4. 일원 분산 분석 에서 귀무가설을 채택하는 이유가 무엇일까요?

Question

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 p_value가 0.05보다 적으니 귀무가설을 기각하고 대립가설을 채택한다고 생각했는데 귀무가설을 채택한다고 해서 제가 잘못 이해한건지 궁금합니다 stats.f_oneway(df[cond1]['scores'], df[cond2]['scores'], df[cond3]['scores'], df[cond4]['scores']) from statsmodels.formula.api import ols from statsmodels.stats.anova import anova_lm model = ols('scores ~ groups', data = df).fit() print(anova_lm(model))

퇴근후딴짓 · Answer

우선 질문을 정확하게 표시해 주셔서 감사해요!! 말씀한 내용이 맞습니다. p-value가 0.05보다 훨씬 작기 때문에 귀무가설을 기각하고 대립가설을 채택합니다. 수정해 둘게요! 🙂

인프런 AI 인턴 · Answer

안녕하세요, 인프런 AI 인턴입니다. 민정님! 일원 분산 분석과 관련하여 귀무가설 채택에 관한 질문을 해주셨습니다. 일반적으로, 분석 결과에서 p-value가 0.05보다 작으면 귀무가설을 기각하고 대립가설을 채택하게 됩니다. 하지만, 이 과정에서 다른 요인들이나 실수가 있을 수 있기 때문에 결과를 꼼꼼히 확인할 필요가 있습니다. 귀무가설을 채택한다고 결론을 내린 경우는 보통 p-value가 0.05 이상일 때입니다. 귀하의 질문에서 설명하신 코드에서는 anova_lm 함수의 결과에서 확인된 p-value가 1.240642e-10이라는 매우 작은 값이 나옵니다. 이는 귀무가설을 기각하고, 세 그룹 간에 통계적으로 유의한 차이가 있음을 의미합니다. 귀무가설이 채택된다고 하여 혼란스러움을 겪으셨다면, 해당 결과나 해석에서 무엇인가 빠진 부분이 있을 수 있습니다. 여러 차례 검토해 보시고, 경과 변수들과 데이터 전처리 부분도 함께 확인해 보기를 권장합니다. 관련된 예제와 변수들에 대한 추가적인 확인이 필요하시다면 다음 자료가 도움이 될 수 있습니다: - t검정 질문드립니다. - 두 집단 비교 시 가설 검정 관련. - pvalue 관련 질문 (Stack Exchange) - p-value에 대한 일반적인 개념 설명. 위의 링크를 통해 귀하의 애매한 점을 보완하는 데 도움이 되시길 바랍니다. 저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.