비모수 검정
Mann-Whitney · Kruskal-Wallis · Wilcoxon
표 18. Mann-Whitney U 검정 · 성별에 따른 직무열의
| 집단 | n | 평균 순위 | 순위합 | U | Z | p | r |
|---|---|---|---|---|---|---|---|
| 남 | 196 | 192.41 | 37712.4 | 18406.5 | −2.18 | .029 | .108 |
| 여 | 213 | 216.58 | 46132.6 |
효과크기 r = |Z| / √N. 기준: .10 작음, .30 중간, .50 큼(Cohen, 1988).
표 19. Kruskal-Wallis H 검정 · 직급에 따른 직무열의
| 직급 | n | 평균 순위 | H | df | p | ε² |
|---|---|---|---|---|---|---|
| 사원 | 102 | 172.35 | 19.84 | 3 | <.001 | .049 |
| 대리 | 133 | 198.72 | ||||
| 과장 | 108 | 221.06 | ||||
| 차장 이상 | 66 | 243.91 |
사후 비교는 Dunn-Bonferroni 방법으로 수행되었습니다.
그림 11. 집단별 평균 순위
Mann-Whitney U (p = .029)
Kruskal-Wallis H (p < .001)
해석interp_rules.rule_id = NPAR_SIG · 매칭조건 p<.05
정규성 가정을 만족하지 못하는 경우를 대비한 비모수 검정에서도 모수 검정과 동일한 결론이 도출되었다.
Mann-Whitney U 검정 결과 성별에 따른 직무열의 차이가 유의하였고(U = 18406.5, Z = −2.18, p = .029, r = .108), Kruskal-Wallis 검정에서도 직급에 따른 차이가 유의하였다(H(3) = 19.84, p < .001).
코드 생성 · 이 분석을 다른 프로그램 문법으로
! 비모수 검정은 Mplus에서 지원하지 않습니다. ! ESTIMATOR = MLR 로 강건 추정을 사용하십시오.
모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.