t- 검정과 카이 제곱 검정은 모두 귀무 가설을 검정하고 기각하도록 설계된 통계 검정입니다. 귀무 가설은 일반적으로 무언가가 0이거나 존재하지 않는다는 진술입니다. 예를 들어, 두 평균의 차이가 0이라는 가설을 검정하거나 두 변수간에 관계가 없다는 가설을 검정 할 수 있습니다.
Null 가설 검증 됨
t- 검정은 두 가지 평균에 대한 귀무 가설을 테스트합니다. 대부분의 경우 두 평균이 같거나 두 평균의 차이가 0이라는 가설을 테스트합니다. 예를 들어, 4 학년의 남학생과 여학생의 평균 키가 같은지 테스트 할 수 있습니다.
카이 제곱 검정은 두 변수 간의 관계에 대한 귀무 가설을 검정합니다. 예를 들어, 남성과 여성이 똑같이 "민주당", "공화당", "기타"또는 "전혀 아님"에 투표 할 가능성이 똑같다는 가설을 테스트 할 수 있습니다.
데이터 유형
t- 검정에는 두 개의 변수가 필요합니다. 하나는 범주 형이어야하고 정확히 2 개의 수준을 가져야하며 다른 하나는 양적이어야하며 평균으로 추정 할 수 있어야합니다. 예를 들어, 두 그룹은 공화당 원과 민주당 원이 될 수 있고 양적 변수는 연령이 될 수 있습니다.
카이-제곱 검정에는 범주 형 변수 (일반적으로 2 개만 필요)가 필요하지만 각 변수에는 여러 수준이있을 수 있습니다. 예를 들어, 변수는 인종 그룹 — 백인, 흑인, 아시아 인, 아메리칸 인디언 / 알래스카 원주민, 하와이 원주민 / 태평양 섬 주민, 기타, 다인종; 그리고 2008 년 대통령 선거-(오바마, 매케인 등은 투표하지 않았습니다).
변형
쌍을 이룬 데이터를 포함하는 t- 검정의 변형이 있습니다. 예를 들어, 남편과 아내 또는 오른쪽과 왼쪽 눈. 순서 형 데이터, 즉 "없음", "약간", "일부", "많음"과 같은 순서가있는 데이터를 처리하고 둘 이상의 데이터를 처리하기위한 카이-제곱의 변형이 있습니다. 변수.
결론
t- 검정을 사용하면 "0.05 수준에서 동일한 평균의 귀무 가설을 기각 할 수 있습니다."또는 "0.05 수준에서 동일한 평균의 귀무를 기각 할 증거가 충분하지 않습니다."라고 말할 수 있습니다. 카이-제곱 검정을 사용하면 "0.05 수준에서 관계가 없다는 귀무 가설을 기각 할 수 있습니다."또는 "0.05에서 귀무를 기각 할 증거가 충분하지 않습니다."라고 말할 수 있습니다. 수평."