SPSS 통계 이용방법 가이드: 9일차 - 카이제곱 검정 (Chi-Square Test)

SPSS 통계 이용방법 가이드: 9일차 - 카이제곱 검정 (Chi-Square Test)

**카이제곱 검정(Chi-Square Test)**은 명목형 데이터(범주형 데이터) 간의 독립성이나 적합성을 검증하는 데 사용되는 통계 방법입니다. 오늘은 SPSS를 활용해 카이제곱 검정을 실행하고, 결과를 해석하는 방법을 알아보겠습니다.

---

1. 카이제곱 검정이란?

카이제곱 검정의 주요 유형:

1. 적합도 검정(Goodness of Fit Test):
   • 관찰된 데이터가 기대값(예상된 분포)과 얼마나 일치하는지 확인.
   • 예: 특정 브랜드의 시장 점유율이 예상 분포와 일치하는지 검증.
2. 독립성 검정(Test of Independence):
   • 두 변수 간의 독립성을 검증.
   • 예: 성별과 구매 여부가 관련이 있는지 확인.

카이제곱 검정의 기본 가정:

• 데이터는 명목형 또는 범주형이어야 합니다.
• 기대 빈도(Expected Frequency)가 너무 작지 않아야 합니다(5 이상이 이상적).

---

2. SPSS에서 적합도 검정 실행하기

실습: 설문 응답 분포 검증

설문 조사에서 특정 브랜드를 선호하는 응답(Brand A, Brand B, Brand C)이 예상된 비율과 일치하는지 검증해보겠습니다.

1. 데이터 준비:
   • 변수: Brand (A, B, C)
   • 관찰된 빈도: Brand A(50명), Brand B(30명), Brand C(20명)
   • 기대 비율: Brand A(50%), Brand B(30%), Brand C(20%)
2. 카이제곱 검정 실행:
   • 메뉴에서 Analyze > Nonparametric Tests > Legacy Dialogs > Chi-Square를 클릭합니다.
3. 변수 설정:
   • "Test Variable List"에 Brand를 추가합니다.
   • "Expected Values"에서 "Values"를 선택하고 기대 비율(50, 30, 20)을 입력합니다.
4. 결과 확인:
   • "OK"를 클릭하면 출력 창에 카이제곱 검정 결과가 표시됩니다.

결과 해석:

• Chi-Square 값:
  • 관찰된 값과 기대값 간의 차이를 나타냅니다.
• p-값(Sig.):
  • p < 0.05: 관찰된 분포와 기대 분포 간의 차이가 통계적으로 유의미함.
  • p ≥ 0.05: 관찰된 분포와 기대 분포가 유의미하게 차이가 없음.

---

3. SPSS에서 독립성 검정 실행하기

실습: 성별과 구매 여부 간의 관계 검증

성별(Gender: 남성, 여성)과 구매 여부(Purchase: 구매, 미구매) 간에 관계가 있는지 검증해보겠습니다.

1. 데이터 준비:
   • 변수: Gender (Male, Female), Purchase (Yes, No)
2. 카이제곱 검정 실행:
   • 메뉴에서 Analyze > Descriptive Statistics > Crosstabs를 클릭합니다.
3. 변수 설정:
   • "Row(s)"에 Gender, "Column(s)"에 Purchase를 추가합니다.
   • "Statistics" 버튼을 클릭하고 Chi-Square를 선택한 뒤 "Continue"를 클릭합니다.
4. 결과 확인:
   • "OK"를 클릭하면 출력 창에 카이제곱 검정 결과가 표시됩니다.

결과 해석:

• Chi-Square 값:
  • 변수 간의 연관성을 평가합니다.
• p-값(Sig.):
  • p < 0.05: 두 변수 간의 관계가 유의미함(독립이 아님).
  • p ≥ 0.05: 두 변수 간의 관계가 유의미하지 않음(독립).

---

4. 카이제곱 검정 결과 시각화

교차표(Crosstab Table) 그리기:

SPSS에서 교차표와 막대 그래프를 통해 결과를 시각적으로 표현할 수 있습니다.

1. 교차표:
   • Crosstabs 옵션을 통해 교차표를 생성.
   • 행과 열의 빈도를 쉽게 확인할 수 있습니다.
2. 막대 그래프:
   • Graphs > Chart Builder에서 Clustered Bar를 선택합니다.
   • x축에 Gender, y축에 Purchase를 추가하여 성별에 따른 구매 여부를 시각적으로 표현합니다.

---

5. 카이제곱 검정 결과 활용하기

활용 사례:

• 마케팅: 성별, 연령대, 지역별 구매 행동 분석.
• 의료: 특정 치료 방법과 환자 반응 간의 관계 검증.
• 교육: 성별과 학업 성취도 간의 관계 분석.

---

6. 오늘의 실습 목표

1. SPSS에서 적합도 검정을 실행하고, 관찰된 데이터와 기대값의 차이를 확인하세요.
2. 독립성 검정을 통해 두 범주형 변수 간의 관계를 분석하세요.
3. 교차표와 막대 그래프를 활용해 결과를 시각적으로 표현하세요.

---

7. 마무리

카이제곱 검정은 명목형 데이터 분석에서 중요한 기법으로, 변수 간의 관계를 이해하는 데 유용합니다. 오늘 배운 내용을 바탕으로 다양한 데이터에 적용해보세요. 다음 10일차에서는 **로지스틱 회귀 분석(Logistic Regression Analysis)**을 다룰 예정입니다.

질문이 있거나 더 알고 싶은 내용이 있다면 댓글로 남겨주세요! 😊 함께 학습하고 해결하겠습니다.