글쓴이 : 홍선의 (112.♡.113.99)

조회 : 15,715  

가설 검증을 할 때, 표본에서 얻은 표본통계량이 일정한 기각역(棄却域, rejection area)에 들어갈 확률, 즉 오차가능성을 말한다. 일반적 연구에서는 유의 수준을 α=1%, 2%, 5%, 10% 등으로 정하는 경우가 많다.

연구가 어떠한 연구이든 간에 연구방법은 관찰과 자료수집의 방향을 결정하며 통계적 기법은 이렇게 수집한 자료를 요약하고 정리하여 모수치를 추리한 후 결론을 도출하게 하는 수단이다.

우리는 어떤 사건이 일어날 수 있는 확률을 계산하고 그것을 어느 기준 수준과 비교해 보고, 그리고 그를 기초로 하여 측정치에 대하여 결론을 내리는 추리과정을 거치는데 이를 통계적 검증과정이라 한다.

다시 말해 Ho가 참이라 전체하고 1%의 확률 또는 5%의 확률을 기준으로 하여 그보다 더 낮은 확률의 사상은 ‘Ho의 기각을 정당화’하는 것으로(즉 Ha가 참이다), 그리고 그 보다 더 높은 확률의 사상은 ‘Ho의 수용을 정당화’하는 것으로(즉, Ho가 참이다) 판단하고 있다. 1%이니, 5%이니 하는 판단기준을 유의수준이라 하며 구체적으로 유의수준을 어떤 값으로 정할 것인지는 연구자가 결정한다.

통계적 검증을 위해서는 여러 가지 단계를 필요로 하는데 각 단계를 다음과 같이 대별해 볼 수 있다.

① 가설의 설정과 진술

② 표본수와 검증 통계치의 결정

③ 유의도의 결정

④ 자료의 수집과 검증 통계치의 계산

⑤ 가설의 검증과 결과의 해석

통계적 검증은 ‘언제나 Ho가 맞다’는 것을 전제로 한다. 그런데도 획득한 통계치는 반복해 Ho를 기각하고 Ha를 수용해야 할 때 우리는 Ha 가 진리라 생각하게 된다. Ho를 전제한다는 것은 ‘현존하는 것은 최상의 것이다’와 같은 보수적인 태도를 반영하는 것이지만 그것의 목적은 아닌 것을 옳은 것처럼 생각하려는 실험자 오류를 방지하는데 있다. 연구보고에서는 통계적 가설을 진술할 것이 아니라 실험적 가설을 진술하는 것을 권하고 있는데 그래야 연구자의 생각이 무엇인지를 분명하게 알 수 있기 때문이다.

통계적 검정에서는 Ho가 참이라 전제하기 때문에 예컨대 표본들의 평균치는 동일한 모집단에서 나왔을 것이며, 표본 평균간에 생기는 차이는 표집오차 때문일 것이며, 따라서 표본평균치간 차이는 단지 우연적인 것이라 생각한다. 그러나 표본에서 계산해낸 통계치의 차이가 대단히 크다면 Ho가 정말 참인지 의심하게 되고 그것이 Ho가 참일 분포로부터 얼마나 떨어져 있으며 그 확률은 얼마인지를 결정해 보게 된다.

이러한 확률수준을 유의수준(level of significance)이라 한다. 유의수준은 Fisher의 전통에 따라 1% 또는 5%로 잡는 것이 일반적이다. 유의수준은 α(alpha) 또는 p로 나타내며 α수준이라고도 한다. 그리고 α=.01, α=.05 등으로 표기한다.