대응표본 t 검정
대응 상관 · t · 효과크기
표 8. 대응표본 통계량
| 시점 | N | M | SD | SE |
|---|---|---|---|---|
| 사전 | 118 | 3.41 | 0.76 | .070 |
| 사후 | 118 | 3.78 | 0.69 | .064 |
표 9. 대응표본 상관
| 대응 | N | r | p |
|---|---|---|---|
| 사전 & 사후 | 118 | .612 | <.001 |
사전-사후 상관이 높아 대응표본 설계가 적절합니다.
표 10. 대응표본 검정
| 대응 | M차 | SD | SE | 95% CI | t | df | p | Cohen's d | |
|---|---|---|---|---|---|---|---|---|---|
| 하한 | 상한 | ||||||||
| 사전 − 사후 | −0.37 | 0.64 | .059 | −0.49 | −0.25 | −6.28 | 117 | <.001 | 0.58 |
N = 118. 사후 점수가 사전보다 유의하게 높았습니다. 효과크기는 중간 수준입니다.
그림 7. 사전-사후 변화
평균 변화 (p < .001)
차이점수 분포
해석interp_rules.rule_id = TTEST_PAIR_SIG · 매칭조건 p<.05 AND d>=.50
프로그램 참여 후 직무열의가 사전 3.41(SD = 0.76)에서 사후 3.78(SD = 0.69)로 유의하게 증가하였다, t(117) = −6.28, p < .001. Cohen's d = 0.58로 중간 크기의 효과였다.
사전-사후 상관이 r = .612로 높아 대응표본 설계가 적절하게 적용되었음을 확인하였다.
코드 생성 · 이 분석을 다른 프로그램 문법으로
DEFINE: diff = WE_post - WE_pre; ANALYSIS: TYPE = BASIC; MODEL: [diff];
모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.