검정 방법

검정 방법

 

제1종 오류 α와 제2종 오류 β 모두 최소화할 수 있는 검정법을 찾으면 가장 이상적이겠으나 α가 작아지면 β는 증가한다. 그래서 통계적 가설 검정에서는 α를 고정시키고 그에 따른 기각역 (rejection region) 을 구한다. 이제 귀무 가설이 참이라고 가정한 상태에서 표본으로부터 검정 통계량을 구하게 되고 이 검정 통계량이 기각역에 있게 되면 귀무 가설을 기각하고 기각역 밖에 있으면 귀무 가설을 기각하지 못한다. 즉, 귀무 가설이 참일 때 귀무 가설을 기각할 확률이 α보다 작거나 같다. 일반적으로 α는 0.05를 사용하고 유의 수준 (level of significance)이라고 부른다.

 

검정력의 크기를 결정하는 요인

 

적정 크기의 검정력이 확보된 연구에서 의미있는 효과가 실제로 존재하는 경우, 이를 탐지해낼 수 있는 가능성이 충분히 높다고 (최소 80% 이상) 판단되는 경우에 연구를 수행하는 것이 현명하다. 검정력의 크기에 직접적인 영행을 미치는 요인들은 다음과 같다.

 

표본 수 (sample size)	표본 수가 커지면 검정력도 증가한다. 따라서, 적정 표본 수 산출 시 검정력의 크기를 고려하게 된다.
관찰값들의 변동량 (variability of the observations)	관찰값들의 변동 폭이 작을수록 검정력은 증가한다.
효과 크기 (effect size)	실제 효과가 클수록 검정력도 증가한다. 따라서, 가설 검정은 효과 크기가 작은 경우보다 큰 경우 효과 차이를 더 쉽게 탐지한다.
유의 수준 (significance level)	유의 수준이 커질수록 검정력도 증가한다. 보통의 경우는 0.05로 고정한다.

 

관심 효과에 대한 신뢰 구간은 구간 범위가 넓으면 검정력이 낮다는 것을 의미한다.

 

단측 검정 (One tailed test)

 

H0 : A = B H1 : A < B or A > B

 

단측 검정(單側檢定) 또는 일방향 검증 (one-sided test, one tailed test)은 표본 분포의 한쪽에 관심을 가지고 시행하는 검정 방법이다. 가설을 검정하는 데 있어서 한쪽 측면을 검정 기준으로 기각 영역 (rejection region)을 설정하여 검정한다.

 

양측 검정 (Two tailed test)

 

H0 : A = B H1 : A != B

 

양측 검정 (兩側檢定) 또는 양방향 검증 (two-sided test, two tailed test)은 통계학의 가설 검증 (hypothesis test)에서 검정량이 기각치(棄却値) 이하이거나 이상이면 귀무 가설 (영가설, H0)을 기각하는 검정을 가리킨다.

 

검정 통계량

 

검정 통계량이란 수집한 데이터를 이용해 계산한 확률 변수이다.

 

확률 변수	검정 통계량
Z-검정 (정규 분포)	Z-Score
t-검정 (T-분포)	T-Score
ANOVA 검정, 분산 분석 (F-분포)	F-Value
Chi-Square 검정 (Chi-Square 분포)	Chi-Square Value

https://www.chegg.com/homework-help/definitions/test-statistic-31