카이제곱 검정 하는 방법
- 두 범주형 열이나, 범주 열과 빈도(개수) 열을 머리글과 함께 복사합니다.
- 데이터 입력 방식을 고르고 열을 지정합니다. 2×2 표라면 Yates 연속성 보정을 켤 수 있습니다.
- 분석하기를 누르고 검정 요약의 p-value와 Cramér's V, 셀별 기여도를 확인합니다.
예제 데이터로 보는 결과
예제 데이터는 공급사 3곳(A사·B사·C사)에서 받은 원료 로트 수를 품질 등급(1~3등급)별로 집계한 표입니다(공급사, 등급, 로트 수). 데이터 입력 방식을 '행·열 범주 열 + 빈도(개수) 열'로 두고 로트 수 열을 빈도 열로 씁니다.
검정 요약의 χ² 통계량은 15.59(자유도 4), p-value는 0.003628로 공급사와 품질 등급은 서로 관련이 있습니다. 다만 Cramér's V=0.1802로 연관의 강도는 '약한' 수준입니다.
셀별 χ² 기여도는 (A사, 3등급) 4.36과 (A사, 1등급) 4.265가 가장 큽니다. A사는 1등급이 48로트로 기대(35.67)보다 많고 3등급이 5로트로 기대(12.33)보다 적어, A사 원료의 등급이 전반적으로 좋습니다.
표준화 잔차 Heatmap에서도 이 두 칸만 절댓값이 2를 넘습니다(2.07, -2.09). B사는 3등급 비중이 높은 편(18로트, 기여도 2.604)이라 3등급 원료가 B사에 몰리는지도 살펴볼 만합니다.
계산 방법
기대도수 = 행 합 × 열 합 / 전체로 구하고, χ² = Σ(관측 - 기대)² / 기대를 자유도 (행 수 - 1)(열 수 - 1)의 카이제곱분포로 검정합니다(SciPy chi2_contingency와 같습니다).
Yates 보정은 자유도가 1인 2×2 표에서만 적용됩니다.
Cramér's V
Cramér's V = √(χ² / (N × (min(행 수, 열 수) - 1)))로 0~1 사이 값입니다. 0.1·0.3·0.5·0.7을 경계로 거의 없음·약함·뚜렷함·강함·매우 강함으로 해석합니다.
결과 화면 구성
관측도수, 기대도수, 셀별 χ² 기여도, 검정 요약 표와 Mosaic Plot, 표준화 잔차 Heatmap, 100% 누적 막대가 나옵니다.
카이제곱 검정 결과 해석
- p-value가 유의수준보다 작으면 두 변수가 서로 관련이 있다(독립이 아니다)고 판단합니다.
- 셀별 χ² 기여도가 큰 칸이 연관을 만드는 조합입니다. 표준화 잔차의 부호로 기대보다 많은지 적은지 확인하세요.
- 기대도수가 5 미만인 칸이 많으면 근사가 부정확할 수 있으니, 2×2 표라면 Fisher 정확 검정을 쓰세요.
자주 묻는 질문
엑셀 CHISQ.TEST와 같나요?
네. 관측도수 표와 기대도수 표를 넣은 CHISQ.TEST(관측, 기대)의 p-value와 같습니다(Yates 보정을 끈 경우).
집계된 빈도표로도 되나요?
됩니다. '행·열 범주 열 + 빈도 열' 방식을 고르면 칸별 건수를 그대로 씁니다.
Yates 보정은 켜야 하나요?
2×2 표에서 더 보수적인 결과를 원할 때 켭니다. 2×2보다 큰 표에는 적용되지 않습니다.