인터랙티브·

카이제곱 검정

범주별 관측빈도가 우연히 기대되는 빈도와 다른지 확인합니다.

들어가며

성별에 따라 선택한 상품이 다르다고 말해도 될까?

남성 100명 중 60명이 A를, 여성 100명 중 30명이 A를 선택했습니다. 표본에서는 분명한 차이가 보이지만 다른 200명을 조사해도 비슷할지는 아직 알 수 없습니다.

성별과 상품 선택의 관측빈도

A 상품

B 상품

남성

여성

성별에 따라 A와 B의 선택 비율이 달라 보입니다.

카이제곱 검정은 두 범주형 변수에 관계가 없다고 가정했을 때 기대되는 빈도와 실제 관측빈도를 비교합니다.

핵심 질문

관측된 빈도 차이는 독립이라는 가정에서 우연히 생길 만한 크기일까요?

관측도수

실제 교차표 각 셀에서 관측된 빈도를 확인합니다.

기대도수

두 범주가 독립일 때 예상되는 셀 빈도를 계산합니다.

차이의 합

χ²

관측과 기대의 차이를 셀별로 표준화해 합칩니다.

개념

관측빈도와 기대빈도의 비교부터

무엇을 알아보는 분석인가

범주형 자료의 빈도와 비율을 검정합니다

검정	질문	예시
독립성 검정	두 범주형 변수가 관련되는가?	성별과 상품 선택
동질성 검정	여러 모집단의 범주 비율이 같은가?	지역별 정당 지지율
적합도 검정	한 변수의 분포가 기대 비율과 같은가?	주사위 여섯 면이 균등한가?

평균이 아니라 빈도입니다

카이제곱 검정은 점수의 평균을 비교하지 않습니다. 각 사람이 어느 범주에 들어갔는지를 세어 만든 빈도를 분석합니다.

기대빈도란 무엇인가

두 변수가 독립이라면 각 셀에 몇 명이 있어야 하는지 계산합니다

관측빈도 O

	A	B
남성	60	40
여성	30	70

독립일 때 기대빈도 E

	A	B
남성	45	55
여성	45	55

E_{ij}=\frac{(\text{행 합계}_i)(\text{열 합계}_j)}{\text{전체 합계}}

교차표 셀의 기대빈도

기대빈도는 원하는 결과나 과거 평균이 아니라, 현재 표의 행·열 합계를 유지하면서 두 변수가 독립일 때 계산되는 빈도입니다.

핵심 원리

관측빈도와 기대빈도의 차이를 셀마다 표준화해 더합니다

\chi^2=\sum_{i,j}\frac{(O_{ij}-E_{ij})^2}{E_{ij}}

관측빈도와 기대빈도의 차이를 셀마다 표준화해 합한 카이제곱 통계량

요소	역할
O−E	각 셀이 독립 가정에서 벗어난 방향과 크기
제곱	양수·음수 차이가 서로 상쇄되지 않게 함
E로 나눔	기대 규모가 다른 셀을 비교 가능하게 함
합계	표 전체의 불일치를 하나의 χ²로 요약

χ²는 0 이상이며 클수록 관측표가 독립 가정에서 더 멀리 떨어져 있습니다.

왜 중요한가

비율 차이만으로 결론 내릴 수 없는 이유

어떤 검정을 선택하는가

표의 목적과 표본의 독립성을 먼저 확인합니다

상황	선택
독립된 사람들의 2×2 이상 교차표	Pearson 카이제곱
2×2 표에서 기대빈도가 매우 작음	Fisher 정확검정
같은 사람의 전후 이분형 결과	McNemar 검정
순서형 범주의 선형 추세	추세 검정 또는 순서형 모형

행과 열의 이름이 무엇인지보다 같은 사람이 한 셀에 한 번만 들어가는지, 대응자료인지가 검정 선택을 결정합니다.

분석은 어떻게 이루어지는가

교차표 구성부터 효과크기까지

단계	하는 일
1	두 범주형 변수와 분석 대상 표본을 정합니다.
2	관측빈도로 교차표를 만듭니다.
3	행·열 합계로 기대빈도를 계산합니다.
4	작은 기대빈도와 독립성 조건을 확인합니다.
5	셀별 (O−E)²/E를 합해 χ²를 계산합니다.
6	자유도 (행−1)(열−1)로 p값을 구합니다.
7	표준화 잔차와 Cramér’s V로 위치와 크기를 해석합니다.

결과는 어떻게 읽는가

전체 관계, 관계가 나타난 셀, 효과크기를 차례로 봅니다

결과	읽는 질문
행·열 비율	어떤 범주의 비율이 실제로 다른가?
χ²와 p값	독립 가정과 충분히 충돌하는가?
표준화 잔차	어느 셀이 기대보다 많거나 적은가?
Cramér’s V	표본 크기를 제외한 연관성의 크기는 어느 정도인가?

유의한 χ²는 방향을 알려주지 않습니다

전체 표에 관계가 있다는 뜻입니다. 구체적인 패턴은 비율과 잔차를 확인해야 합니다.

작동 원리

셀별 차이가 χ²로 합쳐지는 과정

대표 사례

성별과 상품 선택의 관계를 분석합니다

관측표

남성: A 60명, B 40명 · 여성: A 30명, B 70명 · 전체 200명

결과	값
기대빈도	남·A 45, 남·B 55, 여·A 45, 여·B 55
χ²	18.18
자유도	1
p값	< .001
Cramér’s V	.302

결과 해석

성별과 상품 선택은 유의하게 관련되었습니다(χ²(1)=18.18, p<.001, V=.302). 남성의 A 선택은 기대보다 많고 여성의 A 선택은 기대보다 적었습니다. 이는 관계의 존재를 보여주지만 성별이 선택을 원인으로 만들었다는 뜻은 아닙니다.

가정과 주의점

빈도와 표본 구조를 먼저 확인합니다

확인할 것	문제가 생기면
관측값의 독립성	반복응답·가족·학급 군집이면 일반 χ²의 표준오차가 맞지 않습니다.
원자료가 빈도인지	백분율만 넣으면 실제 표본 크기 정보가 사라집니다.
기대빈도	작은 셀이 많으면 χ² 근사가 부정확해집니다.
범주 중복	한 사람이 여러 범주에 동시에 들어가면 단순 교차표가 아닙니다.
표본 크기	매우 큰 표본은 미미한 관계도 유의하게 만들 수 있습니다.

흔한 오해

카이제곱 결과를 잘못 읽는 대표적인 경우

오해 1 · 유의하면 두 변수가 강하게 관련된다

강도는 Cramér’s V와 비율 차이로 판단합니다.

오해 2 · 기대빈도는 각 셀이 같다는 뜻이다

행·열 합계가 다르면 독립일 때의 기대빈도도 셀마다 다릅니다.

오해 3 · χ²가 크면 인과관계다

연관성만 검정하며 교란과 역인과를 제거하지 않습니다.

오해 4 · 백분율을 빈도처럼 넣어도 된다

검정은 실제 개수와 표본 크기를 필요로 합니다.

예시

성별과 상품 선택 자료를 처음부터 끝까지

직접 해보기

관측표가 독립에서 멀어질수록 χ²가 어떻게 변하는지 관찰합니다

행·열 합계를 유지한 채 대각선 셀의 빈도를 이동해보세요. 기대빈도와의 차이가 커질수록 χ²가 증가합니다.

독립에서 벗어나는 정도0

남·A

남·B

여·A

여·B

\chi^2=\sum\frac{(O-E)^2}{E}

0.00

독립 가정과 크게 충돌하지 않음

카이제곱 검정 인터랙티브 랩

효과와 불확실성을 바꾸며 두 분포의 겹침, 검정통계량과 판단 경계가 함께 움직이는지 보세요.

조작할 때 그래프의 위치·모양·오류 구조를 먼저 보세요.

효과크기1.0표준오차1.1

현재 조건

1.0 · 1.1

조절값과 그래프의 변화를 함께 확인하세요.

확인할 것

한 조절값만 먼저 움직인 뒤 그래프의 어떤 부분이 변하고 무엇은 그대로인지 설명해보세요.

관찰할 것

•
관측빈도와 기대빈도가 같을 때 χ²가 0인지 확인합니다.
•
셀의 차이가 커질수록 제곱항 때문에 χ²가 빠르게 증가하는지 봅니다.
•
표 전체의 합계가 같아도 배치에 따라 결과가 달라지는지 확인합니다.
•
유의성 외에 비율 차이와 효과크기가 필요한 이유를 생각합니다.

직접 해보기

관측빈도를 바꿔보기

핵심 정리

카이제곱 검정에서 기억해야 할 판단 규칙

핵심 정리

•
카이제곱 검정은 범주형 자료의 관측빈도와 기대빈도를 비교한다.
•
기대빈도는 독립 가정과 현재 행·열 합계로 계산한다.
•
χ²는 셀별 불일치를 표 전체로 합한 값이다.
•
유의한 결과는 관계의 존재만 알려주며 위치는 잔차로 확인한다.
•
관계의 크기는 Cramér’s V와 비율 차이로 판단한다.
•
독립성·기대빈도·실제 빈도 입력을 반드시 확인한다.

더 깊이 알아보기

표의 구조에 따라 확장 방법이 달라집니다

주제	핵심 내용
Fisher 정확검정	작은 2×2 표에서 정확한 확률을 계산합니다.
표준화 잔차	각 셀이 전체 χ²에 기여한 방향과 크기를 보여줍니다.
오즈비	2×2 표에서 연관성의 방향과 배수를 나타냅니다.
로그선형 모형	여러 범주형 변수의 고차원 교차표를 분석합니다.
로지스틱 회귀	이분형 결과에 여러 예측변수와 교란변수를 함께 반영합니다.

다음 연결

카이제곱은 범주형 자료의 비모수적 분석 중 하나입니다. 순서나 중앙 위치를 비교하는 자료에는 다른 비모수 검정이 필요합니다.

다음: 분산분석(ANOVA)