웰치의 분산분석 (Welch's ANOVA)
쉽게 풀면
일반적인 ANOVA(분산분석)는 "비교하는 집단들의 분산이 서로 비슷하다"는 전제를 깔고 계산됩니다. 그런데 실제 데이터에서는 한 집단은 값이 옹기종기 모여 있고, 다른 집단은 값이 넓게 퍼져 있는 경우가 흔합니다. 이렇게 분산이 다른데도 일반 ANOVA를 그대로 쓰면, 특히 표본 크기가 집단마다 다를 때 결과(p-value)가 왜곡될 수 있습니다. 웰치의 분산분석은 각 집단의 분산과 표본크기를 고려해 자유도와 검정통계량을 다시 계산함으로써, 분산이 다르더라도 믿을 수 있는 결과를 내도록 만든 방법입니다. 쉽게 말해 "분산이 들쭉날쭉해도 괜찮게 손질한 ANOVA"라고 생각하면 됩니다.
왜 중요한가
실제 실험이나 설문 데이터에서는 집단 간 표본 크기가 다르거나 특성이 이질적이어서 분산이 같지 않은 경우가 매우 흔한데, 이런 상황에서 일반 ANOVA를 그대로 쓰면 1종 오류율이 부풀려질 위험이 있다. 웰치의 분산분석은 이 문제를 통계적으로 안전하게 보정해주기 때문에, 등분산 가정이 부담스러운 실험 설계나 집단 크기가 불균형한 연구에서 표준적인 대안으로 자리 잡았다. 최근에는 등분산 여부와 관계없이 처음부터 웰치 ANOVA를 기본으로 사용하도록 권고하는 통계 방법론 논문도 늘고 있다.
논문에서는 이렇게 쓰입니다
이 문장은 "먼저 집단 간 분산이 같은지 확인했더니 다르다는 것이 밝혀졌고, 그래서 일반 ANOVA 대신 분산 차이를 보정한 웰치의 방법으로 집단 간 평균 차이를 검정했다"는 뜻입니다. 자유도가 45.3처럼 소수로 나오는 것도 웰치 방법의 특징입니다.
교육학 연구에서 집단 크기와 분산이 다를 가능성을 고려해, 등분산 검정 결과를 보기 전부터 처음부터 웰치의 방법을 표준 분석법으로 정했다는 의미입니다.
농학 실험에서 재배 조건별로 생장률의 변동폭이 서로 다를 때, 이를 반영해 웰치의 방법으로 집단 간 평균 차이를 검정했다는 뜻입니다.
조금 더 깊게 보면
웰치의 분산분석은 각 집단의 분산 추정치를 가중치로 사용해 검정통계량과 자유도를 재계산하는 방식으로, 자유도가 정수가 아닌 소수 형태로 나오는 것이 특징이다. 이는 두 집단 비교에 쓰이는 웰치 t검정을 세 집단 이상으로 확장한 것으로 볼 수 있다. 다만 웰치 ANOVA는 분산의 이질성만 보정할 뿐 정규성 가정에는 여전히 민감할 수 있어, 표본이 매우 작거나 분포가 크게 치우친 경우에는 순위 기반의 비모수 검정(예: Kruskal-Wallis 검정)을 함께 고려하는 경우도 있다.
주의할 점
웰치의 분산분석에서 유의한 차이가 나왔다면, 어느 집단과 어느 집단이 다른지 확인하기 위한 사후검정도 등분산을 가정하지 않는 방법(예: Games-Howell 검정)을 사용해야 합니다. 튜키의 HSD 검정처럼 등분산을 전제로 하는 사후검정을 함께 쓰면 앞뒤가 맞지 않게 됩니다. 또한 웰치 방법은 분산 문제만 보정할 뿐, 정규분포 가정까지 해결해주지는 않습니다.