관측치가 다른 모든 관측치로부터 독립적이어야 합니다

관측치가 종속되면 결과가 유효하지 않을 수도 있습니다. 관측치가 독립적인지 여부를 확인하려면 다음과 같은 사항을 고려하십시오.

• 한 관측치가 다른 관측치에 대한 정보를 제공하지 않으면 관측치가 독립적입니다.
• 한 관측치가 다른 관측치에 대한 정보를 제공하면 관측치가 종속됩니다.

종속적인 관측치가 있는 경우 반복 측정 설계 분석으로 이동하십시오. 표본에 대한 자세한 내용은 종속 및 독립 표본의 차이로 이동하십시오.

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.