연구 상황을 통해 유의 수준을 이해해 보자.
수학 영재를 판별하는 검사지를 개발하는 연구를 한다 치자.
귀무가설: 검사지가 영재판별에 효과가 없다.
대립가설: 검사지가 영재판별에 효과가 있다.
이렇게 가설을 세우게 되고,
귀무가설이 기각되면, 반증을 통한 증명전략에 의해, 대립 가설을 선택할 수 있다.
여기서는 이해를 위해 증명이란 용어를 사용했지만,
추론 통계에서는 확률을 이용하게되고 엄밀히 증명은 아니기 때문에,
증명이라는 느낌의 통계적 용어, '유의성 검정'이라는 용어를 대신하여 사용한다.
그렇다보니 두가지 오류의 발생 가능성이 생긴다.
1종오류는 귀무가설이 참인데, 기각하는 오류.
2종 오류는 귀무가설이 거짓인데, 채택하는 오류.
1종오류를 범하면 잘못된 검사지가 영재판별에 사용된다. 이 확률를 유의수준(알파)라고 부른다.
2종오류는 잘된 검사지가 사용되지 못하는 것이라 1종오류보다 파장 효과가 낮다.
가설의 유의성 검정을 위해서
우리는 1종오류에 더 관심을 갖게 되고,
유의수준을 확인하게 된다.
유의수준(p level)은 1종오류 느낌대로 다시 기술하자면,
실제로 그렇지 않은데 효과가 있다고 판단하는 확률이다.
이 확률은 작으면 작을 수록 좋다.
5%, 1%, 0.1%는 바로 이 확률을 일컫는다.
SPSS통계처리를 하고 p 값을 얻었고, 그 값이 내 연구에서 기준으로 삼는 유의수준보다 작으면
내 연구 가설을 사용할 수 있다.
'제삼취미 > 통계' 카테고리의 다른 글
| 추론 통계에 대한 기본 이해(증명 아닌 유의성 검정) (0) | 2022.11.23 |
|---|---|
| 귀무가설, 대립가설 역할[교육연구] (0) | 2022.11.23 |
| 연구가설 통계처리 전에 확인할 것 (0) | 2022.11.21 |
| 정규성 검사의미, 정규분포 (0) | 2022.11.20 |
| 연속 자료 Continuous Data[교육연구] (0) | 2022.11.20 |