이원배치 분산분석 (Two-way ANOVA)
쉽게 풀면
학습 방법(온라인 vs 오프라인)과 학습 시간대(오전 vs 오후)가 시험 점수에 미치는 영향을 알아보고 싶다고 해봅시다. 학습 방법만 따로 비교하거나 시간대만 따로 비교할 수도 있지만, 이원배치 분산분석은 이 두 요인을 동시에 넣어서 "학습 방법의 효과(주효과)", "시간대의 효과(주효과)", 그리고 "온라인은 오전에 더 잘 맞고 오프라인은 오후에 더 잘 맞는다"처럼 두 요인이 서로 맞물려 작용하는 "상호작용 효과"까지 한 번에 확인해 줍니다. 즉 요인 하나만 볼 때는 안 보이던 조합 효과를 잡아낼 수 있는 것이 핵심입니다.
왜 중요한가
실제 연구 현상은 하나의 요인만으로 설명되기 어려운 경우가 많고, 여러 요인이 서로 맞물려 결과에 영향을 주는 상황이 흔합니다. 이원배치 분산분석은 이러한 상호작용을 통계적으로 포착할 수 있는 기본적인 도구이기 때문에, 실험설계를 다루는 심리학, 교육학, 생물학, 마케팅 연구 등에서 널리 쓰입니다. 또한 더 복잡한 다요인 실험설계나 회귀 기반 분석으로 나아가기 전 단계로도 자주 다뤄집니다.
논문에서는 이렇게 쓰입니다
이 문장은 처치 여부는 결과에 영향을 주지만, 그 효과가 남녀 간에 서로 다르게 나타나지는 않았다는 뜻입니다.
재배 조건 실험에서 온도와 비료라는 두 요인이 독립적으로 작용하지 않고 서로 영향을 주고받아, 특정 온도에서는 특정 비료가 더 효과적이었다는 결과를 설명하는 문장입니다.
조금 더 깊게 보면
이원배치 분산분석의 핵심은 전체 변동을 요인 A의 주효과, 요인 B의 주효과, 두 요인의 상호작용 효과, 그리고 오차로 분해하여 각각의 유의성을 F검정으로 판단하는 데 있습니다. 상호작용이 유의할 경우 이를 시각적으로 확인하기 위해 상호작용 그래프(선이 교차하는지 여부)를 함께 제시하는 경우가 많고, 각 조건별 차이를 세부적으로 확인하려면 단순주효과 분석이나 사후검정(post-hoc test)을 추가로 수행하는 것이 일반적입니다.
주의할 점
이원배치 분산분석에서는 각 요인의 주효과보다 두 요인의 상호작용 효과를 먼저 확인하는 것이 중요합니다. 상호작용이 유의하다면 주효과만 따로 해석하는 것은 오해를 부를 수 있으며, 이 경우 조건별로 나누어 살펴보는 단순주효과 분석이 필요합니다. 요인이 하나뿐이고 집단이 셋 이상일 때는 굳이 이원배치를 쓸 필요 없이 일반 분산분석(일원분산분석)으로 충분합니다.