크루스칼-왈리스 검정 (Kruskal-Wallis test)
쉽게 풀면
세 가지 다른 학습법(A, B, C)으로 공부한 학생들의 시험 점수를 비교하고 싶은데, 표본 수가 적거나 점수 분포가 정규분포와 거리가 멀다고 해봅시다. 이럴 때는 분산분석을 그대로 쓰기 어렵습니다. 크루스칼-왈리스 검정은 점수 자체 대신 "전체를 한 줄로 세웠을 때 몇 등인지(순위)"로 바꿔서 비교합니다. 세 그룹의 학생들을 모두 섞어 순위를 매긴 뒤, 각 그룹의 평균 순위가 우연히 비슷해질 확률을 계산해서, 그룹 간에 진짜 차이가 있는지를 판단하는 방식입니다.
왜 중요한가
실제 연구 데이터는 표본 수가 적거나 이상치가 있는 등 정규분포 가정을 충족하지 못하는 경우가 흔합니다. 크루스칼-왈리스 검정은 이런 상황에서도 세 그룹 이상을 안정적으로 비교할 수 있는 대안을 제공하기 때문에, 의학·심리학·사회과학 등 표본 확보가 어려운 분야의 논문에서 널리 쓰입니다. 또한 순위 기반 접근은 척도(리커트 척도 등) 데이터처럼 등간격을 보장할 수 없는 변수를 다룰 때도 유용해 방법론 선택의 폭을 넓혀줍니다.
논문에서는 이렇게 쓰입니다
이 문장은 세 그룹의 점수 분포가 정규분포를 따르지 않아 순위 기반 검정을 사용했으며, 세 그룹 사이에 통계적으로 유의한 차이가 있음을 확인했다는 뜻입니다.
농학·생명과학 분야에서는 표본 수가 적은 실험 조건들을 비교할 때 크루스칼-왈리스 검정으로 그룹 간 차이 여부를 확인하는 경우가 많습니다.
설문 기반 사회과학 연구에서는 리커트 척도처럼 순위 성격이 강한 데이터를 다룰 때 정규분포를 가정하지 않는 크루스칼-왈리스 검정을 흔히 사용합니다.
조금 더 깊게 보면
크루스칼-왈리스 검정의 검정 통계량 H는 각 관측치의 원값 대신 전체 표본을 하나로 합쳐 매긴 순위를 이용해 계산되며, 표본 크기가 충분히 크면 대략 카이제곱 분포를 따르는 것으로 근사합니다. 동점(tied rank)이 많으면 통계량 계산에 보정이 필요하다는 점도 알아두면 좋습니다. 유의한 결과가 나온 뒤 어느 그룹 쌍이 실제로 다른지 확인하려면 던(Dunn's test)의 검정과 같은 순위 기반 사후검정을, 다중비교로 인한 오류 팽창을 막기 위해 본페로니(Bonferroni) 등의 보정을 함께 적용하는 것이 일반적입니다.
주의할 점
크루스칼-왈리스 검정은 맨-휘트니 U 검정을 세 그룹 이상으로 확장한 것으로 이해하면 쉽습니다(맨-휘트니는 두 그룹 비교, 크루스칼-왈리스는 세 그룹 이상 비교). 다만 이 검정은 "어떤 그룹이든 차이가 있다"는 것만 알려줄 뿐, 구체적으로 어느 그룹과 어느 그룹이 다른지는 알려주지 않으므로, 유의한 결과가 나오면 사후검정(post-hoc test)을 별도로 실시해야 합니다.