용어 목록 > 대응표본 t검정 (Paired t-test)

대응표본 t검정 (Paired t-test)

쉽게 풀면

다이어트 프로그램의 효과를 확인한다고 해봅시다. 참가자 20명의 "다이어트 전 체중"과 "다이어트 후 체중"을 각각 잰다면, 이 두 숫자는 서로 남남이 아니라 같은 사람에게서 나온 짝(pair)입니다.

이럴 때는 20명과 20명을 따로 비교하는 것이 아니라, 각 사람마다 "전-후 차이"를 하나씩 구한 뒤 그 차이들의 평균이 0과 다른지를 검정합니다. 이렇게 개인차를 상쇄시키고 순수하게 "변화량"만 보기 때문에, 서로 다른 두 집단을 비교하는 일반 t검정보다 훨씬 예민하게 효과를 잡아낼 수 있습니다.

왜 중요한가

같은 대상을 전후로 비교하는 연구 설계는 개체 간 편차를 통제할 수 있어 실험 효과를 더 민감하게 검출할 수 있으므로, 심리학·의학·교육학 등 개입(intervention)의 효과를 확인하는 연구에서 매우 흔하게 채택됩니다. 대응표본 t검정은 이런 전후 비교 설계의 가장 기본적인 분석 도구여서, 더 복잡한 반복측정 설계나 종단연구를 이해하기 위한 출발점이 되기도 합니다.

언제 쓰나

같은 대상을 두 번 측정했거나(전·후), 짝지은 대상(쌍둥이, 짝 맞춘 환자)에서 얻은 두 값의 평균 차이가 0인지 검정합니다.

• 계산에는 쌍마다의 차이 d_i = x_i1 − x_i2만 쓰입니다. 개인차는 차이를 구할 때 상쇄됩니다.
• 가정: 쌍들이 서로 독립이고, 차이값이 대략 정규분포를 따른다(표본이 작을수록 중요). 두 측정값 각각이 정규일 필요는 없습니다.
• 차이 분포가 심하게 치우치고 표본이 작으면 윌콕슨 부호순위검정, 결과가 이분형이면 맥니마 검정을 씁니다.
• 전후 사이에 다른 요인(시간 경과, 연습 효과)이 개입할 수 있으므로 통제집단이 없는 설계에서는 인과 해석에 주의합니다.

결과는 이렇게 읽는다

• t = d̄ / (s_d / √n), 자유도 n − 1. 분모는 차이값의 표준오차입니다.
• 평균 차이 신뢰구간 d̄ ± t_(n−1) · s_d / √n. 0을 포함하는지가 p값과 같은 결론을 줍니다.
• 효과크기: d_z = d̄ / s_d(차이값 기준)와 d_av = d̄ / 두 측정의 평균 표준편차(Lakens, 2013) 중 무엇을 썼는지 밝혀야 합니다. 두 값은 전후 상관이 높을수록 많이 다릅니다.

(가상의 예, 직접 계산) 10명의 전·후 점수에서 차이의 평균 d̄ = 2.00, 표준편차 s_d = 1.15입니다.

같은 자료를 짝이 없는 것처럼 독립표본 t검정으로 분석하면 t = 1.05, p = 0.308로 유의하지 않습니다. 전·후 상관이 0.96로 높아 개인차를 상쇄한 효과가 큽니다. 이것이 짝지을 수 있는 자료를 대응표본으로 분석해야 하는 이유입니다. 다만 d_z(1.73)와 d_av(0.47)가 이렇게 다르므로 어느 효과크기를 쓰는지를 적어야 합니다.

논문에는 이렇게 보고한다

전·후 평균과 표준편차, 평균 차이와 신뢰구간, t, 자유도, p, 효과크기를 함께 적습니다. (아래 수치는 위 가상의 예입니다.)

프로그램 후 점수는 전보다 평균 2.0점 낮았다(전 M = 72.2, SD = 4.3; 후 M = 70.2, SD = 4.2; 대응표본 t검정, t(9) = 5.48, p < .001, 95% CI [1.17, 2.83], dz = 1.73).

• 표본 수(쌍의 수), 차이값의 정규성 점검 방법(Shapiro–Wilk 등)을 방법 절에 적습니다.
• 한국어 논문에서는 “대응표본 t검정(paired t-test)”으로 쓰이고, 사전·사후 비교에 매우 흔합니다. 같은 사람의 전후라는 점이 분명하도록 설계를 서술합니다.
• 여러 변수를 따로 대응표본 t검정하면 다중검정이 되므로 보정 여부를 밝힙니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

• “플립러닝 기반 기본간호학 실습교육 전·후의 학업적 자기효능감과 학습동기의 차이는 paired t-test로 분석하였으며, 측정도구의 신뢰도는 Cronbach's alpha로 분석하였다.”

  플립러닝을 적용한 기본간호학 실습교육의 효과, Journal of The Korean Data Analysis Society, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗

• “단일군 전-후 유사실험설계로 수집된 자료는 SPSS 21.0프로그램을 이용하여 일반적 특성은 실수와 백분율로, 실험처치효과에 대한 검증은 Paired t-test를 실시하여 분석하였다.”

  SBAR를 활용한 간호관리학 실습이 간호대학생의 자기표현성, 의사소통능력과 비판적사고 성향에 미치는 효과, 학습자중심교과교육연구, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗

• “효과성 검증을 위해 TIMSS 2011로 사전-사후검사를 통해 대응표본 t 검증을 실시한 결과, 과학에 대한학습태도 중 ‘과학의 가치에 대한 인식 수준(p < .05)’ 과 ‘과학에 대한 자기개념(p < .05)’이 통계적으로 유의미하게 향상된 것으로 나타났다.”

  미디어스토리텔링디자인 기반 STEAM프로그램의 고등학교 화학교육 적용효과, 한국디자인문화학회지, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

이 문장은 같은 참가자 30명의 훈련 전 반응 시간과 훈련 후 반응 시간을 짝지어 비교했고, 그 차이가 우연이라고 보기 어려울 만큼 뚜렷했다는 뜻입니다.

의학 연구에서 동일 환자에게 나타난 치료 전후 변화를 확인할 때 사용하는 전형적인 서술이다.

환경과학·농학 분야에서도 동일 시료나 동일 지점을 반복 측정하는 설계에 대응표본 t검정이 적용될 수 있음을 보여준다.

조금 더 깊게 보면

대응표본 t검정은 사실상 각 쌍의 차이값을 하나의 새로운 변수로 만든 뒤, 그 차이값의 평균이 0인지를 검정하는 단일표본 t검정과 수학적으로 동일합니다.

따라서 검정이 타당하려면 두 값 자체가 아니라 "차이값"이 정규분포에 가깝다는 가정이 중요하며, 표본 크기가 작고 차이값의 분포가 심하게 치우쳐 있다면 윌콕슨 부호순위검정 같은 비모수 대안을 검토합니다.

논문에서는 효과의 크기를 함께 보고하기 위해 표준화된 평균 차이인 Cohen's d(대응표본 버전)를 함께 제시하는 경우도 많습니다.

주의할 점

대응표본 t검정은 반드시 "같은 대상"에서 나온 두 값을 짝지을 수 있을 때만 쓸 수 있습니다. 서로 다른 두 집단(예: 실험군과 대조군)을 비교할 때는 짝이 존재하지 않으므로 t검정(독립표본 t검정) 형태를 써야 하며, 짝이 없는 데이터에 대응표본 방식을 적용하면 잘못된 결론에 이를 수 있습니다. 또한 차이값이 정규분포를 크게 벗어나면 비모수 방법인 윌콕슨 부호순위검정을 고려해야 합니다.

헷갈리기 쉬운 용어

두 값을 비교하는 방법들은 “누구에게서 나온 값인가”로 고릅니다.

참고 문헌

1. Student. (1908). The probable error of a mean. Biometrika, 6(1), 1–25.
2. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
3. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어