앱 명령어, 워크시트 식별자 및 예제 데이터 값은 원문 그대로 유지됩니다. 스크린샷, 차트 및 다운로드 파일은 영어로 제공됩니다. 예제는 영어 원문의 숫자 표기를 유지하며, 소수점에는 마침표를, 천 단위 구분에는 쉼표를 사용합니다.
예제: 배송 서비스와 도착 상태
서로 다른 발송물 600개를 나타내는 관측도수의 3 x 3 표입니다.
예제 데이터 다운로드(CSV, 영어 열 이름)Help에서 사용하는 것과 같은 예제입니다. CSV를 가져와 단계를 따라 하거나, Help의 Open example in a practice copy로 입력값을 미리 채울 수 있습니다.
1. 작업 공간 만들기
사이드바에서 Basic Statistics를 열고 Categorical: Independence (χ²)를 선택합니다. 분석을 만들고 이름을 입력한 뒤 New blank worksheet를 선택하고 Create analysis를 선택합니다.
2. 예제 데이터 가져오기
위의 CSV를 다운로드하여 워크시트로 가져옵니다. 구분 기호는 Comma, 소수점 기호는 Dot으로 지정하고 First row contains column names를 선택합니다.
3. 도수 열 지정
Inputs에서 Input format을 Contingency table로 선택합니다. Frequency columns를 열고 intact, cosmetic_damage_only, functional_damage를 이 순서로 선택합니다. shipping_service를 Row category labels (optional)에 지정합니다. CSV는 이미 도수표이므로 표의 각 행을 발송물 한 개로 세지 마세요.
4. 검정과 범주 레이블 설정
Significance level (α)에 0.05를 입력하고 Apply Yates’ continuity correction을 선택합니다. Column category labels를 엽니다. Column 1 label에 Intact, Column 2 label에 Cosmetic damage only, Column 3 label에 Functional damage를 입력합니다. 예제를 재현하려면 저장된 체크박스 설정을 유지합니다. 이 3×3 표에는 영향을 주지 않습니다. Yates 보정은 2×2 표에만 적용됩니다.
5. 분석 실행
Run analysis를 선택한 다음 Results를 엽니다.
6. 결과 해석
관측도수 읽기
서비스 행 세 개와 상태 열 세 개는 서로 다른 발송물 600개를 나타냅니다. 각 발송물에는 서비스 하나와 상호 배타적인 도착 상태 하나가 있습니다. 예를 들어 Consolidated에는 손상 없는 발송물 160개, 외관 손상만 있는 발송물 38개, 기능 손상이 있는 발송물 22개가 있습니다.
연관성 검정 읽기
χ²는 11.2614이고 자유도는 4이며, p = 0.02378입니다. 5% 수준에서 연관성의 근거가 있습니다. 최소 기대도수는 14.7이며 5 미만인 셀은 없습니다. 이 3×3 표에는 Yates 보정을 사용하지 않았습니다.
관측값과 기대값 비교
기대도수는 독립성을 가정하고 관측한 서비스별 총수와 상태별 총수를 사용합니다. Consolidated의 외관 손상만 있는 경우는 관측도수 38, 기대도수 27.867입니다. 이 기대도수는 비교용 모형이며 고객 성과 목표가 아닙니다.
주요 차이 찾기
외관 손상만 있는 경우의 잔차는 Consolidated에서 약 +1.92, Express에서 약 −1.84입니다. 양수는 기대보다 많음을, 음수는 적음을 뜻합니다. 외관 손상만 있는 경우는 Consolidated 발송물의 38/220(17.3%), Express 발송물의 14/180(7.8%)입니다. 이 셀들은 보정을 거친 별도의 검정이 아닙니다.
정책 변경 전 조사
서비스별로 제품 구성, 포장 및 배송 조건을 확인합니다. 이 관찰 자료의 연관성이 서비스 선택이 손상을 일으킨다는 인과관계를 입증하지는 않습니다.
자세히 보기: 각 결과 섹션 읽기
전체 결과 표는 Help와 동일하게 유효숫자 여섯 자리로 표시합니다.
카이제곱 독립성 검정
χ²는 관측도수와 기대도수의 차이를 요약합니다. 자유도는 4이며 p값은 독립성을 검정합니다. 유의수준은 0.05입니다. Yates 보정의 요청 여부와 사용 여부 행은 설정과 실제 적용한 보정을 구분합니다. 기대도수 점검은 근사법의 적합성을 설명하며, 여기서는 모든 기대도수가 14.7 이상입니다.
| 통계량 | 값 |
|---|---|
| χ² 통계량 | 11.2614 |
| 자유도 | 4 |
| p값 | 0.0237781 |
| α | 0.05 |
| Yates 보정 요청 여부 | true |
| Yates 보정 적용 여부 | false |
| 기대도수 5 미만인 셀 존재 여부 | false |
| 기대도수 5 미만인 셀 수 | 0 |
| 최소 기대도수 | 14.7 |
- 연관성의 근거가 있습니다(p=0.0238).
관측도수
각 서비스 행은 상호 배타적인 도착 상태 세 범주의 관측도수를 나열합니다. 아홉 셀을 모두 포함하며 합계는 발송물 600개입니다. 손상 건수만 비교하지 말고 각 서비스의 총수를 분모로 비율을 비교하세요.
| 행 범주 | 손상 없음 | 외관 손상만 있음 | 기능 손상 |
|---|---|---|---|
| Standard | 160 | 24 | 16 |
| Express | 155 | 14 | 11 |
| Consolidated | 160 | 38 | 22 |
기대도수
독립성 가정 아래에서 기대도수 = 서비스 총수 × 상태 총수 / 600입니다. 이 소수 값들은 모형상의 도수이며 추가 발송물이나 합격 판정 기준이 아닙니다. 각 셀을 같은 위치의 관측도수 셀과 비교하세요.
| 행 범주 | 손상 없음 | 외관 손상만 있음 | 기능 손상 |
|---|---|---|---|
| Standard | 158.333 | 25.3333 | 16.3333 |
| Express | 142.5 | 22.8 | 14.7 |
| Consolidated | 174.167 | 27.8667 | 17.9667 |
표준화 잔차
각 잔차는 (관측도수 − 기대도수) / 기대도수의 제곱근입니다. 부호는 초과와 부족을 나타내고, 크기는 전체 연관성에 기여하는 부분을 찾는 데 도움이 됩니다. 이는 다중 비교를 보정한 별도의 셀 검정이 아닙니다.
| 행 범주 | 손상 없음 | 외관 손상만 있음 | 기능 손상 |
|---|---|---|---|
| Standard | 0.132453 | -0.264906 | -0.0824786 |
| Express | 1.04713 | -1.84296 | -0.965035 |
| Consolidated | -1.07346 | 1.9196 | 0.951547 |
7. 보고서 만들기
Chi-square independence test, Observed counts, Expected counts, Standardized residuals 전체와 범주 정의, 기대도수 점검 결과를 보존합니다. Yates 보정을 요청했지만 사용되지는 않았으며, 연관성이 원인을 입증하지 않는다는 점을 명시하세요.
완료된 실행 결과에서 Add to report 항목을 선택합니다. 표와 차트를 선택하려면 Choose individual items and advanced options 항목을 엽니다. 그런 다음 Add to draft 항목을 선택합니다. 숨긴 항목은 저장된 분석에 남아 있습니다.
보고서 이름을 정하고 분석 목적과 해석을 추가합니다. Save 항목을 선택하고 Preview에서 내용을 확인한 뒤 Export → Download HTML을 사용합니다. 아래 예시는 한 화면에 다 보이지 않는 결과까지 포함하여 선택한 콘텐츠 전체를 보여 줍니다.