일원분산분석 하는 방법
- 그룹 이름 열과 측정값 열을 머리글과 함께 복사합니다.
- 반응값 열과 요인(그룹) 열을 고르고, 필요하면 사후검정 방식을 고릅니다(그룹이 유의하게 다를 때 어느 쌍이 다른지 알려줍니다).
- 분석하기를 누르고 ANOVA 표의 p-value, 효과크기 η², 사후검정 결과를 확인합니다.
예제 데이터로 보는 결과
예제 데이터는 촉매 4종(A~D)으로 8번씩 반응시킨 수율(%)입니다. 촉매 열을 요인(그룹) 열, 수율 열을 반응값 열로 씁니다.
평균 수율은 A 82.39, B 84.9, C 84.35, D 87.49%입니다. ANOVA 표에서 F(3, 28) = 7.962, p-value 0.0005422로 촉매에 따라 평균이 다르다고 판단하고, 효과크기 η² = 0.4603으로 큰 효과입니다(수율 변동의 약 46%를 촉매가 설명).
Levene 등분산 진단은 p=0.4947로 등분산 가정에 문제가 없어 일반 ANOVA를 그대로 써도 됩니다. 사후검정 방식을 Tukey HSD로 고르면 A-D(평균 차이 5.1, p=0.0002)와 C-D(3.138, p=0.0286)가 유의하고, 나머지 쌍은 유의하지 않습니다.
결과 그래프인 평균+신뢰구간에서 D의 구간이 가장 위에 있습니다. 잔차 QQ Plot의 Anderson-Darling p=0.7424로 잔차도 정규분포로 볼 수 있어 분석 가정이 무난합니다.
계산 방법
전체 변동을 그룹 간 변동(SS 요인)과 그룹 내 변동(SS 잔차)으로 나누고, F = MS 요인 / MS 잔차를 자유도 (k-1, N-k)의 F분포로 검정합니다. 효과크기 η² = SS 요인 / (SS 요인 + SS 잔차)입니다.
등분산 진단은 Levene 검정(중위수 기준)으로 그룹 분산이 비슷한지 확인합니다. 유효 데이터가 2개 미만인 그룹은 뺍니다.
사후검정
Tukey HSD는 스튜던트화 범위분포로 모든 쌍을 비교하며 등분산을 가정합니다. Games-Howell은 등분산을 가정하지 않고, Bonferroni·Holm은 Welch t검정 p-value를 다중비교 보정합니다.
결과 화면 구성
그룹별 기술통계, ANOVA 표, 등분산 진단, 사후검정 표, Box Plot, 개별값 Plot, 평균+신뢰구간, 잔차 대 적합값, 잔차 QQ Plot, 잔차 히스토그램이 나옵니다.
일원분산분석 결과 해석
- ANOVA p-value가 유의수준보다 작으면 적어도 한 그룹의 평균이 다르다는 뜻입니다. 어느 쌍이 다른지는 사후검정 표에서 '유의함' 행을 보세요.
- η²는 0.01·0.06·0.14를 기준으로 작은·중간·큰 효과로 해석합니다. p-value가 작아도 η²가 작으면 실무적 차이는 크지 않을 수 있습니다.
- Levene 결과 등분산이 의심되거나 잔차 QQ Plot이 직선에서 크게 벗어나면 Welch ANOVA로도 확인하세요.
자주 묻는 질문
엑셀 분석 도구의 분산 분석과 같나요?
네. '분산 분석: 일원 배치법'과 같은 SS·MS·F·p-value가 나옵니다. 여기에 사후검정과 잔차 진단이 더해집니다.
그룹이 2개여도 되나요?
됩니다. 2개 그룹의 ANOVA p-value는 등분산 2-표본 t 검정의 양측 p-value와 같습니다.
요인이 두 개면요?
온도와 압력처럼 요인이 2개면 이원분산분석을 쓰세요.