카이제곱검정, 범주형 변수의 관계 보기
두 변수가 모두 범주형이면 교차분석과 카이제곱검정입니다. 기대빈도가 5 미만인 칸이 전체의 20%를 넘으면 그대로 보고하면 안 되고 Fisher 정확검정으로 바꿉니다.
두 변수가 모두 범주형일 때 쓰는 분석입니다. 성별에 따라 선호하는 브랜드가 다른지, 전공에 따라 참여 여부가 다른지 같은 질문입니다. 평균을 낼 수 없는 자료라서 t검정이나 분산분석은 쓸 수 없습니다.
두 가지 쓰임
- 독립성 검정: 두 범주형 변수가 서로 관련이 있는지 봅니다. 논문에서 쓰는 카이제곱은 대부분 이쪽입니다.
- 적합도 검정: 한 변수의 분포가 기대한 비율과 맞는지 봅니다. 응답자 성별 분포가 모집단 비율과 같은지 확인할 때 씁니다.
SPSS에서 돌리기
- 1분석 > 기술통계량 > 교차분석을 엽니다.
- 2행에 한 변수, 열에 다른 변수를 넣습니다.
- 3통계량 버튼에서 카이제곱에 체크합니다. 효과크기를 보려면 명목 데이터의 파이 및 Cramer의 V도 함께 체크합니다.
- 4셀 버튼에서 관측빈도와 기대빈도, 그리고 행 또는 열 퍼센트에 체크합니다.
- 5확인을 누릅니다.
결과를 읽기 전에 기대빈도부터 봅니다
카이제곱은 각 칸에 충분한 사례가 있어야 쓸 수 있습니다. 이 조건을 어기고 그냥 보고하면 심사에서 지적받습니다. SPSS는 표 아래에 친절하게 경고를 적어줍니다.
- 기대빈도가 5 미만인 칸이 전체 칸의 20%를 넘으면 안 됩니다.
- 2행 2열 표에서는 모든 칸의 기대빈도가 5 이상이어야 한다고 보는 것이 보통입니다.
- 조건을 어겼다면 범주를 합쳐서 칸을 줄이거나, Fisher의 정확검정 결과를 읽습니다. SPSS는 2행 2열이면 Fisher를 자동으로 함께 출력합니다.
- 2행 2열에서는 연속성 수정(Yates) 줄도 같이 나옵니다. 표본이 작을 때 이 줄을 읽는 관행이 있습니다.
어느 칸이 차이를 만들었는지
카이제곱이 유의하다는 것은 표 전체가 독립이 아니라는 뜻이지, 어느 칸 때문인지는 말해주지 않습니다. 셀 옵션에서 수정된 표준화 잔차를 함께 출력하면 각 칸의 기여를 볼 수 있습니다. 절댓값이 2를 넘는 칸이 차이를 만든 칸이라고 보는 것이 흔한 관행입니다.
효과크기
Cramer's V를 함께 적습니다. 0에서 1 사이 값이고, 표의 크기에 따라 해석 기준이 조금 달라지지만 0.1은 작음, 0.3은 중간, 0.5는 큼으로 보는 기준이 널리 쓰입니다. 2행 2열이면 파이 계수를 봐도 같습니다.
성별에 따른 프로그램 참여 여부의 차이를 검정하기 위해 교차분석을 실시한 결과 유의한 관련이 있었다(χ²(1)=8.236, p=.004, Cramer's V=.181). 여성의 참여율(62.4%)이 남성(44.1%)보다 높았다. 모든 칸의 기대빈도가 5 이상이어서 카이제곱 검정의 가정을 충족하였다.
자주 하는 실수
- 리커트 5점 응답을 그대로 교차분석에 넣는 것. 칸이 너무 잘게 쪼개져 기대빈도 조건을 거의 항상 어깁니다. 평균을 내서 t검정이나 분산분석을 쓰는 편이 맞습니다.
- 기대빈도 경고를 보고도 카이제곱 값을 그대로 적는 것.
- 자유도를 빠뜨리는 것. χ²(자유도) 형태로 적습니다. 자유도는 (행 수에서 1을 뺀 값) 곱하기 (열 수에서 1을 뺀 값)입니다.
- 관련이 있다는 결과를 인과관계로 쓰는 것. 카이제곱은 연관만 말합니다.