집단이 3개 이상일 때
분석을 하려고 하면 보통 이렇게 고민합니다.
- t-test는 익숙한데
- ANOVA는 조금 낯설고
그래서 자연스럽게 이런 생각이 듭니다.
“그냥 t-test 여러 번 하면 안 되나요?”
1️⃣ 이론적으로는 가능하지만, 문제 있습니다
맞습니다.
👉 t-test 여러 번 돌리면
👉 집단 간 비교는 할 수 있습니다
하지만 여기서 중요한 문제가 하나 생깁니다.
⚠️ 오류 확률 증가
2️⃣ 왜 문제가 될까요?
t-test는 한 번 할 때마다
👉 일정한 오류 확률(보통 5%)을 가집니다
그런데 이걸 여러 번 하면
오류 확률이 누적됩니다 ⚠️
예:
- 3개 집단 → 비교 3번
- 4개 집단 → 비교 6번
👉 비교할수록
우연히 유의하게 나올 확률 증가
3️⃣ 그래서 ANOVA를 쓰는 겁니다
ANOVA는
👉 여러 집단을 한 번에 비교하는 방법입니다
👉 오류 확률을 한 번에 통제
즉,
- t-test → 여러 번 비교
- ANOVA → 한 번에 비교
👉 구조 자체가 다름
4️⃣ 그럼 t-test는 언제 써야 할까요?
✔ 집단이 2개일 때
✔ 단순 비교가 목적일 때
👉 이 경우는 t-test가 맞는 선택
5️⃣ ANOVA 이후에는 어떻게 하나요?
ANOVA 결과가 유의하면
“차이가 있다”는 것만 알 수 있음
그래서 다음 단계가 필요합니다.
💡 사후분석(Post-hoc)
👉 어느 집단끼리 다른지 확인
6️⃣ 많이 하는 실수
👉 집단 3개인데 t-test 반복 ❌
👉 유의한 것만 골라서 해석 ❌
👉 오류 확률 고려 안 함 ❌
이건 결과 신뢰도 떨어짐
7️⃣ 결국 중요한 건 ‘분석 구조’
통계에서 중요한 건
👉 편한 방법이 아니라
👉 맞는 방법
집단 수에 따라
분석 방법이 달라지는 이유가 여기 있습니다.
📌 이렇게 보면 됩니다
- 집단 2개 → t-test ⭕
- 집단 3개 이상 → ANOVA ⭕
- t-test 반복 → 오류 증가 ❌
👉 구조로 판단
👀 많이 틀리는 포인트
편한 방법 선택 ❌
오류 확률 무시 ❌
유의한 것만 해석 ❌
👉 다 위험
