사회조사분석사

국가자격시험 [사회조사분석사 2급] 기출 [실기]

2020-06-07T21:48:31+09:00

국가자격시험 [사회조사분석사 2급] 기출 [실기]

사회조사분석사+작업형.zip

[출처] https://m.blog.naver.com/PostView.nhn?blogId=kseol1223&logNo=220474808652&proxyReferer=https:%2F%2Fwww.google.com%2F

[사회조사분석사2급] 2019년 1회 실기(필답형) 문제 복원

2020-06-07T21:44:34+09:00

[사회조사분석사2급] 2019년 1회 실기(필답형) 문제 복원

저는 2019년 1회 <사회조사분석사 2급> 시험을 치르고, 5월 22일 합격자 발표만을 기다리고 있어요!

필기와 실기(필답형)은 자신 있게 봤는데, spss 시험이 워낙 어렵게 출제되어 합격할 수 있을지 걱정하는 중이에요.

제발 재시험 준비를 하지 않길 바라며!!

올해 4월에 치렀던 실기형(필답) 기출문제 복원해봐요.

필답형은 시험지가 곧 답안지라 모두 제출해야 하므로 문제의 정확한 워딩은 기억나지 않지만,

질문의 주요한 내용만 작성해요.

2019년 1회 실기(필답형) 시험문제 복원

우편조사와 비교하여 전화조사 장단점
확률표본추출과 비확률표본추출법 차이
분석단위(개인, 조직, 국가 중에서 선택해 쓰기)
1차 자료와 2차자료 의미와 예시
탐색조사, 기술조사 종류 2가지
체계적오차와 비체계적오차 의미
설문지(정당 관련 기출)

문제는 10문제 이내로 나왔고, 각 문제마다 개별 점수가 있어요.

1회 필답형 시험은 생각했던 것보다 쉽게 출제됐고,
그랬기 때문에 더 당황했어요.

너무 쉬운 문제라서 눈으로 암기했던 내용들은 막상 쓰려고 하니 생각이 잘 안 나더라고요.
(예) 우편조사와 비교하여 전화조사 장단점 작성

그래서 시험준비하실 때는 꼭 필기하면서 공부하세요!

실기형은 필답과 spss 점수를 합산하여 60점 이상이어야 합격하므로 필답형에서 최대한 많은 점수를 받아야 해요.

필답에서 좋은 점수를 받기 위해선 20점짜리 설문지가 중요합니다.

설문지는 기출문제집에서 거의 그대로 출제됐으니, 참고하세요!

**주의사항**

1. 시험지는 답안지로 제출하므로 절대 낙서 금지
2. 답안지 작성하다 수정하고 싶으면 두 줄로 긋고 작성
3. 답안 작성 볼펜은 같은 것으로 2개 준비(혹시 펜이 안 나올 경우, 대비)
4. 볼펜 작성 전에 연필로 작성하는 부분 : 시험안내에서는 권장하지 않고 하지 말라고 했지만, 일부 내용은 연필로 메모해뒀다 볼펜으로 작성할 때 연필 메모 지움
5. 연필 메모시 시험지 찢어지지 않게 주의!

[출처] https://daily-yumyum.tistory.com/entry/%EC%82%AC%ED%9A%8C%EC%A1%B0%EC%82%AC%EB%B6%84%EC%84%9D%EC%82%AC-2%EA%B8%89-2019%EB%85%84-1%ED%9A%8C-%EC%8B%A4%EA%B8%B0%ED%95%84%EB%8B%B5%ED%98%95-%EB%AC%B8%EC%A0%9C-%EB%B3%B5%EC%9B%90

국가자격 사회조사분석사 2급 [필기] 기출문제

2020-06-07T21:41:24+09:00

국가자격 사회조사분석사 2급 [필기] 기출문제

사회조사분석사2급20180304(교사용).hwp

사회조사분석사2급20180304(학생용).hwp

사회조사분석사2급20180428(교사용).hwp

사회조사분석사2급20180428(학생용).hwp

사회조사분석사2급20180819(교사용).hwp

사회조사분석사2급20180819(학생용).hwp

사회조사분석사2급20190303(교사용).hwp

사회조사분석사2급20190303(학생용).hwp

사회조사분석사2급20190427(교사용) (1).hwp

사회조사분석사2급20190427(교사용).hwp

사회조사분석사2급20190427(학생용) (1).hwp

사회조사분석사2급20190427(학생용).hwp

사회조사분석사2급20190804(교사용).hwp

사회조사분석사2급20190804(학생용).hwp

[출처] https://www.comcbt.com/xe/s2

사회조사분석사 2급 출제 기준

2020-06-07T21:20:31+09:00

사회조사분석사 2급 출제 기준

출제기준(필기)

사회조사분석사2급 출제기준(2020.1.1_2023.12.31)_등재용.hwp

직무

분야

경영․회계․사무

중직무분야

경영

자격

종목

사회조사분석사2급

적용

기간

2020. 1. 1～2023. 12. 31

○직무내용 : 기업, 공공기관 등 각종단체의 조사목적에 따라 체계적인 조사를 수행하고 그 결과를 통계처리 및 분석, 해석하는 업무 수행

필기검정방법

객관식

문제수

100

시험시간

2시간 30분

필 기 과목명	출 제 문제수	주요항목	세부항목	세세항목
조사방법론 I	30	1. 과학적 연구의 개념	1. 과학적 연구의 의미	1. 과학적 연구의 의미 2. 과학적 연구의 논리체계
			2. 과학적 연구의 목적과 유형	1. 과학적 연구의 목적과 접근방법 2. 과학적 연구의 유형
			3. 과학적 연구의 절차와 계획	1. 과학적 연구의 절차 2. 과학적 연구의 분석단위
			4. 연구문제 및 가설	1. 연구문제의 의미와 유형 2. 이론 및 가설의 개념
			5. 조사윤리와 개인정보보호	1. 조사윤리의 의미 2. 개인정보보호의 의미
			6. 현장조사 이해 및 실무	1. 현장조사의 이해 2. 현장조사의 실무
		2. 조사설계의 이해	1. 설명적 조사 설계	1. 설명적 조사설계의 기본원리
			2. 기술적 조사 설계	1. 기술적 조사설계의 개념 2. 횡단면적 조사설계의 개념과 유형 3. 내용분석의 의미
			3. 질적 연구의 조사설계	1. 질적연구의 개념과 목적 2. 행위연구 설계의 의미 3. 사례연구 설계의 의미
		3. 자료수집방법	1. 자료의 종류와 수집방법의 분류	1. 자료의 종류 2. 자료수집방법의 분류
			2. 질문지법의 이해	1. 질문지법의 의의 2. 질문지 작성 3. 질문지 적용방법
			3. 관찰법의 이해	1. 관찰법의 이해 2. 관찰법의 유형 3. 관찰법의 장단점
			4. 면접법의 이해	1. 면접법의 의미 2. 면접법의 종류 3. 집단면접 및 심층면접의 개념

필 기 과목명	출 제 문제수	주요항목	세부항목	세세항목
조사방법론Ⅱ	30	1. 개념과 측정	1. 개념, 구성개념, 개념적 정의	1. 개념 및 구성개념 2. 개념적 정의
			2. 변수와 조작적 정의	1. 변수의 개념 및 종류 2. 개념적, 조작적 정의
			3. 변수의 측정	1. 측정의 개념 2. 측정의 수준과 척도
			4. 측정도구와 척도의 구성	1. 측정도구 및 척도의 의미 2. 척도구성방법 3. 척도분석의 방법
			5. 지수(index)의 의미	1. 지수(index)의 의미와 작성방법 2. 사회지표의 종류
		2. 측정의 타당성과 신뢰성	1. 측정오차의 의미	1. 측정오차의 개념 2. 측정오차의 종류
			2. 타당성의 의미	1. 타당성의 개념 2. 타당성의 종류
			3. 신뢰성의 의미	1. 신뢰성의 개념 2. 신뢰성 추정방법 3. 신뢰성 제고방안
		3. 표본 설계	1. 표본추출의 의미	1. 표본추출의 기초개념 2. 표본추출의 이점
			2. 표본추출의 설계	1. 표본추출설계의 의의 2. 확률표본추출방법 3. 비확률표본추출방법
			3. 표본추출오차와 표본크기의 결정	1. 표본추출 오차와 비표본추출 오차의 개념 2. 표본추출 오차의 크기 및 적정 표본 크기의 결정

필 기 과목명	출 제 문제수	주요항목	세부항목	세세항목
사회 통계	40	1.기초통계량	1. 중심경향측정치	1. 평균, 중앙값, 최빈값
			2. 산포의 정도	1. 범위, 평균편차, 분산, 표준편차
			3. 비대칭도	1. 피어슨의 비대칭도 2. 분포의 모양과 평균, 분산, 비대칭도
		2.확률이론 및 확률분포	1. 확률이론의 의미	1. 사건과 확률법칙
			2. 확률분포의 의미	1. 확률변수와 확률분포 2.이산확률변수와 연속확률변수 3. 확률분포의 기댓값과 분산
			3. 이산확률분포의 의미	1. 이항분포의 개념
			4.연속확률분포의 의미	1. 정규분포의 의미 2. 표준정규분포
			5. 표본분포의 의미	1. 평균의 표본분포 2. 비율의 표본분포
		3. 추정	1. 점추정	1. 모평균의 추정 2. 모비율의 추정 3. 모분산의 추정
			2. 구간추정	1. 모평균의 구간추정 2. 모비율의 구간추정 3. 모분산의 구간추정 4. 두 모집단의 평균차의 추정 5. 대응모집단의 평균차의 추정 6. 표본크기의 결정
		4. 가설검정	1. 가설검정의 기초	1. 가설검정의 개념 2. 가설검정의 오류
			2. 단일모집단의 가설검정	1. 모평균의 가설검정 2. 모비율의 가설검정 3. 모분산의 가설검정
			3. 두 모집단의 가설검정	1. 두 모집단평균의 가설검정 2. 대응 모집단의 평균차의 가설검정 3. 두 모집단비율의 가설검정
		5. 분산분석	1. 분산분석의 개념	1. 분산분석의 기본가정
			2. 일원분산분석	1. 일원분산분석의 의의 2. 일원분산분석의 전개과정
			3. 교차분석	1. 교차분석의 의의

필 기 과목명	출 제 문제수	주요항목	세부항목	세세항목
		6. 회귀분석	1. 회귀분석의 개념	1. 회귀모형 2. 회귀식
			2. 단순회귀분석	1. 단순회귀식의 적합도 추정 2. 적합도 측정방법 3. 단순회귀분석의 검정
			3. 중회귀분석	1. 표본의 중회귀식 2. 중회귀식의 적합도 검정 3. 중회귀분석의 검정 4. 변수의 선택 방법
			4. 상관분석	1. 상관계수의 의미 2. 상관계수의 검정

출제기준(실기)

직무

분야

경영․회계․사무

중직무분야

경영

자격

종목

사회조사분석사2급

적용

기간

2020. 1. 1～2023. 12. 31

○ 직무내용 : 기업, 공공기관 등 각종단체의 조사목적에 따라 체계적인 조사를 수행하고 그 결과를 통계처리 및 분석, 해석하는 업무 수행

○ 수행준거 : 1. 각종 자료수집방법을 통해 자료를 수집할 수 있다.

2. 설문지를 작성할 수 있다.

3. 표본을 설계할 수 있다.

4. 통계프로그램을 활용하여 통계처리 및 그 결과를 해석할 수 있다.

실기검정방법

복합형

시험시간

4시간 정도(필답형 : 2시간, 작업형 : 2시간정도)

실 기

과목명

주요

항목

세부

항목

세세항목

사회조사분석

실무

(설문지작성, 단순통계처리 및 분석)

1.통계조사계획

1. 통계조사목적수립하기

1. 조사에 필요한 고객의 요구사항을 분석할 수 있다.

2. 수집된 요구사항에 따라 조사목적을 수립할 수 있다.

3. 조사목적을 달성하기 위한 세부 목표를 설정할 수 있다.

2. 조사내용 결정하기

1. 수립된 조사목적에 따라 조사 가능한 주요 조사 내용을 도출할 수 있다.

2. 주요 조사 내용에 대하여 측정 가능한 방법을 결정할 수 있다.

3. 결정된 측정방법을 고려하여 주요 조사 내용을 결정할 수 있다.

3.조사방법 결정하기

1. 결정된 조사내용에 따라 적용 가능한 조사 방법의 목록을 작성할 수 있다.

2. 조사 목적을 달성하기 위하여 작성된 조사방법들을 비교분석할 수 있다.

3. 비교분석 결과에 따라 최적의 조사방법을 결정할 수 있다.

4. 실행계획수립하기

1. 조사내용과 방법을 고려하여 조사환경을 분석할 수 있다.

2. 분석된 조사 환경과 조사예산을 고려하여 조사 범위를 결정할 수 있다.

3. 조사수행에 필요한 통계조사 실행계획을 수립할 수 있다.

2. 표본설계

1. 조사대상 정하기

1. 수립된 조사 계획에 따라 조사목적에 적합한 모집단을 선택할 수 있다 .

2. 정의된 모집단을 기반으로 표본추출틀을 결정할 수 있다.

3. 모집단과 표본추출틀을 바탕으로 조사대상을 결정할 수 있다.

2. 표본추출방법 결정하기

1. 조사대상과 표본추출틀에 따라 표본추출방법의 목록을 작성할 수 있다.

2. 오차와 비용을 고려하여 최적의 표본추출방법을 결정할 수 있다.

3. 결정된 표본추출 방법에 대하여 세부적인 표본추출 절차를 수립할 수 있다.

실 기

과목명

주요

항목

세부

항목

세세항목

3. 표본크기 결정하기

1. 조사 목적에 따라 정확도 수준을 결정할 수 있다.

2. 주어진 예산과 표본추출방법을 고려하여 표본의 크기를 결정할 수 있다.

3. 결정된 표본의 크기에 따라 표본오차의 크기를 계산할 수 있다.

4.표본배분하기

1. 조사 설계를 위하여 층화변수를 설정할 수 있다.

2. 층화변수에 따라 층화별 모집단 구성비를 계산할 수 있다.

3. 층화변수의 모집단 구성비에 따라 할당 표본 크기를 계산할 수 있다.

4. 층화별 최적 표본크기를 확보할 수 있도록 표본을 배분할 수 있다.

5. 표본추출하기

1. 세부적인 표본추출절차에 대한 알고리즘을 개발할 수 있다.

2. 개발된 알고리즘과 층화별 표본크기에 따라 표본을 추출할 수 있다.

3. 추출된 표본에 따라 조사 대상 목록을 작성할 수 있다.

3. 설문설계

1. 분석설계하기

1. 조사목적에 따라 산출할 수 있는 조사 내용을 구체화할 수 있다.

2. 구체화된 조사내용을 토대로 원시정보의 유형을 결정할 수 있다.

3. 구체화된 조사 내용에 따라 분석모형을 도출할 수 있다.

2. 개별설문항목 작성하기

1. 분석 설계에 기초하여 필요한 설문 항목들을 구조화할 수 있다.

2. 개별 설문항목에 따라 적절한 질문항목을 만들 수 있다.

3. 개별 질문항목에 따라 적절한 응답항목을 만들 수 있다.

4. 개별 질문항목과 응답항목 간의 일관성을 검토할 수 있다.

3. 설문시안 작성하기

1. 정확한 응답을 얻기 위하여 설문 항목들을 구조화할 수 있다.

2. 설문의 흐름에 따라 지문을 삽입할 수 있다.

3. 구조화된 설문내용을 토대로 설문 시안을 작성할 수 있다.

4. 설문지 완성하기

1. 사전조사를 통하여 설문지 문제점을 점검할 수 있다.

2. 사전조사결과를 토대로 설문 내용을 보완할 수 있다.

3. 보완된 설문지를 바탕으로 최종설문지를 완성할 수 있다.

실 기

과목명

주요

항목

세부

항목

세세항목

4. 실사관리

1. 실사준비하기

1. 조사방법에 맞추어 적절한 인원을 선발할 수 있다.

2. 선발 인력에 대해 필요한 교육을 실시할 수 있다.

3. 선발 인력에게 업무를 배정할 수 있다.

4. 자료 수집을 위한 필요한 준비를 할 수 있다.

2. 실사진행 관리하기

1. 수립된 실행계획을 토대로 자료수집 계획서를 작성할 수 있다.

2. 자료수집 계획서에 따라 실사 진행 사항을 점검할 수 있다.

3. 점검 결과에 따라 필요조치를 취할 수 있다.

3. 실사품질 관리하기

1. 수집된 자료의 정합성을 점검할 수 있다.

2. 정합성 점검을 바탕으로 필요한 조치를 취할 수 있다.

3. 실사 품질관리 결과를 문서화할 수 있다.

5. 자료처리

1. 부호화 하기

1. 응답된 설문항목에 기초하여 자료 값이 가질 수 있는 범위를 정할 수 있다.

2. 개방형 응답 변수에 대한 응답내용을 부호화할 수 있다.

3. 부호화된 값과 설문항목 간 대응관계를 파악하기 위하여 부호화 지침서를 작성할 수 있다.

2. 자료입력하기

1. 자료 분석을 위하여 설문 응답 자료를 데이터베이스에 입력할 수 있다.

2. 자료의 정확성을 확보하기 위하여 입력된 자료의 정합성을 판단할 수 있다.

3. 정합성 판단 결과를 토대로 오류값을 수정할 수 있다.

4. 데이터베이스에 입력된 자료를 기초로 자료 분석용 원시자료를 생성할 수 있다.

3. 최종 원시자료 생성하기

1. 완성된 원시자료파일을 기반으로 각 응답항목에 대하여 빈도표를 작성할 수 있다.

2. 작성된 빈도표를 토대로 설문 항목별 자료의 특성을 분석할 수 있다.

3. 응답항목별 특성을 기초로 최종 원시자료를 생성할 수 있다.

6. 2차 자료분석

1. 2차 자료 선정하기

1. 조사목적에 부합하는 2차 자료 유형을 조사할 수 있다.

2. 조사목적에 적합한 2차 자료 후보군을 수집할 수 있다.

3. 예산과 기간 범위 내에서 조사목적을 달성할 수 있는 2차 자료 대상을 결정할 수 있다.

2. 2차 자료 수집하기

1. 선정된 2차 자료를 효과적으로 수집하기 위한 계획을 수립할 수 있다.

2. 수립한 계획에 따라 2차 자료를 수집할 수 있다.

3. 조사목적에 따라 수집한 2차 자료를 점검할 수 있다.

4. 점검 결과에 따라 필요한 조치를 취할 수 있다.

실 기

과목명

주요

항목

세부

항목

세세항목

3. 2차 자료 분석하기

1. 분석하고자 하는 목적에 맞게 2차 자료를 분류할 수 있다.

2. 자료의 특성에 따라 적절한 분석기법을 적용하여 정밀 분석할 수 있다.

3. 조사목적에 맞게 분석한 결과의 결론을 도출할 수 있다.

4. 조사목적에 따라 2차 자료 분석 보고서를 작성할 수 있다.

7. 기술통계분석

1. 추정·가설검정 하기

1. 분석 목적 달성을 위하여 수집된 자료를 파악할 수 있다.

2. 분석 목적에 적합한 통계 분석 방법을 적용하기 위하여 수집된 자료의 사전탐색을 통하여 가설을 설정할 수 있다.

3. 가설 검정을 위한, 통계치의 기준을 설정하고 적용할 수 있다.

2. 기술통계량 산출하기

1. 조사 자료의 다양한 속성을 요약, 정리 할 수 있다.

2. 표본 전체의 전반적인 속성을 파악 할 수 있다.

3. 첨도, 왜도 등을 통해 자료의 기울기와 구조를 확인할 수 있다.

3. 빈도분석하기

1. 분석설계에 따라 조사항목별로 빈도분석 결과를 산출할 수 있다.

2. 분석된 결과에 대하여 유의미한 정보를 도출할 수 있다.

4. 교차분석하기

1. 가설 설정과 가설 검정을 할 수 있다.

2. 분석설계에 따라 교차분석 결과를 산출할 수 있다.

3. 분석된 결과에 대하여 통계적 의미를 도출할 수 있다.

5. 평균차이 분석하기

1. 가설 설정과 가설 검정을 할 수 있다.

2. 분석설계에 따라 분석 결과를 산출할 수 있다.

3. 분석된 결과에 대하여 통계적 검정과 해석을 도출할 수 있다.

8 회귀분석

1. 신뢰도 분석하기

1. 분석 목적 달성을 위하여 수집된 자료의 신뢰도를 파악할 수 있다.

2. 수집된 자료의 신뢰도를 확보하고, 적용할 수 있다.

2. 상관분석하기

1. 가설 설정 및 가설 검정을 할 수 있다.

2. 분석설계에 따라 분석 결과를 산출할 수 있다.

3. 분석된 결과에 대하여 통계적 검정과 해석을 도출할 수 있다.

3. 단순회귀분석하기

1. 기술통계분석, 평균차이분석, 상관분석 결과를 고려하여 회귀분석 방법을 결정할 수 있다.

2. 분석설계에 따라 가설 설정과 가설 검정, 분석 결과를 산출할 수 있다.

3. 분석된 결과에 대하여 통계적 검정과 해석을 도출할 수 있다.

실 기

과목명

주요

항목

세부

항목

세세항목

9. FGI 정성조사

1 .FGI 설계하기

1. 조사목적에 따라 FGI 주제를 선정할 수 있다.

2. 선정된 FGI 주제에 부합하는 인터뷰 대상을 선정할 수 있다.

3. FGI 주제에 부합하는 질문지를 작성할 수 있다.

4. FGI진행 환경을 고려하여 진행지침을 작성할 수 있다.

2. FGI 실시하기

1. 작성된 진행 지침에 따라 그룹인터뷰를 진행할 수 있다.

2. 제한된 시간 안에 선정된 주제를 모두 인터뷰 할 수 있다.

3. 인터뷰가 진행되는 동안 적절한 질문과 경청으로 참가자의 응답을 이끌어 낼 수 있다.

3. FGI 자료 분석하기

1. FGI 결과를 구체적인 정보단위로 정리할 수 있다.

2. 정리된 정보를 FGI 목적에 맞춰 분류할 수 있다.

3. FGI 자료 분석결과를 해석할 수 있다.

4. FGI 자료 분석결과 및 해석을 보고서 형태로 정리할 수 있다.

[출처] http://www.q-net.or.kr/crf005.do?id=crf00503&jmCd=9521&gSite=Q&gId=

사회조사분석사 2급 사회통계 기본이론 05강 04. 통계적 추정 (1)

2019-01-30T09:09:35+09:00

사회조사분석사 2급 사회통계 기본이론 05강 04. 통계적 추정 (1)

사회조사분석사 2급 사회통계 기본이론 05강 04. 통계적 추정 (1).pdf

사회조사분석사 2급 사회통계 기본이론 03강 확률과 확률분포2강

2019-01-30T09:06:14+09:00

사회조사분석사 2급 사회통계 기본이론 03강 확률과 확률분포2강

사회조사분석사 2급 사회통계 기본이론 03강 확률과 확률분포2강.pdf

사회조사분석사 2급 사회통계 기본이론 03강 확률과 확률분포1

2019-01-06T14:00:48+09:00

사회조사분석사 2급 사회통계 기본이론 03강 확률과 확률분포1

사회조사분석사 2급 사회통계 기본이론 03강 확률과 확률분포1.pdf

사회조사분석사 2급 사회통계 기본이론 02강 기술통계

2019-01-05T12:25:38+09:00

사회조사분석사 2급 사회통계 기본이론 02강 기술통계

사회조사분석사 2급 사회통계 기본이론 02강 기술통계.pdf

[사회통계] 반복된 범주를 요약하는 방법

2019-01-03T15:01:59+09:00

반복된 범주를 요약하는 방법

C1에 범주형 데이터가 있고 C2에 해당 범주에 대한 숫자 값이 있는 행이 여러 번 반복되어 있다고 가정합니다. 반복된 행들을 하나씩 삭제하지 않고 한 번에 각 범주를 요약하여 나열할 수 있습니다.

통계분석 > 기초 통계 > 기술 통계량 저장을 선택합니다.
변수에 C2를 입력합니다.
기준 변수(옵션)에 C1을 입력합니다.
통계량을 클릭합니다.
평균을 선택한 다음 비결측값 개수을 선택 취소합니다.
각 대화 상자에서 확인을 클릭합니다.

범주 및 해당하는 값의 리스트가 활성 워크시트의 사용 가능한 다음 열에 저장됩니다.

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/how-to-summarize-repeating-categories/

[사회통계] 기술 통계량 및 추정 통계량의 정의

2019-01-03T15:01:04+09:00

기술 통계량 및 추정 통계량의 정의

기술 통계량과 추정 통계량은 두 가지 주요 통계량입니다.

이 항목의 내용

기술 통계량

기술 통계량은 일관된 데이터 요약을 제공합니다. 숫자 또는 그래프로 데이터를 요약할 수 있습니다. 예를 들어, 한 패스트푸드 식당의 관리자가 1주일 간 점심 시간 중 고객의 대기 시간을 추적하고 데이터를 요약합니다.

관리자는 다음과 같은 숫자 기술 통계량을 계산합니다.

통계량	표본 값
평균	6.2분
표준 편차	1.5분
범위	3 - 10분
N(표본 크기)	50

관리자는 다음과 같은 그래프를 조사하여 대기 시간을 시각화합니다.

대기 시간의 히스토그램

대기 시간의 상자 그림

추정 통계량

추정 통계량은 모집단에서 추출한 데이터의 랜덤 표본을 사용하여 모집단을 설명하고 모집단에 대해 추론합니다. 추정 통계량은 전체 모집단의 각 구성원을 검토하는 것이 어렵거나 검토가 불가능한 경우 유용합니다. 예를 들어, 제조 공장에서 생산한 모든 못의 지름을 측정하는 것은 현실적으로 어렵지만, 못의 표본을 랜덤하게 추출하여 지름을 측정하고 해당 정보를 사용하여 각 못의 지름을 추정할 수 있습니다.

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-are-descriptive-and-inferential-statistics/

[사회통계] p-값 직접 계산

2019-01-03T14:59:57+09:00

p-값 직접 계산

이 항목의 내용

p-값 계산에 대한 개요

p-값은 귀무 가설 아래 검정 통계량의 표본 추출 분포, 표본 데이터 및 수행 중인 검정의 유형(아래쪽 꼬리 검정, 위쪽 꼬리 검정 또는 양측 검정)을 사용하여 계산됩니다.

p-값은 다음과 같이 지정됩니다.

아래쪽 꼬리 검정에 대한 p-값은 P(TS ts | H0 is true) = cdf(ts)로 지정됩니다.
위쪽 꼬리 검정에 대한 p-값은 P(TS ts | H0 is true) = 1 - cdf(ts)로 지정됩니다.
H0 하에서 검정 통계량의 분포가 0을 중심으로 대칭이라고 가정하면 양측 검정에 대한 p-값은 2 * P(TS |ts| | H0 is true) = 2 * (1 - cdf(|ts|))로 지정됩니다.

설명:

P: 사건의 확률
TS: 검정 통계량
ts: 표본에서 계산된 검정 통계량의 관측치
cdf(): 귀무 가설 하에서 검정 통계량(TS) 분포의 누적분포함수

대부분의 가설 검정에서 p-값은 자동으로 표시됩니다. 그러나 Minitab을 사용하여 p-값을 "직접" 계산할 수도 있습니다. Minitab에서 p-값을 직접 계산하려면:

계산 > 확률 분포 > 적절한 분포 선택을 선택합니다.
누적 확률을 선택합니다.
필요한 경우 모수를 제공합니다.
입력 상수를 선택하고 검정 통계량을 입력합니다.
확인을 클릭합니다.

결과(cdf(ts))는 검정 통계량이 H0 하에서 표본을 기반으로 실제로 관측된 값보다 작거나 같을 확률입니다.

아래쪽 꼬리 검정의 경우 p-값은 이 확률과 같습니다. p-값 = cdf(ts)입니다.
위쪽 꼬리 검정의 경우 p-값은 (1 - 이 확률)과 같습니다. p-값 = 1 - cdf(ts)입니다.
양측 검정의 경우 p-값은 표본의 검정 통계량 값이 음수인 경우 아래쪽 꼬리 검정에 대한 p-값의 두 배와 같습니다. 그러나 표본의 검정 통계량 값이 양수인 경우에는 위쪽 꼬리 검정에 대한 p-값의 두 배와 같습니다.

아래쪽 꼬리 p-값 계산의 예

1-표본 아래쪽 꼬리 z 검정을 수행하고 데이터에서 계산된 검정 통계량 값이 -1.785라고 가정합니다(ts= -1.785). z-검정에 대한 p-값을 계산하려고 합니다.

계산 > 확률 분포 > 정규 분포을 선택합니다.
누적 확률을 선택합니다.
필요한 경우 평균에 0, 표준 편차에 1을 입력합니다.
입력 상수을 선택하고 –1.785를 입력합니다.
확인을 클릭합니다.

이 값은 검정 통계량 값이 (H0 하에서) 표본을 기반으로 실제로 관측된 값보다 작거나 같을 확률입니다. P(TS < −1.785) = 0.0371. 따라서 p-값 = 0.0371입니다.

위쪽 꼬리 p-값 계산의 예

1-표본 위쪽 꼬리 z 검정을 수행하고 데이터에서 계산된 검정 통계량 값이 -1.785라고 가정합니다(ts= -1.785). z-검정에 대한 p-값을 계산하려고 합니다.

계산 > 확률 분포 > 정규 분포을 선택합니다.
누적 확률을 선택합니다.
필요한 경우 평균에 0, 표준 편차에 1을 입력합니다.
입력 상수을 선택하고 1.785를 입력합니다.
저장할 열에 K1을 입력합니다. 확인을 클릭합니다. K1에는 검정 통계량 값이 (Ho 하에서) 표본을 기반으로 실제로 관측된 값보다 크거나 같을 확률이 포함됩니다. P(TS < 1.785) = 0.9629. 위쪽 꼬리 검정의 경우 1에서 이 확률을 빼야 합니다.
계산 > 계산기을 선택합니다.
다음 변수에 결과 저장에 K2를 입력합니다.
식에 1-K1을 입력합니다. 확인을 클릭합니다.
데이터 > 데이터 표시을 선택합니다.
K2를 선택합니다. 확인을 클릭합니다.

이 값은 검정 통계량 값이 (H0 하에서) 표본을 기반으로 실제로 관측된 값보다 크거나 같을 확률입니다. P(TS > 1.785) = 0.0371. 따라서 p-값 = 0.0371입니다.

참고

정규 분포는 대칭 분포이기 때문에 (4단계에서) 입력 상수로 -1.785를 입력할 수 있으며, 그렇게 했다면 값을 1에서 뺄 필요가 없습니다.

양쪽 꼬리 p-값 계산의 예

1-표본 양쪽 꼬리 z 검정을 수행하고 그 결과 검정 통계량이 1.785라고 가정합니다(ts= 1.785). z-검정에 대한 p-값을 계산하려고 합니다.

표본에서 계산된 검정 통계량 값이 양수이기 때문에 위쪽 꼬리 p-값을 계산합니다. 표본에서 계산된 검정 통계량 값이 음수인 경우 아래쪽 꼬리 p-값을 계산하고 5단계에서 저장할 상수에 K2를 입력합니다. 확인을 클릭합니다.
이 값은 한쪽 꼬리 검정에 대한 p-값입니다. 양쪽 꼬리 검정의 경우 이 값에 2를 곱해야 합니다.
계산 > 계산기을 선택합니다.
다음 변수에 결과 저장에 K3을 입력합니다.
식에 2*K2를 입력합니다. 확인을 클릭합니다.
데이터 > 데이터 표시을 선택합니다.
K3을 선택합니다. 확인을 클릭합니다.

이 값은 검정 통계량 값이 (H0 하에서) 표본을 기반으로 실제로 관측된 값의 절대값보다 크거나 같을 확률의 2배입니다. 2* P(TS > |1.785|) = 2 * 0.0371 = 0.0742. 따라서 p-값 = 0.0742입니다.

참고

검정 또는 데이터 유형에 따라 계산은 달라지지만 p-값은 대부분 동일한 방식으로 해석됩니다.

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/manually-calculate-a-p-value/

[사회통계] p-값 구하기 및 해석의 예

2019-01-03T14:58:40+09:00

p-값 구하기 및 해석의 예

새 가솔린 첨가제가 연비에 영향을 미치는지 여부를 확인하려고 합니다. 특정 자동차 등급의 연비가 갤런당 25마일(mpg)인 경우 이 연구의 가설은 H0: μ = 25 및 HA: μ ≠ 25입니다.

1-표본 t-검정에서 p-값 구하기

자동차 35대를 검사하여 연비(갤런당 마일) 범위가 14.4 - 28.8이라는 것을 알았습니다. 이 데이터를 MPG 열에 넣은 후 Minitab의 t-검정(메뉴 명령 통계분석 > 기초 통계 > 1-표본 t 검정 또는 세션 명령 TTEST)을 수행하여 다음과 같은 결과를 얻습니다.

1-표본 T 검정: C1기술 통계량 평균의 μ에 대한 95% N 평균 표준 편차 표준 오차 CI 35 23.657 3.416 0.577 (22.484, 24.831) μ: C1의 평균
검정 귀무 가설 H₀: μ = 25 대립 가설 H₁: μ ≠ 25
T-값 P-값 -2.33 0.026

p-값 해석

결과를 보면 자동차 표본 35대의 평균은 23.657입니다. 그러나 이 유형의 모든 자동차의 평균 연비(μ)는 여전히 25일 수 있습니다. H0을 기각하기에 충분한 표본 증거가 있는지 여부를 알아야 합니다. 가장 일반적인 방법은 p-값을 유의 수준 α(알파)와 비교하는 것입니다. α는 H0이 참일 때 H0을 기각할 확률입니다. 이 경우 모평균이 실제로는 25mpg인데 25mpg이 아니라는 결론을 내릴 확률입니다.

p-값은 데이터 내 H0에 반하는 증거의 강도입니다. 일반적으로 p-값이 작을수록 H0을 기각하기 위한 표본 증거가 강합니다. 구체적으로 말하면 p-값은 H0의 기각을 초래하는 가장 작은 α 값입니다. 모든 α 값이 p-값보다 큰 경우 H0을 기각할 수 없으며 모든 α 값이 p-값인 경우 H0을 기각합니다.

이 t-검정 예에서는 검정 통계량이 평균의 함수이며 p-값이 0.026입니다. 이는 μ = 25인 모집단에서 추출한, 크기가 35인 표본의 2.6%가 μ가 25와 같지 않다는, 현재 표본만큼 강력한(또는 더 강력한) 증거를 제공하는 평균을 생성한다는 것을 나타냅니다. μ = 25인데 우연히 매우 비정상적인 표본을 선택했는지, 아니면 μ가 25와 같지 않은 것인지 생각해 보십시오.

p-값은 일반적으로 연구 분야에 따라 0.05 또는 0.01보다 작은 α 값과 비교합니다. 허용되는 값은 해당 분야의 저널 항목을 확인하십시오.

이 예에서 α 값을 0.05로 가정합니다. 0.026의 p-값은 이 유형의 모든 자동차(연구에 포함된 자동차 35대의 평균뿐만이 아님)의 연비가 25와 같지 않다는 것을 나타냅니다. 이 내용을 보다 통계적으로 정확하게 기술하려면 “유의 수준 0.05에서 평균 연비가 25와 유의하게 다른 것으로 보입니다”로 설명합니다.

해당 분야에서 허용되는 α 값, 사용 중인 검정의 귀무 가설과 대립 가설 등 두 가지 중요 사항을 알면 p-값을 쉽게 사용할 수 있습니다.

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/example-of-getting-and-interpreting-a-p-value/

[사회통계] 임계값의 정의

2019-01-03T14:57:42+09:00

임계값의 정의

임계값은 귀무 가설 하 검정 통계량의 분포에서 귀무 가설을 기각해야 하는 값의 집합을 정의하는 점입니다. 이 집합은 임계 또는 기각 영역이라고 합니다. 일반적으로, 단측 검정에는 하나의 임계값이 있고 양측 검정에는 두 개의 임계값이 있습니다. 임계값은 귀무 가설이 참일 때 검정 통계량 값이 검정의 기각 영역에 포함될 확률이 유의 수준(α 또는 알파로 표시됨)과 같도록 결정됩니다.

그림 A

그림 B

α = 0.05인 경우 표준 정규 분포의 임계값

그림 A는 검정 통계량의 값이 임계값 1.64보다 크거나 같으면 단측 Z 검정의 결과가 유의하다는 것을 보여줍니다. 다른 색상으로 표시된 부분이 곡선 아래 넓이의 제1종 오류 확률(이 예의 경우 α = 5%)을 나타냅니다. 이 경우 그림 B는 검정 통계량의 절대값이 임계값 1.96보다 크거나 같으면 양측 Z 검정의 결과가 유의하다는 것을 보여줍니다. 다른 색상으로 표시된 두 부분의 합이 곡선 아래 넓이의 5%(α)를 차지합니다.

임계값 계산의 예

가설 검정에서 표본에 H0를 기각하거나 H0를 기각하지 못하기에 충분한 증거가 있는지 확인하는 데는 두 가지 방법이 있습니다. 가장 일반적인 방법은 p-값을 사전 지정된 α 값과 비교하는 것입니다.(α는 H0가 참일 때 H0를 기각할 확률입니다.) 그러나 이와 동일한 한 가지 방법은 데이터에 기반한 검정 통계량의 값을 임계값과 비교하는 것입니다. 다음은 1-표본 t-검정 및 일원 분산 분석의 임계값을 계산하는 방법입니다.

1-표본 t-검정을 위한 임계값 계산

10개의 관측치에 대해 1-표본 t-검정을 수행하고, 대립 가설이 양측이며(즉, H1가 같지 않음), 0.10의 알파를 사용한다고 가정합니다.

계산 > 확률 분포 > t 분포을 선택합니다.
누적 확률을 선택합니다.
자유도에 9(관측치 수 - 1)를 입력합니다.
입력 상수에 0.95(1 - 1/2 알파)를 입력합니다.

이렇게 하면 임계값과 같은 역 누적확률 1.83311을 얻게 됩니다. t-통계량의 절대값이 이 임계값보다 크면 0.10의 유의 수준에서 귀무 가설, H0를 기각할 수 있습니다.

분산 분석을 위한 임계값 계산

12개의 관측치에 대해 일원 분산 분석을 수행하고, 요인 수준이 3개이며, 0.05의 알파를 사용한다고 가정합니다.

계산 > 확률 분포 > F 분포을 선택합니다.
역 누적 확률을 선택합니다.
분자 자유도에 2(요인 수준 수 - 1)를 입력합니다.
분모 자유도에 9(오차에 대한 자유도)를 입력합니다.
입력 상수에 0.95(1 - 알파)를 입력합니다.

이렇게 하면 역 누적 확률(임계값) 4.25649를 얻게 됩니다. F-통계량이 이 임계값보다 크면 0.05의 유의 수준에서 귀무 가설 H0를 기각할 수 있습니다.

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-critical-value/

[사회통계] 검정 통계량의 정의

2019-01-03T14:56:08+09:00

검정 통계량의 정의

검정 통계량은 표본 데이터에서 계산되어 가설 검정에 사용되는 랜덤 변수입니다. 검정 통계량을 사용하여 귀무 가설의 기각 여부를 확인할 수 있습니다. 검정 통계량은 데이터를 귀무 가설 하에서 기대되는 값과 비교합니다. 검정 통계량은 p-값을 계산하기 위해 사용됩니다.

검정 통계량은 데이터의 표본과 귀무 가설 사이의 합치도를 측정합니다. 검정 통계량 값은 랜덤 표본별로 다르게 관측됩니다. 검정 통계량에는 귀무 가설의 기각 여부를 결정하는 것과 관련된 정보가 포함됩니다. 귀무 가설 하에서 검정 통계량의 표본 추출 분포를 귀무 분포라고 합니다. 데이터가 귀무 가설의 가정에 반대되는 강한 증거를 나타내는 경우 검정 통계량 값이 대립 가설에 따라 너무 크거나 너무 작아집니다. 이에 따라 검정의 p-값이 귀무 가설을 기각하기에 충분히 작아집니다.

예를 들어, Z-검정에 대한 검정 통계량은 귀무 가설 하에서 표준 정규 분포를 따르는 Z-통계량입니다. 0.05의 α에서 양측 Z-검정을 수행하고 2.5의 데이터를 기반으로 Z-통계량(Z-값이라고도 함)을 얻는다고 가정합니다. 이 Z-값은 p-값 0.0124에 해당합니다. p-값이 α보다 작기 때문에 통계적으로 유의하다고 판단하고 귀무 가설을 기각합니다.

가설 검정마다 귀무 가설에서 가정된 확률 모형을 기반으로 각기 다른 검정 통계량을 사용합니다. 일반적인 검정 및 검정 통계량은 다음과 같습니다.

가설 검정	검정 통계량
Z-검정	Z-통계량
t-검정	t-통계량
분산 분석	F-통계량
카이-제곱 검정	카이-제곱 통계량

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/what-is-a-test-statistic/

[사회통계] 선형, 비선형 및 단조 관계

2019-01-03T14:54:44+09:00

선형, 비선형 및 단조 관계

두 변수 사이의 관계를 평가하는 경우 변수들이 어떻게 관련되어 있는지 파악하는 것이 중요합니다. 선형 관계가 가장 일반적이지만 변수들이 아래 표시된 것과 같이 비선형 또는 단조 관계를 가지고 있는 경우도 있습니다. 변수 사이에 관계가 없을 수도 있습니다. 관계를 평가하려면 먼저 변수의 산점도를 작성해야 합니다.

선형 관계는 직선으로 모형화할 수 있는 데이터의 추세입니다. 예를 들어, 한 항공사에서 연료 가격이 운항 비용에 미치는 영향을 추정하려고 합니다. 여객기 연료 1갤런의 가격이 1달러 오르면, 로스앤젤레스와 뉴욕 간의 운항 비용이 약 3,500달러 정도 증가합니다. 즉, 여객기 연료 가격과 운항 비용 사이에 선형 관계가 있음을 나타냅니다.

그림 1: 강한 양의 선형 관계

그림 2: 강한 음의 선형 관계

두 변수가 동시에 일정한 비율로 증가하거나 감소하는 경우 양의 선형 관계가 존재합니다. 그림 1에서는 점들이 선 가까이에 붙어 있는데, 이것은 변수들의 관계가 강한 것을 나타냅니다. 이 관계의 Pearson 상관 계수는 +0.921입니다.

한 변수가 감소할 때 다른 변수는 증가하는 경우 음의 상관 관계가 존재합니다. 그림 2에서는 점들이 선 가까이에 붙어 있는데, 이것은 변수들의 관계가 강한 것을 나타냅니다. 이 관계의 Pearson 상관 계수는 -0.968입니다.

그림 3: 약한 선형 관계

그림 4: 비선형 관계

그림 3의 데이터 점들은 랜덤하게 분포되어 있는 것으로 보입니다. 점들은 선에 가까이 붙어 있지 않은데, 이것은 관계가 존재하더라도 매우 약한 관계라는 것을 나타냅니다. 이 관계의 Pearson 상관 계수는 -0.253입니다.

두 변수 사이의 관계가 선형이 아닌 경우 한 변수가 변하면 증가 또는 감소 비율이 달라지며, 데이터에 "곡선 패턴"이 발생합니다. 이러한 곡선 추세는 2차 또는 3차 함수 등 비선형 함수를 사용하여 더 잘 모형화할 수 있으며, 선형으로 변환할 수도 있습니다. 그림 4는 두 변수 사이의 강한 관계를 보여줍니다. 그러나 관계가 선형이 아니기 때문에 Pearson 상관 계수는 +0.244에 불과합니다. 이 그림은 관계를 파악하기 위해 데이터를 그래프로 표시하는 것이 중요하다는 것을 보여줍니다.

그림 5: 단조 관계

단순 관계에서 두 변수는 동일한 상대적인 방향으로 이동하는 경향이 있지만 반드시 일정한 비율로 변화하는 것은 아닙니다. 선형 관계에서 두 변수는 동일한 방향으로 일정한 비율로 이동합니다. 그림 5는 두 변수가 동시에 증가하지만 같은 비율로 증가하지는 않음을 보여줍니다. 이 관계는 단조 관계이며 선형이 아닙니다. 이 데이터의 Pearson 상관 계수는 0.843이지만 Spearman 상관 계수는 더 높습니다(0.948).

선형 관계는 단조 관계이기도 합니다. 예를 들어, 그림 1에 표시된 관계는 단조 및 선형 관계입니다.

[출처] https://support.minitab.com/ko-kr/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/linear-nonlinear-and-monotonic-relationships/