t검정 (t-test)
쉽게 풀면
신약을 먹은 그룹과 위약(플라세보)을 먹은 그룹의 평균 회복 기간을 비교한다고 해봅시다. 두 그룹의 평균이 조금 다르게 나왔다고 해서 바로 "약이 효과가 있다"고 말할 수는 없습니다. 우연히 그렇게 나왔을 수도 있기 때문입니다. t검정은 두 그룹 평균의 차이가 각 그룹 내부의 흩어짐(표준편차)에 비해 얼마나 큰지를 계산해서, 그 차이가 우연으로 보기 어려운 수준인지 판단하는 방법입니다. 표본 크기가 작을 때도 비교적 안정적으로 쓸 수 있어 논문에서 매우 흔하게 등장합니다.
왜 중요한가
두 집단을 비교하는 상황은 실험연구, 임상시험, 사회과학 조사 등 거의 모든 실증 연구 분야에서 가장 기본적으로 마주치는 문제입니다. t검정은 이런 비교를 표준화된 방식으로 검증할 수 있게 해 주기 때문에, 논문에서 결과의 신뢰성을 뒷받침하는 근거로 자주 인용됩니다. 또한 분산분석, 회귀분석 등 더 복잡한 통계기법의 기초 원리와도 맞닿아 있어, 통계적 추론 전반을 이해하는 출발점 역할을 합니다.
논문에서는 이렇게 쓰입니다
실험군과 대조군의 평균 점수 차이가 우연히 생겼다고 보기 어려울 만큼 통계적으로 뚜렷했다는 뜻입니다.
같은 참가자들을 프로그램 전과 후로 반복 측정하여, 그 변화가 우연이라 보기 어려울 만큼 뚜렷했다는 뜻입니다.
화학·공학 실험 논문에서는 서로 다른 처리 조건에서 얻은 측정값의 평균이 통계적으로 구별되는지를 t검정으로 확인한다는 뜻입니다.
조금 더 깊게 보면
t검정에는 독립표본 t검정, 대응표본(짝지은) t검정, 단일표본 t검정 등 상황에 따라 다른 형태가 있으며, 각각이 요구하는 가정(정규성, 등분산성, 독립성 등)이 다릅니다. 등분산 가정이 의심스러울 때는 Welch의 t검정처럼 이를 보정한 방법을 대신 쓰기도 하고, 정규성 가정이 크게 위배되면 Mann-Whitney U 검정 같은 비모수적 방법이 대안으로 제시됩니다. 논문을 읽을 때는 t값과 p값뿐 아니라 자유도(df)와 함께, 효과크기(예: Cohen's d)가 보고되었는지도 함께 확인하면 결과의 실질적 의미를 더 정확히 파악할 수 있습니다.
주의할 점
t검정은 원칙적으로 비교 대상이 두 집단일 때 사용합니다. 세 집단 이상을 비교하면서 t검정을 여러 번 반복하면 1종 오류가 누적되므로, 이런 경우에는 분산분석을 사용하는 것이 적절합니다.