YesStat — 독립표본 t 검정 (결과)

독립표본 t 검정

Levene 등분산 · t · Cohen's d

표 6. 성별에 따른 집단통계량

변수	집단	n	M	SD	SE
직무열의	남	196	3.52	0.81	.058
직무열의	여	213	3.69	0.74	.051
직무성과	남	196	3.94	0.66	.047
직무성과	여	213	3.90	0.62	.042

표 7. 성별에 따른 차이 검정

변수	Levene 등분산		t 검정			평균차	95% CI		Cohen's d
변수	F	p	t	df	p	평균차	하한	상한	Cohen's d
직무열의	1.84	.176	−2.22	407	.027	−0.17	−0.32	−0.02	0.22
직무성과	0.92	.338	0.63	407	.529	0.04	−0.08	0.16	0.06

N = 409. Levene 검정 결과 두 변수 모두 등분산 가정이 충족되어 등분산 가정 행의 값을 제시하였습니다. 효과크기는 Cohen(1988) 기준 .20 이상 작은 효과입니다.

그림 6. 성별에 따른 평균과 95% 신뢰구간

직무열의 (p = .027)

직무성과 (p = .529)

해석interp_rules.rule_id = TTEST_IND_MIXED · 매칭조건 levene_p>.05 AND any(p<.05)

Levene 검정 결과 두 변수 모두 등분산 가정이 충족되어(p > .05) 등분산 가정 결과를 해석하였다.

직무열의는 여성(M = 3.69, SD = 0.74)이 남성(M = 3.52, SD = 0.81)보다 유의하게 높았다, t(407) = −2.22, p = .027. 다만 Cohen's d = 0.22로 효과크기는 작은 수준이었다. 직무성과에서는 유의한 성별 차이가 없었다, t(407) = 0.63, p = .529.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.).

코드 생성 · 이 분석을 다른 프로그램 문법으로

MODEL: WE_mean ON sex;
! 집단 비교는 GROUPING으로도 가능
OUTPUT: STDYX;

ttest WE_mean, by(sex)
esize twosample WE_mean, by(sex) cohensd

t.test(WE_mean ~ sex, data=dat, var.equal=TRUE)
effectsize::cohens_d(WE_mean ~ sex, data=dat)

T-TEST GROUPS=sex(1 2) /VARIABLES=WE_mean JP_mean
  /ES DISPLAY(TRUE) /CRITERIA=CI(.95).

모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.