10.7: 양방향 분산 분석(Two-Way ANOVA)

양방향 분산 분석은 일원 분산 분석의 확장입니다. 이 테스트는 행 요인과 열 요인의 두 가지 요인으로 분류된 3개 이상의 표본에 대해 수행되는 통계적 테스트입니다. 로널드 피셔(Ronald Fischer)는 1925년 그의 저서 ‘연구자를 위한 통계적 방법(Statistical Methods for Researchers)’에서 이를 언급했다.

양방향 분산 분석 분석은 처음에 데이터 세트의 두 요인 사이에 상호 작용 효과가 있다는 귀무 가설을 언급하는 것으로 시작합니다. 이 효과는 각 요인에 대한 평균을 결합하여 형성된 선 세그먼트를 사용하여 시각화할 수 있습니다. 선분이 평행하지 않으면 두 요인 사이에 상호 작용이 존재합니다. 즉, 두 요인이 동시에 주어진 데이터 세트의 값에 영향을 미칩니다. 두 선이 평행하면 상호 작용 효과가 관찰되지 않습니다. 상호 작용 효과에 대한 F 통계량을 계산하면 이 그래픽 표현을 확인할 수 있습니다. F 통계량의 계산된 P-값이 특정 유의 수준(예: P-값 = 0.05)보다 크면 귀무 가설을 기각하지 못할 수 있습니다.

다음으로, 데이터 값에 대한 각 요인의 효과가 결정됩니다. 즉, 행 요인 또는 열 요인이 데이터 세트의 데이터에 영향을 미치는지 확인합니다. 이는 귀무 가설을 별도로 명시하고 각 요인에 대한 F 통계량을 계산하여 수행됩니다. 특정 요인의 F 통계에서 계산된 P-값이 선택한 유의 수준(예: P-값 = 0.05)보다 낮으면, 해당 요인이 주어진 데이터 세트의 데이터 값에 상당한 영향을 미친다고 합니다.