반복측정 분산분석!! 퀵데이터에서 알아보기

​

​

독립변수의 시간 변화에 따른 종속변수 평균차이, 반복측정 분산분석

​

반복측정 분산분석은 독립변수 별 시간 변화에 따라 종속 변수의 평균 변화 차이를 검증합니다.

독립변수는 범주형 자료에 시간 개념이 있어야 하고, 종속변수는 연속형 자료여야 합니다.

​

​

예를 들어 보겠습니다.

​

김치냉장고 만족도 조사에서 브랜드 사용 기간이 지나면서 재구매 의사에 차이가 있는지 알아볼게요.

​

이거 배너 광고 아닙니다~~~~^^ 클릭하지 마세요~!

​

​

브랜드 사용 기간은 구매 후 1개월, 6개월, 12개월 단위로 차이가 있는지 비교해 보겠습니다.

​

가설은 다음과 같습니다.

​

김치냉장고 사용 기간에 따른 재구매 의사 변화는

브랜드에 따라 차이가 있을 것이다.

​

재구매의사에 대하여 1차, 2차, 3차에 걸쳐 조사했기 때문에 변수계산을 하여야 합니다.

​

독립변수는 브랜드, 종속변수는 재구매의사 입니다.

​

​

SPSS에서

변환-변수계산-목표변수 창에 (재구매1차)입력-함수집단(통계-Mean 더블클릭)-숫자표현형식에서 mean(설문 변수들1,2,3차 각 클릭)-확인-이러한 방법으로 재구매3차 까지 변수계산

분석 - 일반선형모형 - 반복측도

반복측도 요인정의 창 -개체내요인이름(time 입력)-수준 수(3 입력)-추가 클릭

정의 클릭 - 시간(변수계산 된 재구매 세 개의 변수이동)-개체 간 요인(브랜드 이동)

옵션 클릭 - 평균표시기준(Brand, time, Brand*time 이동), 주효과비교 체크 - 신뢰구간추정(Boneferroni) - 계속

도표 클릭 - 수평축 변수(time 이동) 선구분변수(Brand 이동)

붙여넣기 클릭

​

아래와 같은 명령창이 나옵니다.

​

GLM 재구매2차 재구매3차 재구매1차 BY Brand

/WSFACTOR=time 3 Polynomial

/METHOD=SSTYPE(3)

/EMMEANS=TABLES(time) COMPARE ADJ(BONFERRONI)

/EMMEANS=TABLES(Brand) COMPARE ADJ(BONFERRONI)

/EMMEANS=TABLES(Brand*time)

/CRITERIA=ALPHA(.05)

/WSDESIGN=time

/DESIGN=Brand.

​

여기에서 아래처럼 빨간색 표기된 것 처럼 입력합니다.

​

COMPARE ADJ(BONFERRONI) 이것은 윗줄과 같고 중간에 (Brand)가 추가됩니다.

​

GLM 재구매2차 재구매3차 재구매1차 BY Brand

/WSFACTOR=time 3 Polynomial

/METHOD=SSTYPE(3)

/EMMEANS=TABLES(time) COMPARE ADJ(BONFERRONI)

/EMMEANS=TABLES(Brand) COMPARE ADJ(BONFERRONI)

/EMMEANS=TABLES(Brand*time) COMPARE(Brand) ADJ(BONFERRONI)

/CRITERIA=ALPHA(.05)

/WSDESIGN=time

/DESIGN=Brand.

​

위 수정된 명령분을 전부 선택(전체 드래그) 해서 플레이버튼▶ 클릭

​

이제 분석 결과를 살펴보겠습니다.

​

제일 먼저 검토해야 할 것은 <Mauchly의 구형성 검정>을 살펴봐야 합니다.

P값이 .05를 초과하면 구형성 가정을 만족하고, P값이 .05 미만이면 구형성 가정을 만족하지 못합니다.

​

전에 해본 t검정에서 Levene의 등분산 검정이라던가, 일원배치 분산분석에서 동질성 검증이랑 같은 개념입니다.

​

​

​

​

그런데 이를 어쩝니까?

구형성 검정 유의확률이 .000(P<.001)으로 .05 미만으로 나타났어요~~

​

​

그럼 이 분석은 버려야 할까요~~~?

​

그렇지 않고 다른 방법을 찾습니다.

​

<개체 내 효과검정>을 살펴봐야 합니다.

​

time에 따른 주효과, time과 Brand 간 상호작용 효과가 나타나지요? 반복측정 분산분석에서는 상호작용 효과가 중요합니다.

​

우리는 브랜드가 시간이 지남에 따라 재구매의사에 변화 차이를 확인하기 위한 것이니까요.

따라서 구형성 가정에 P값이 .05 미만이라서 구형성 가정 밑에 있는 Greenhouse-Geisser의 p값을 확인합니다.

​

아래 표와 같이 time와 Brand의 상호작용효과는 유의한 것으로 나타났죠?

무슨 말이냐면, 김치냉장고 이용 기간에 따른 재구매 의사 변화가 브랜드에 따라 유의한 차이가 있다는 것이죠.

​

​

​

​

​

​

<대응별 비교>는 회차별로 브랜드에 따른 재구매 의사 차이를 비교한 것입니다.

​

​

​

​

위 표를 보면 1차 조사는 S사와 L사는 1.000으로 유의한 차이가 없고, D사만 유의하게 나타났습니다(P<.001)

6개월, 12개월 지난 각 2차, 3차 조사는 브랜드별로 모두 유의하게 차이를 보입니다.(P<.001)

​

평균 크기를 비교해 보면 S사 > L사 > D사 순으로 나타납니다.

​

<프로파일 도표>를 보면

결국 S사는 1차 조사때 보다 2차 조사에 증가하고, L사는 약간 감소, D사도 감소하는 경향을 보입니다.

​

참고로 브랜드에 따른 차이가 아닌 시간에 따른 차이를 확인하고 싶다면

좀 전 위 명령문에서 붙이기(Brand가 아닌 time)만 바꾸면 됩니다.

​

​

정리해서 아래처럼 표를 만들어 봅니다.

​

​

​

​

​

​

위 표 평균값의 a,b,c 는 Brand*Time 간의 주효과 비교인 <대응별 비교> 결과표에서

Brand 간 차이의 유의성을 확인하여 크기 순서대로 평균값 오른쪽에 꼭 위첨자로 a,b,c로 달아 주세요~~

​

​

​

퀵데이터는 여러분의 성공을 위해 오늘도 함께 하겠습니다~~^^

​

​

​

​