집단 비교 가이드
두 집단의 차이부터 여러 조건의 비교까지, 연구 설계와 데이터에 맞는 통계 검정을 찾아봅니다.
집단 간 차이를 알아보고 싶을 때 가장 먼저 떠올리는 방법은 t검정이나 분산분석(ANOVA)입니다. 하지만 비교 대상이 두 집단인지 세 집단인지에 따라 분석이 달라지고, 같은 사람을 반복 측정했는지에 따라서도 선택해야 할 검정이 달라집니다.
이 가이드에서는 개별 분석의 계산 과정이나 결과표 해석을 하나씩 설명하지 않습니다. 대신 어떤 질문을 어떤 검정으로 분석해야 하는지 판단하는 기준을 정리합니다. 각 방법의 상세 원리와 해석은 개별 가이드에서 다룹니다.
검정을 고르기 전에 네 가지를 확인하세요
검정 이름보다 연구 질문과 자료 구조를 먼저 봅니다.
정규성 검정의 p값 하나만으로 모수·비모수 검정을 결정하지 않습니다. 연구 설계와 측정 수준을 먼저 확인한 뒤 자료의 분포, 표본 크기, 이상치와 분석 목적을 함께 고려합니다.
집단 비교 분석 선택 지도
집단 수와 측정 구조를 따라가면 후보 분석을 좁힐 수 있습니다.
위 경로는 가장 흔한 출발점입니다. 실제 연구에서는 결과변수의 유형, 결측 구조, 모집 방법, 반복측정의 상관관계 등에 따라 다른 접근이 필요할 수 있습니다.
한 집단 또는 두 집단을 비교한다면
먼저 기준값 비교인지, 독립된 두 집단인지, 대응된 측정인지 확인하세요.
한 집단의 평균을 특정 기준값과 비교
예를 들어 학생들의 평균 시험 점수가 기준 점수 70점과 다른지 알고 싶은 경우입니다.
서로 다른 두 집단의 차이를 비교
예를 들어 A 수업과 B 수업에 참여한 서로 다른 학생들의 성적을 비교합니다. 연속형 결과의 평균 비교는 독립표본 t검정을, 순위 기반 접근이 필요한 경우 Mann–Whitney U 검정을 검토합니다.
같은 사람을 두 번 측정하거나 짝을 맞춘 경우
예를 들어 교육 전후의 점수를 같은 학생에게서 얻었다면 측정값의 짝을 보존해야 합니다. 대응표본 t검정은 짝별 차이의 평균을, Wilcoxon 부호순위 검정은 차이의 순위 정보를 활용합니다.
모수적 t검정의 결과 대신 베이지안 관점에서 가설 간 증거를 비교하고 싶다면 베이지안 t검정을 함께 고려할 수 있습니다.
세 집단 이상을 비교한다면
집단들이 서로 독립인지, 같은 대상을 여러 번 측정했는지가 핵심입니다.
| 연구 설계 | 대표적인 방법 | 선택의 핵심 |
|---|---|---|
| 독립된 세 집단 이상의 평균 | 일원분산분석 | 집단을 구분하는 요인이 하나 |
| 독립된 세 집단 이상의 순위 기반 비교 | Kruskal–Wallis | 연속형·순서형 값의 순위 차이를 검토 |
| 같은 대상의 세 조건 이상 | 반복측정 ANOVA | 여러 시점·조건의 평균 차이 |
| 같은 대상의 세 조건 이상을 순위로 비교 | Friedman | 대상별 조건 순위를 활용 |
| 베이지안 관점에서 평균 차이 평가 | 베이지안 ANOVA | 사전분포와 모델 증거를 함께 고려 |
전체 검정의 유의성만으로 어느 집단 쌍이 다른지 알 수 있는 것은 아닙니다. 연구 설계에 맞는 사후비교와 다중비교 보정이 이어져야 합니다. 이 부분은 각 분석방법의 개별 페이지에서 다룹니다.
연구 설계가 복잡하다면 선택도 달라집니다
집단 수만으로 결정할 수 없는 경우를 정리했습니다.
요인이 두 개일 때 — 이원분산분석
예를 들어 학습 방법(온라인·오프라인)과 학년(1·2·3학년)이 성적에 미치는 영향을 함께 보고, 요인 사이의 상호작용도 살펴봅니다.
사전 점수 등을 고려할 때 — ANCOVA
프로그램 참여 집단과 비참여 집단의 사후 성적을 비교하면서 사전 성적의 영향을 통계적으로 조정합니다. 공변량을 추가했다고 비무작위 연구가 자동으로 인과분석이 되는 것은 아닙니다.
집단 차이와 시간 변화를 함께 볼 때 — 혼합설계 ANOVA
서로 다른 두 집단을 교육 전·후에 측정하고, 두 집단의 변화 양상이 서로 다른지 확인합니다.
결과변수가 여러 개일 때 — MANOVA·MANCOVA
만족도와 재이용 의향 등 관련된 여러 연속형 결과변수를 함께 비교할 수 있습니다. 공변량도 조정해야 한다면 MANCOVA를 검토합니다.
교육 프로그램에 참여한 집단과 참여하지 않은 집단의 성적을 사전·사후에 측정했다면, 단순 독립표본 t검정을 두 번 하는 것보다 집단과 시간의 상호작용을 직접 평가하는 혼합설계 접근이 연구 질문에 더 잘 맞을 수 있습니다.
분석을 실행하기 전에는 무엇을 점검하나요?
검정을 고른 다음에도 확인해야 할 사항이 있습니다.
| 확인 항목 | 왜 중요한가요? |
|---|---|
| 독립성과 대응 관계 | 서로 다른 사람을 같은 사람처럼, 반복측정 자료를 독립 표본처럼 다루면 결과가 달라질 수 있습니다. |
| 측정 수준 | 점수인지, 서열 응답인지, 여러 결과변수인지에 따라 적절한 방법이 달라집니다. |
| 분포와 이상치 | 특히 소표본에서 극단값과 심한 비대칭이 평균과 검정에 미치는 영향을 확인해야 합니다. |
| 분산과 공분산 가정 | 방법에 따라 등분산성, 반복측정의 구형성, 공분산 구조 등을 확인해야 합니다. |
| 결측과 표본 수 | 반복측정의 누락값이나 집단별 작은 표본은 분석의 적용 범위와 신뢰도에 영향을 줍니다. |
| 사후비교 계획 | 여러 집단을 비교한다면 어떤 쌍을 비교할지와 다중검정 보정 방법을 정합니다. |
특히 비모수 검정이 항상 모든 가정에서 자유로운 것은 아닙니다. 비모수 검정도 자료의 독립성, 짝 구조, 분포 형태 등 방법별 전제를 확인해야 합니다.
집단 비교 분석방법 16개 한눈에 보기
설명은 간단하게 정리하고, 각 방법의 자세한 내용은 별도 페이지에서 확인합니다.
두 집단·기준값 비교
세 집단 이상·반복측정
공변량·복합설계·여러 결과변수
※ 이 16개 목록은 집단 비교의 대표 방법을 정리한 범위입니다. 실험계획법(DOE), 선형혼합모형, Welch 검정 등 관련 방법은 연구 목적에 따라 별도로 검토할 수 있습니다.
먼저 연구 설계를 정리하면, 검정 선택은 훨씬 쉬워집니다.
집단 비교에서 중요한 것은 가장 유명한 검정을 고르는 일이 아니라 비교 대상이 어떻게 구성되어 있는지 정확히 이해하는 것입니다. 집단 수, 독립·대응 관계, 결과변수 수, 자료 특성을 차례대로 확인한 뒤 후보 검정을 좁혀보세요.
집단 비교 방법을 선택할 때는 ① 집단 수, ② 독립·대응 관계, ③ 결과변수의 개수와 유형, ④ 방법별 가정을 순서대로 확인합니다. 같은 연구 질문처럼 보여도 설계가 다르면 분석도 달라집니다. 방법을 고른 뒤에는 해당 개별 가이드에서 가정, 결과 해석, 사후비교를 확인하면 됩니다.