" 논문통계 분석 및 해석 방법 "
논문을 작성하다 보면 반드시 마주하게 되는 개념이 있습니다.
바로 p값(p-value), 즉 유의확률입니다. 하지만 실제로 많은 대학원생들이 다음과 같은 질문에서 막히게 됩니다.
논문통계분석에서 p값이 유의하다는 것은 정확히 무엇을 의미하는가?
유의수준과 p값의 관계는 어떻게 해석해야 하는가?
귀무가설과 대립가설은 어떤 기준으로 판단하는가?
특히 SPSS나 AMOS 분석 결과를 보면 p값이 제시되지만 이를 어떻게 해석해야 하는지 명확히 이해하지 못한 상태에서 논문을 작성하는 경우가 매우 많습니다. 퀵데이터는 논문통계분석에서 반드시 이해해야 하는 p값(p-value)의 개념과 유의수준, 그리고 가설검정의 기본 구조를 실제 논문 작성 관점에서 쉽게 정리해드립니다.
▣ 유의수준이란??
통계학의 대가인 Fisher가 1920년대 유의수준 5%(0.05)를 사용한 후 현재까지 그대로 사용하고 있다.
■ 유의수준 α [Significance level]
- 유의확률 P값이 어느 정도일 때 귀무가설을 기각할 것인가에 대한 수준
- 가설검정에서 귀무가설을 기각하고 대립(연구)가설을 채택할 확률
- 표본에서 얻은 통계 값이 귀무가설이 참일 때 극단적인 값일 가능성이 얼마나 낮은지를 나타내는 확률 수준을 의미
- 신뢰수준은 1에서 유의수준을 뺀 값 (1-α)
통계적 검증이라고 해도 100% 신뢰할 수 없다. 모집단 전수조사를 통한 자료라면 모집단의 특성을 오차 없이 반영해야 할 것이다. 그러나 대다수의 연구는 표본 조사가 대부분이라 오차가 발생하기 때문에 통상 95% 이상 신뢰할 수 있으면 어느정도 설득력이 있다고 판단할 수 있고, 이를 신뢰수준이라 한다.
유의수준은 신뢰수준과 반대로 연구자가 설정한 가설이 기각되는 기준이다. 신뢰수준이 95%라면 5%는 유의수준이다. P값 유의확률은 가설이 기각될 가능성을 말하는데 독립변수가 종속변수에 미치는 영향을 분석했는데 p값이 0.024라면 영향을 미치지 않을 가능성이 2.4%이고 영향을 미칠 가능성이 97.6%라는 의미이다. 영향을 미칠 가능성이 95%가 넘어가므로 통계적으로 유의하다라고 할 수 있다. 논문에서 P값을 0.05미만일 때 통계적으로 유의하다고 하는 것이다.
유의수준의 5%는 지극히 드물다고 간주하는 기준값이다. 5%보다 작은 일이 일어나면 그것은 우연이 아닌 필연적인 의미가 있다는 의미에서 유의라고 한다. 그래서 보통 1% 혹은 5% 미만을 적용하는데 상식적으로 볼 때 드문 일로 간주하는 작은 확률이기 때문이다. 다시 말해 오류를 범할 확률이 5%뿐이라고 인정하는 것이다.
■ 유의확률 [P-value]
- 귀무가설이 참이라는 전제에서 연구자가 표본으로 구한 검정통계량의 값이 이론적으로 발생할 가능성을 나타내는 값 (p로 표기)
- 유의확률은 표본으로부터 계산된 확률, 유의수준은 귀무가설을 기각할지 여부를 결정하는데 사용되는 확률
- 유의확률(p값): 표본으로부터 얻은 관측확률
- 유의수준(α): 판단의 기준으로 사용하는 5% 미만의 확률
P값이 0.001보다 작으면 대립가설이 옳다고 추론할 수 있는 압도적인 증거가 존재하고, 검정이 매우 유의하다고 할 수 있다. p값이 0.01과 0.05에 속하면 강한 증거가 존재하고 검정결과가 유의하다고 한다. p값이 0.05와 0.1에 속하면 약한 증거가 존재한다고 할 수 있지만 p값이 0.05보다 크면 검정결과는 유의하지 못하다고 하는 것이 일반적 기준이다. p값이 0.1보다 크면 대립가설이 옳다고 추론할 수 있는 증거가 존재하지 않는 것이다.
※ CR값이 1.96이상, 유의확률 P값이 0.05 이하이면 연구가설 채택
요약하면, 유의확률(p-값)은 가설검정 결과를 통계적으로 해석하는 데 사용되며, 유의수준은 연구자가 얼마나 강력한 증거를 요구하는지를 나타내는 임계값입니다.
연구 모형을 수립하고 내가 선정한 변수 간 관계의 선행연구를 무조건 참조하게 된다. 이때 선행연구 결과에서 P값이 0.05 미만으로 유의한 변수, 즉 선행연구 결과에서 변수 간 관계가 채택된 변수들을 선택해야 내 연구에서도 유의한 결과가 나올 가능성이 크다. 물론 선행연구의 표본, 산업 등의 일반적 특성이 내 연구와 다르고 꼭 이 변수 간 관계에 관해 연구해야 한다면 변수 간 관계가 유의한 연구, 유의하지 않은 연구들을 고르게 찾아야 한다. 그래야 내 연구결과에 따라 이들 선행연구를 인용하면서 결론을 쓰기가 쉽다.
논문통계분석에서 p값은 단순한 숫자가 아니라 연구 결과의 타당성과 가설 검증의 핵심 기준이 됩니다.
그러나 실제 연구에서는 p값 해석 오류, 가설 설정의 문제, 분석 방법 선택 오류로 인해 논문 수정이 반복되는 경우가 매우 많습니다.
직장인 대학원생이나 연구 경험이 많지 않은 경우 통계 해석 단계에서 논문이 막히는 상황이 자주 발생합니다.
이러한 문제는 단순히 이론을 아는 것만으로 해결되지 않고 연구모형, 변수 구성, 분석 방법까지 함께 검토되어야 합니다.
퀵데이터는
연구모형 설계부터 통계분석, 결과 해석, 논문 첨삭까지 논문 전 과정에 대한 1:1 맞춤형 컨설팅을 제공합니다.
✔ 연구주제 및 연구모형 설계
✔ 논문 작성 지원
✔ SPSS 및 AMOS 기반 통계분석 및 해석작성
✔ 논문 구조 설계 및 첨삭
✔ 학술지 투고 및 수정 대응
✔ 논문 심사 대비 전략 수립
논문통계분석 및 해석 작성 퀵데이이터에 맞기세요. 통계상담 ☎1600-7473
논문통계 관련 간단한 문의는 카톡으로 상담하세요.
논문통계의 유의확률, 유의수준 2편. 동영상으로 알아보기▼▼▼
