통계 및 SPSS5 단순회귀모형: 통계적 추정, 모델 비교, 잔차 표준 오류 추정치에 대한 통계적 검정은 t 검증이 사용됨 1. B1(회귀 계수, 베타값 or 기울기)의 표준 오류를 계산 2. t값을 계산. t값은 t = b1/SEb1으로 계산 3. t값 임계치와 비교 B1에 대한 통계적 검증으로 신뢰구간이 사용될 수 있음. 계수의 표준 오차를 사용하여 전집의 상우와 기울기에 대한 신뢰구간을 계산할 수 있음. 95% 신뢰구간을 계산하기 위해 양방 검증의 t값을 사용함. 95% CI = b1 ± (t-crit[.05])*(SEb1). 신뢰구간을 어떻게 해석할 것인가? 많은 사람들은 신뢰구간에 대해 표본의 값이 전집 구간에 들어갈 확률이 95%라고 생각함. 예를 들어, 진짜 계수가 0.7과 1.3 구간 안에 있을 확률이 95%라고 생각함. 하지만, 이는 틀린 해석임. 신뢰.. 2020. 9. 10. 단순 회귀 모형 회귀 분석은 두 변인의 관계를 정의하기 위해 사용함. 회귀식: Y = B0 + B1*X1 + E Y: 종속변인(예측되는 변인) X: 독립변인(예측에 사용되는 변인) B1: 기울기, X의 변화에 따른 Y 값의 변화 B0: 상수 E: 잔차 회귀의 목적 1. Y와 X의 관계를 기술 2. X로부터 Y를 예측 3. Y변인에 대한 이해 하나의 결과에는 다양한 원인이 있음 예를 들어, 학점을 예측하는데 있어, SAT 점수는 좋은 지표(변인)이지만 다양한 변인들이 존재함. 따라서, 하나의 현상(결과)에 대한 데이터는 정확한 회귀선(직선)에 맞아 떨어지지 않음. 따라서, 회귀식을 따라 예측된 Y'의 점수는 B0+B1X임. 따라서, E(잔차)는 Y-(B0+B1X)가 되며, 이는 Y - Y'로 나타냄. 만약, Y'의 변락이.. 2020. 7. 12. 효과크기(Cohen's d) 코헨은 표준 통계 추정의 문제점을 제기함 - 영가설 검증은 우리에게 아주 작은 정보만 제공함. 예) 영가설을 기각하지 못하면 각 집단의 전집 차이가 없는 것으로 결론내리짐. - 영가설 검증에서 제 1종 오류를 줄이고자 하는 노력은 검증력을 낮추는 결과를 가져옴. 실제 현상을 이해하기 위해 우리가 알고 싶은 것은 단순히 영가설의 기각 여부가 아니라 얼만큼의 효과와 신뢰도가 있는지임. 따라서, 영가설 검증과 더불어 효과크기 또한 모두 고려되어야 함 통계검증에서 유의성(영가설 기각)은 표본 크게에 크게 영향 받음 따라서, 표본수가 적은 연구의 경우, 중간 정도의 효과 크기는 가진 평균 차이가 통계적으로 유의하지 않다고 판별되기도 함. 반면, 표본수가 많은 경우, 효과 크기가 작은데도 불구하고, 통계적으로 유의.. 2020. 7. 10. 통계학 흐름 및 목적 과거 통계학은 영가설 검증을 중점으로 p-value의 유의도를 검증함(p < .05). 따라서, 제 1종 오류를 줄이고, p-hacking(유의하지 않은 결과를 유의하도록 만드는 것)을 방지하는 것에 중점을 둠. ※ 1종 오류: 영가설이 참인 상황에서 영가설을 기각하는 것 ※ 영가설: 통계적 가설로 서로 차이가 없다, 예를 들어, '두 집단 간 스트레스 수준 차이가 없다'가 영가설이 됨 ※ 통계학에서는 영가설에 대해 통계검증 함. 영가설 유의도 검증은 뇌영상 데이터 분석과 같은 일부 분야에서 주요하게 사용됨. 반면, 최근 통계학에서는 통계 모형과 관련된 변인들과 각 변인들의 효과를 어떻게 추출할 것인가에 관심을 가짐. 즉, 실제 세계를 반영하는 모형을 만들고, 효과크기(설명력)을 추정하는데 중점을 둠. .. 2020. 7. 9. 이전 1 2 다음