자유도 (Degrees of Freedom)

한 줄 정의: 통계 검정에서 값이 자유롭게 변할 수 있는 데이터의 개수로, 표본 크기에서 이미 정해진 제약(추정해야 할 모수)의 개수를 뺀 값입니다.

쉽게 풀면

친구 5명과 밥값을 나눠 낼 때, 총액이 이미 정해져 있다면 4명까지는 각자 얼마씩 낼지 자유롭게 정할 수 있지만 마지막 1명의 금액은 자동으로 정해집니다. 자유롭게 정할 수 있는 값은 5명 중 4명, 즉 "5 - 1 = 4"입니다. 통계에서도 마찬가지입니다. 예를 들어 표본 10개로 평균을 이미 계산해뒀다면, 그 평균이라는 제약 조건 때문에 9개의 값이 정해지는 순간 마지막 값은 자동으로 결정됩니다. 그래서 표본 10개의 자유도는 "10 - 1 = 9"가 됩니다. 자유도는 t검정, 카이제곱검정, 분산분석 같은 여러 통계 검정에서 어떤 분포(모양)를 기준으로 유의성을 판단할지 결정하는 데 쓰입니다.

왜 중요한가

자유도는 논문에 보고된 검정통계량이 어떤 분포를 기준으로 계산되었는지를 알려주는 정보이기 때문에, 결과표를 정확히 읽고 재현하려면 반드시 확인해야 하는 값입니다. 표본 크기가 늘어나면 자유도도 커지면서 검정통계량의 분포가 정규분포에 가까워지는데, 이는 통계적 검정력과 신뢰구간의 폭에도 직접 영향을 미칩니다. 그래서 심리학, 의학, 사회과학 등 통계 검정을 활용하는 거의 모든 실증 논문에서 결과와 함께 자유도를 표기하는 것이 관례입니다.

논문에서는 이렇게 쓰입니다

"두 집단의 평균 점수를 비교한 결과, 유의한 차이가 나타났다 (t(58) = 2.31, p < .05)."

여기서 괄호 안의 "58"이 자유도입니다. 표본 60명을 두 집단으로 나눠 비교했을 때(60 - 2 = 58), 이 숫자는 어떤 모양의 t분포를 기준으로 통계적 유의성을 판단했는지를 알려줍니다. 자유도가 다르면 같은 t값이라도 유의성 판단 기준이 달라질 수 있습니다.

"성별과 치료군에 따른 반응률 차이를 분석한 카이제곱검정 결과, 두 변수 간 유의한 연관성이 확인되었다 (χ²(3) = 9.84, p < .05)."

이 예문에서 자유도 3은 교차표의 행과 열 개수에 의해 결정된 값으로, 범주형 자료를 다루는 연구에서 자유도가 표본 크기가 아니라 범주 구조에 따라 계산된다는 점을 보여줍니다.

"회귀모형에 예측변수 세 개를 투입한 결과, 모형은 종속변수 분산의 유의한 부분을 설명하였다 (F(3, 116) = 4.52, p < .01)."

회귀분석에서는 자유도가 두 개(분자·분모) 보고되며, 이는 투입된 예측변수의 수와 남은 표본 수에 따라 각각 결정된다는 것을 보여주는 예입니다.

조금 더 깊게 보면

자유도는 검정 종류마다 계산식이 다르기 때문에 결과표를 읽을 때 어떤 통계량과 짝지어졌는지 함께 봐야 합니다. 예를 들어 분산분석(ANOVA)에서는 집단 간 자유도와 집단 내 자유도가 따로 존재하며, 회귀분석에서는 모형 자유도(예측변수 수)와 잔차 자유도(표본 수에서 추정된 모수 수를 뺀 값)가 함께 보고됩니다. 또한 등분산 가정이 깨졌을 때 쓰는 웰치(Welch) 보정처럼, 자유도 자체를 소수 형태로 조정해 계산하는 방법도 있어 정수가 아닌 자유도가 논문에 등장하기도 합니다.

주의할 점

자유도는 항상 "표본 크기 - 1"만 뜻하는 것은 아닙니다. 검정 종류에 따라 계산 방식이 다릅니다. 예를 들어 카이제곱검정에서는 (행의 수-1)×(열의 수-1)로 계산하고, 회귀분석에서는 추정한 회귀계수의 개수만큼을 뺍니다. 자유도가 작을수록 t분포는 정규분포보다 꼬리가 두꺼워져, 같은 유의수준이라도 더 극단적인 값이 필요합니다.