Pearson Correlation의 구조: 상관계수의 크기와 방향이 의미하는 것
두 Continuous Variables 사이의 관계를 하나의 숫자로 요약하고 싶을 때 가장 널리 사용하는 Statistic 가운데 하나가 Pearson Correlation Co…
Scatter Plot의 해석 원리: 두 연속형 변수의 관계와 이상 패턴을 확인하는 방법
두 Continuous Variables 사이에 어떤 관계가 있는지 가장 먼저 확인할 때 사용하는 대표적인 Graph가 Scatter Plot입니다. 예를 들어 다음 두 Varia…
Exploratory Data Analysis의 역할: 회귀분석 전에 변수 관계를 점검해야 하는 이유
회귀분석을 시작할 때 많은 사람이 가장 먼저 하는 일은 Regression Model을 실행하고 p-value와 R-Square를 확인하는 것입니다. 하지만 회귀분석은 단순히 Mo…
Interaction Effect의 의미: 한 변수의 효과가 다른 변수 수준에 따라 달라지는 이유
Two-Way ANOVA에서 가장 중요한 개념 가운데 하나가 Interaction Effect입니다. Main Effect만 보면 각 Factor가 Response에 영향을 주는지…
Two-Way ANOVA의 구조: 두 개의 Factor를 동시에 분석하는 방법
One-Way ANOVA에서는 하나의 Categorical Factor가 Continuous Response에 미치는 영향을 분석했습니다. 예를 들어: Fertilizer ↓ Bu…
Randomized Block Design의 원리: 불필요한 변동을 통제해 처리 효과를 구분하는 방식
ANOVA에서 Treatment Group 간 Difference를 정확하게 비교하려면 Treatment 외의 불필요한 Variation을 가능한 한 잘 분리해야 합니다. 예를 들…
Post Hoc Test의 역할: ANOVA 이후 집단 간 차이를 추가로 확인하는 방법
ANOVA에서 p-value가 Statistical Significance를 보였다고 가정해보겠습니다. 예를 들어 네 개의 Fertilizer Group을 비교한 결과: Overa…
ANOVA의 p-value가 알려주지 않는 것: 어떤 집단이 다른지는 바로 알 수 없는 이유
ANOVA 결과에서 가장 먼저 보는 숫자는 보통 p-value입니다. 예를 들어 SAS Output에서 다음과 같은 결과가 나왔다고 가정해보겠습니다. F = 8.25 Pr >…
F Statistic의 원리: 집단 간 변동과 집단 내 변동을 비교하는 방식
ANOVA의 결과를 보면 거의 항상 F Value가 등장합니다. 예를 들어 SAS Output에는 다음과 같은 형태가 나타날 수 있습니다. 이때 많은 사람이 p-value만 보고 …