안녕하세요, 산격동 너구리입니다.
이번 포스팅은,
SPSS를 이용한 "맥니마 검정"입니다.
개요
맥니마 검정이란??
2x2 빈도표에서 사용합니다.
표본이 독립이 아닐 때(=대응표본일 때), 사용하는 검정입니다.
가정
1. 표본이 대응 표본이다. (표본들이 독립이 아님.)
2. 아래의 빈도표 기준으로 b + c > 25이어야 한다.
가설
귀무가설 : $ p_b = p_c $
대립가설 : $ p_b \neq p_c $
만약 귀무가설이 참이라면, b = c 입니다.
그렇게 되면, Test 1 negative와 Test 2 Negative가 동일해지고,
Test 1 positive와 Test 2 positive가 동일해집니다.
따라서, 귀무가설을 기각한다는 것은 Test 1과 Test 2가 차이가 난다는 것을 의미합니다.
그렇기 때문에 서로 다른 실험인 Test 1과 Test 2의 차이에 대한 검정을 할 수도 있고,
동일한 실험인 Test 1과 Test 2 사이에 어떠한 처리를 함으로써
"어떠한 처리"가 영향을 미쳤는지 확인하는데 사용할 수도 있습니다.
예제
검사 결과가 양성/음성인 검사가 있다고 하겠습니다.
특정 처치 전 검사 결과와 처치 후 검사 결과를 기록한 데이터라고 생각하시면 되겠습니다.
당연한 이야기지만, 전/후 측정을 할 때 처치를 제외한 나머지 조건은 동일해야겠죠??
데이터 불러오기
가정
1. 대응 표본
동일한 사람에게서 "전", "후" 결과를 얻었으므로 대응 표본임을 알 수 있습니다.
2. 빈도
검정을 하면서 빈도표를 같이 확인해줄텐데요.
아래의 빈도표에서 b + c = 43 입니다.
25보다 크므로 가정을 만족합니다.
가설
귀무가설 : 처치 전 양성 비율과 처치 후 양성 비율은 동일하다.
대립가설 : 처치 전 양성 비율과 처치 후 양성 비율은 동일하지 않다.
맥니마 검정
맥니마 검정 결과,
p-value=0.033 이므로 귀무가설을 기각하여,
"처치 전 양성 비율과 처치 후 양성 비율은 동일하지 않다."인 대립가설을 채택하게 됩니다.
또한, 처치 후의 양성 비율이 감소함을 확인할 수 있습니다.
따라서, "어떠한 처치는 양성 비율을 줄이는데 영향을 미친다."라는 해석까지 할 수도 있겠네요.
참고로 SAS와 p-value가 다릅니다.
힌트는 아래에 있는 "b. 연속수정" 이 부분 때문인데요.
연속 수정을 함으로써 조금 더 엄격한 검정을 하게 되고, 그 때문에 p-value가 조금 더 커졌습니다.
SAS는 연속 수정을 하지 않은 값이라고 보시면 되겠습니다.
그리고, 하나 더.
교차 분석에서도 맥니마 검정이 있는데요,
이 때의 맥니마 검정은 정확 검정에 대한 결과입니다.
그래서 결과값이 조금 다릅니다.
다음 포스팅인 정확 맥니마 검정에서 한번 더 언급하도록 하겠습니다.
이것으로 SPSS를 이용한 맥니마 검정에 대해 마치도록 하겠습니다.
이상, 산격동 너구리였습니다.
감사합니다.
* 잘못된 정보 및 오타가 포함되어 있을 수 있습니다.
그대로 받아들이시기보다는 다른 사람의 의견도 참고하셔서 분석하시길 바랍니다.
* 포스팅 내용 및 통계 분석 관련 질문은 언제나 환영입니다.
가능한 선에서 최대한 답변하도록 하겠습니다.
'내가 하는 통계 분석 > SPSS' 카테고리의 다른 글
| [내가 하는 통계 분석] 피어슨 상관 계수(Pearson correlation coefficient) in SPSS (0) | 2021.03.16 |
|---|---|
| [내가 하는 통계 분석] 정확 맥니마 검정(exact McNemar test) in SPSS (2) | 2021.03.16 |
| [내가 하는 통계 분석] 피셔의 정확 검정(Fisher's exact test) in SPSS (1) | 2021.03.16 |
| [내가 하는 통계 분석] 카이제곱 검정(Chi-Square test) in SPSS (0) | 2021.03.16 |
| [내가 하는 통계 분석] 크론바흐 알파 계수(Cronbach's Alpha) in SPSS (0) | 2021.03.16 |