일원분산분석 해석 - il-wonbunsanbunseog haeseog

SPSS 통계분석

SPSS 일원배치 분산분석 (One-way ANOVA) 및 해석 방법

이번 포스팅에서는, 

SPSS로 일원배치분산분석(One-way ANOVA)을 해보겠습니다. 

일원배치 분산분석(One-way ANOVA)은 

줄여서 그냥 '분산분석' 혹은 '아노바(ANOVA)' 분석이라고 많이들 얘기하시는데요. 

일원배치 분산분석(One-way ANOVA)이란, 

세 개 이상의 집단으로 구성된 하나의 독립변수에 따라, 

종속변수의 평균이 유의미한 차이가 있는지 검증을 하는 분석입니다. 

SPSS로 하는 방법을 하나씩 살펴볼까요? 

본 예시에서는, 3개 브랜드​에 따른 만족도의 차이 검증을 해보겠습니다. 

1. 우선은 독립변수에 따른 종속변수의 평균을 한번 보겠습니다. ​

    [분석] - [평균 비교] - [집단별 평균분석] 을 클릭합니다. 

2. 3개 브랜드에 따른 만족도 차이를 검증하는 거니까, 

    독립변수에는 '브랜드', 종속변수에는 '만족도'를 옮기면 되겠죠. 

그리고 "확인"을 눌러주시면, 

각 브랜드의 만족도 평균과 표본수(N), 그리고 표준편차가 출력되는데요. 

삼송의 브랜드 만족도 평균은 3.9938, 

LZ의 브랜드 만족도 평균은 3.5823, 

BEGA의 브랜드 만족도 평균은 3.4500 으로 나타났네요. 

삼송의 브랜드 만족도 점수가 비교적 높고, 

다음으로 LZ, BEGA 순으로 나타났지만, 

이 차이가 통계적으로 유의미한 차이일지는, 

분산분석(ANOVA)을 통해 확인해봐야겠죠. 

​

3. [분석] - [평균 비교] - [일원배치 분산분석] 을 클릭합니다. 

4. 앞서와 마찬가지로, 요인에 '브랜드', 종속변수에 '만족도'를 넣어주고,  

    "사후분석"을 클릭합니다. 

5. 일원배치 분산분석의 사후분석 종류는 굉장히 많은데요. 

    이 중 가장 보편적으로 사용하는 Scheffe의 사후검정을 해보겠습니다. 

6. 최종적으로 "확인"을 눌러주면, 결과가 나타납니다. 

일원배치 분산분석(One-way ANOVA)의 결과를 보시면, 

F=8.835, p=.000으로 나타났네요. 

결과적으로 p값이 0.05보다 작기 때문에, 

세 브랜드의 만족도는 통계적으로 유의한 차이가 있다고 할 수 있습니다. 

하지만 "세 브랜드의 만족도는 차이가 있다"라고만 말하고, 결론을 내실 건가요? 

세 브랜드 만족도가 어떻게 차이가 나는지, 판단해봐야겠죠. 

출력결과를 아래로 내려보시면, 

Scheffe의 사후검정 결과를 보실 수가 있는데요. 

BEGA와 LZ는 1번 쪽에, 삼송은 2번 쪽에 속한 것을 볼 수 있습니다. 

이는 즉, BEGA와 LZ의 만족도는 비교적 낮고, 

한편 BEGA와 LZ의 만족도는 통계적으로 유의한 차이가 없으며, ​

삼송의 만족도가 비교적 높다는 의미입니다. 

한마디로 같은 번호의 열에 속한 집단끼리는 평균 차이가 없고, 

다른 번호의 열에 속한 집단 간에는 평균 차이가 있다고 판단할 수 있습니다. 

이 결과는 논문에선 다음과 같이 요약될 수 있는데요. 

삼송, LZ, BEGA 브랜드 이름에 a, b, c로 레이블을 달아주시고, 

오른쪽에 Scheffe 열을 하나 추가하여, 부등호로 표시를 해줍니다. 

아니면 또 다른 형태로, 

평균 옆에다가 1번에 속한 브랜드는 위첨자로 a, 

2번에 속한 브랜드는 위첨자로 b를 표시를 하기도 합니다. 

이런 식으로 사후검증 결과를 간단하게 표기할 수 있구요. 

결국 

"브랜드 별 만족도는 유의한 차이가 있는 것으로 나타났으며(p<.001), 

삼송의 만족도는 LZ와 BEGA에 비해 높은 것으로 판단되었다."

이런식으로 결론을 내주면 되겠죠. 

이상, SPSS로 일원배치분산분석(One-way ANOVA)을 하는 방법에 대해 

공부해 보았습니다. 

참고.  카이제곱 검정​   독립표본 t-검정​   대응표본 t-검정​   상관분석 ​

          회귀분석​