카이제곱 검정: 범주로 센 자료 비교

치료를 받은 사람과 받지 않은 사람 가운데 나은 사람은 몇 명인가. 혈액형마다 몇 명인가. 이렇게 사람을 칸에 나눠 센 자료에서, 칸마다의 수가 「우연히 이 정도는 나온다」를 넘는지 따지는 방법입니다. 네 칸의 숫자를 직접 고쳐 보세요. 이 쪽의 자료는 모두 지어낸 것입니다.

한 줄 답. 카이제곱 검정은 범주형 자료(몇 명이 어느 칸에 들었나)를 다룹니다. 두 가지가 서로 관계없다고 가정했을 때 칸마다 기대되는 수(기대 도수, expected frequency)를 구하고, 실제로 센 수(관측 도수, observed frequency)가 그것에서 얼마나 벗어났는지를 모두 더한 값 χ² = Σ (관측 − 기대)² ÷ 기대 가 우연이라기에 너무 큰지 따집니다. 너무 크면(p값이 작으면) 「관계없다」는 가정을 받아들이기 어렵다고 봅니다.

관측 도수(지어낸 자료)
기대 도수(관계없다면 기대되는 수), 칸마다 (관측 도수 − 기대)² ÷ 기대

숫자 칸을 고치거나 − + 단추를 눌러 보세요(칸마다 0 ~ 9999). 오른쪽 표는 「치료와 회복이 관계없다면」 칸마다 기대되는 수이고, 주황이 진할수록 그 칸이 χ² 에 많이 보탭니다. 왼쪽 아래 그림의 초록은 집단마다 나은 몫이고, 주황 점선은 전체에서 나은 몫입니다. 관계가 없다면 두 막대가 이 선에 닿습니다. 오른쪽 아래 그림의 주황 꼬리 넓이가 p값이고, 보라 점선이 5% 임계값(critical value)입니다. 이 쪽은 통계 개념을 설명할 뿐이고, 어떤 치료의 효과도 말하지 않습니다.

1. 언제 쓰나: 범주 × 범주, 평균이 아니라 개수

키나 혈압처럼 재는 값은 집단마다 평균을 비교합니다. 그런데 「나음 / 안 나음」, 「A형 / B형 / O형 / AB형」처럼 값이 몇 가지 이름 가운데 하나인 것은 평균을 낼 수 없습니다. 이런 값을 범주라고 부릅니다. 범주 자료는 칸마다 몇 명인지 셉니다. 사람을 두 가지 기준으로 나눠 센 표를 교차표(분할표)라고 하고, 위 실험의 2×2 표가 그것입니다.

자료의 모양비교하는 것쓰는 방법
재는 값, 두 집단평균t 검정
재는 값, 셋 이상의 집단평균분산분석
범주 × 범주칸마다의 개수(비율)카이제곱 독립성 검정(이 쪽)
범주 하나정해 둔 비율과의 차이카이제곱 적합도 검정(8절)
재는 값 × 재는 값같이 움직이는 정도상관과 회귀

카이제곱 검정은 묻는 것에 따라 두 가지로 씁니다. 계산하는 식은 같습니다.

독립성 검정적합도 검정
묻는 것두 가지(치료, 회복)가 서로 관계있나한 가지(혈액형)가 미리 정해 둔 비율과 맞나
표r 줄 × c 칸한 줄(범주 k 개)
기대 도수줄 합 × 칸 합 ÷ 전체전체 × 정해 둔 비율
자유도(r − 1) × (c − 1)k − 1
χ²Σ (관측 − 기대)² ÷ 기대 로 같다

집단마다 사람 수를 미리 정해 두고 모은 경우(치료 받는 사람 40명, 안 받는 사람 40명을 따로 모음)에는 「집단마다 나은 비율이 같은가」를 묻는다고 해서 동질성 검정이라고도 부릅니다. 계산은 독립성 검정과 똑같습니다.

2. 관계없다면 몇 명이 기대되나: 기대 도수

표의 가장자리(주변 합, marginal totals), 곧 줄 합(치료 받음 40, 안 받음 40), 칸 합(나음 50, 안 나음 30), 전체(80)는 그대로 둡니다. 그리고 「치료와 회복은 관계없다」고 가정해 봅니다. 그러면 치료를 받든 안 받든 나을 확률이 같아야 하고, 그 확률은 전체에서 나은 비율 50 ÷ 80 = 62.5% 로 추정합니다. 그래서 치료 받은 40명 가운데 기대되는 나은 사람은 40 × 62.5% = 25명입니다.

기대 도수 = 줄 합 × 칸 합 ÷ 전체

이 식은 확률 쪽의 독립일 때의 곱셈 규칙에서 나옵니다. 두 가지가 서로 관계없으면 「둘이 같이 일어날 확률 = 각자의 확률의 곱」입니다. P(치료 받음 그리고 나음) = 40/80 × 50/80 이고, 여기에 전체 80 을 곱하면 40 × 50 ÷ 80 = 25 입니다.

3. 식이 만들어지는 과정

맨 위 실험의 표로 χ² = Σ (O − E)² ÷ E 를 한 조각씩 만듭니다. O 는 관측 도수(관측, observed), E 는 기대 도수(expected), Σ 는 「모든 칸에 대해 더한다」는 기호입니다. 「다음」을 누르면 식에 조각이 하나 붙고(주황 바탕), 그림이 그만큼 바뀌고, 아래에 까닭이 나옵니다.

그림과 숫자는 맨 위 실험의 표를 그대로 씁니다. 위에서 숫자를 고치면 여기도 바뀝니다. 왼쪽 정사각형에서 파란 세로선은 기대한 나눔(전체에서 나은 몫), 먹색 실선은 줄마다 실제로 나은 몫입니다.

  1. 기대 도수: E = 줄 합 × 칸 합 ÷ N. N 은 전체 사람 수입니다. 넓이가 1 인 정사각형의 가로를 칸 합의 몫(나음 50/80, 안 나음 30/80)으로, 세로를 줄 합의 몫(받음 40/80, 안 받음 40/80)으로 나눕니다. 칸 하나의 넓이는 「줄의 몫 × 칸의 몫」이고, 관계없다면 그 칸에 들 확률입니다. 여기에 N 을 곱하면 기대 도수입니다. 받음·나음 칸은 0.5 × 0.625 × 80 = 25 입니다.
  2. 벗어난 정도: O − E. 칸마다 +5, −5, −5, +5 입니다. 정사각형의 먹색 실선(받음 줄은 30/40 = 75%, 안 받음 줄은 20/40 = 50%)이 파란 점선(62.5%)에서 벗어난 띠가 이 차이이고, 띠의 넓이에 N 을 곱하면 정확히 |O − E| 입니다. 그런데 넷을 더하면 0 입니다. 주변 합이 같아서 어느 칸이 많으면 같은 줄의 다른 칸이 그만큼 적기 때문입니다. 그냥 더해서는 벗어난 정도를 잴 수 없습니다.
  3. 제곱하기: (O − E)². 넷 모두 25 가 됩니다. 많은 쪽으로 벗어나든 적은 쪽으로 벗어나든 같이 세고, 서로 지워지지 않습니다. 분산을 만들 때 평균까지의 거리를 제곱한 것과 같은 까닭입니다.
  4. 기대 도수로 나누기: (O − E)² ÷ E. 25 ÷ 25 = 1, 25 ÷ 15 ≈ 1.67. 기대가 1,000명인 칸에서 5명 차이는 흔하지만, 기대가 15명인 칸에서 5명 차이는 놀랍습니다. 관측 도수는 우연만으로도 대략 √E 만큼 흔들리므로, (O − E) ÷ √E 가 「흔들림의 몇 배만큼 벗어났나」이고 그 제곱이 (O − E)² ÷ E 입니다. 같은 차이 5 라도 기대가 작은 「안 나음」 칸이 더 크게 셉니다.
  5. 모두 더하기: χ² = Σ (O − E)² ÷ E. 1 + 1.67 + 1 + 1.67 = 5.33. 표 전체가 「관계없음」에서 얼마나 벗어났는지를 숫자 하나로 적었습니다. 0 이면 기대와 똑같고, 클수록 많이 벗어났습니다.
  6. 분포에 비교하기. 관계가 없어도 우연 때문에 χ² 는 0 이 아니게 나옵니다. 사람이 충분히 많으면, 관계가 없을 때의 χ² 는 대략 자유도 (r − 1) × (c − 1) 인 카이제곱 분포를 따릅니다(여기서는 증명하지 않습니다. 5절). 2×2 표면 자유도 1 이고, 5.33 보다 오른쪽 넓이가 p값 0.021 입니다.

해 볼 것. ① 처음 값으로 「다음」을 눌러 가면 오른쪽 막대가 기대 도수 25, 15, 25, 15 → 차이 +5, −5, −5, +5 → 제곱 25 넷 → 1, 1.67, 1, 1.67 → 한 줄로 이어 붙인 5.33 이 됩니다. 넷째 단계에서 기대가 15 인 칸의 막대가 더 깁니다. ② 맨 위 실험에서 「관계없음」을 누르고 다시 보면, 두 줄의 실선이 파란 점선에 겹치고 둘째 단계부터 막대가 모두 0 입니다. χ² = 0, p = 1 입니다. ③ 「수가 적은 예」를 누르면 기대 도수가 5, 3, 5, 3 이고 차이는 ±2 입니다. 기대가 3 인 칸에서는 차이 2 가 4 ÷ 3 ≈ 1.33 으로 크게 셉니다.

4. 손으로 풀어 보기: 2×2 를 끝까지

맨 위 실험의 처음 값입니다. 치료 받은 40명 가운데 30명, 안 받은 40명 가운데 20명이 나았습니다(지어낸 자료).

칸관측 도수 O기대 도수 EO − E(O − E)²(O − E)² ÷ E
받음·나음3040 × 50 ÷ 80 = 25+5251.00
받음·안 나음1040 × 30 ÷ 80 = 15−5251.67
안 받음·나음2040 × 50 ÷ 80 = 25−5251.00
안 받음·안 나음2040 × 30 ÷ 80 = 15+5251.67
합80800χ² = 5.33
  1. 주변 합. 줄 합 40, 40. 칸 합 50, 30. 전체 80.
  2. 기대 도수. 줄 합 × 칸 합 ÷ 80. 25, 15, 25, 15.
  3. χ². 1 + 1.667 + 1 + 1.667 = 5.333.
  4. 자유도. (2 − 1) × (2 − 1) = 1.
  5. 기준과 비교하기. 자유도 1 인 카이제곱 분포에서 오른쪽 넓이가 5% 인 자리(임계값)는 3.84 입니다. 5.33 은 그보다 오른쪽이라 5% 수준에서 유의합니다. 정확한 오른쪽 넓이는 p = 0.021 입니다.
  6. 읽기. 「치료와 회복이 관계없다면, 이만큼 또는 더 크게 벗어난 표가 나올 확률은 약 2.1%」입니다.
  7. 크기. 나은 비율은 75% 와 50% 로 25%포인트 차이입니다. 크라메르 V 는 √(5.33 ÷ (80 × 1)) ≈ 0.26, 오즈비는 (30 × 20) ÷ (10 × 20) = 3, 상대위험도는 0.75 ÷ 0.5 = 1.5 입니다(11절).

2×2 표에는 같은 값을 한 줄로 내는 지름길 식이 있습니다. 네 칸을 a b / c d 라 하면

χ² = N × (ad − bc)² ÷ ((a + b)(c + d)(a + c)(b + d))

처음 값이면 80 × (30 × 20 − 10 × 20)² ÷ (40 × 40 × 50 × 30) = 12,800,000 ÷ 2,400,000 = 5.33 입니다. ad − bc 가 0 이면(두 줄의 비율이 같으면) χ² 도 0 입니다.

5. 카이제곱 분포와 p값

카이제곱 분포는 평균 0, 표준편차 1 인 정규분포에서 서로 독립인 값 k 개를 뽑아 제곱해 더한 값의 분포입니다. k 를 자유도라고 부릅니다. 제곱의 합이라 0 보다 작을 수 없고, 오른쪽으로 꼬리가 깁니다. 평균은 k, 분산은 2k 입니다. 자유도가 크면 오른쪽으로 옮겨 가며 넓게 퍼지고 종 모양에 가까워집니다.

왜 이 분포에 비교하나: 관계가 없고 사람이 충분히 많으면, 칸마다의 (O − E) ÷ √E 는 대략 정규분포를 따릅니다. 다만 주변 합이 정해져 있어 칸들이 서로 묶여 있고, 실제로 따로 움직일 수 있는 것은 (r − 1) × (c − 1) 개입니다(6절). 그래서 그 제곱의 합 χ² 가 대략 자유도 (r − 1) × (c − 1) 인 카이제곱 분포를 따릅니다. 카이제곱 통계량과 이 근사는 피어슨의 1900년 논문(출처)에서 처음 나왔습니다. 그 논문은 적합도 검정을 다룹니다. 여기서는 증명하지 않습니다.

자유도1234569
5% 임계값3.845.997.819.4911.0712.5916.92

위 숫자는 표를 외워 적은 것이 아니라 이 쪽의 실험이 곡선의 넓이에서 직접 셉니다. 넓이는 정규화한 불완전 감마 함수로 계산하고, 파이썬의 scipy 와 비교한 차이는 10⁻¹⁴ 보다 작습니다.

오른쪽 꼬리만 봅니다. χ² 는 벗어남의 제곱을 더한 값이라 어느 쪽으로 벗어나든 커집니다. 「기대에서 많이 벗어났다」는 증거는 오른쪽 꼬리에만 있으므로, p값은 지금 χ² 보다 오른쪽의 넓이 하나입니다. 그 대신 카이제곱 검정은 어느 쪽으로 벗어났는지 말해 주지 않습니다. 방향은 표(비율 막대)를 보고 읽습니다.

같은 χ² 라도 자유도에 따라 뜻이 다릅니다. χ² = 5.33 은 자유도 1 에서 p = 0.021 이지만, 자유도 4 에서는 p = 0.255, 자유도 9 에서는 p = 0.804 입니다. 칸이 많으면 더하는 항이 많아 우연만으로도 χ² 가 커지기 때문입니다.

이렇게 읽으면 틀린다. ① 「p = 0.021 이니 치료와 회복이 관계없을 확률이 2.1%」: 틀립니다. p값은 「관계가 없다면 이만큼 벗어난 표가 나올 확률」이지, 가정이 맞을 확률이 아닙니다. 가정이 맞을 확률을 말하려면 베이즈 정리처럼 사전 확률이 있어야 합니다. ② 「p = 0.3 이니 관계없음이 증명됐다」: 틀립니다. 증거가 모자랄 뿐입니다. 사람이 적으면 실제로 있는 차이도 놓칩니다(검정력). ③ 「p 가 아주 작으니 관계가 아주 크다」: 틀립니다(11절). ④ 「관계가 있으니 치료가 회복의 원인이다」: 무작위로 나누지 않은 자료라면 틀릴 수 있습니다. 건강한 사람이 치료를 더 많이 받았을 수도 있습니다(교란, 무작위 배정). 더 자세한 것은 가설검정과 p값 쪽에 있습니다.

해 볼 것. (맨 위 실험) ① 처음 값은 χ² = 5.33, p = 0.021 이고 곡선에서 먹색 선이 보라 임계값(3.84)의 오른쪽에 있습니다. ② 받음·나음을 28, 받음·안 나음을 12 로 바꿔 두 사람만 옮기면 χ² = 3.33, p = 0.068 로 임계값 왼쪽으로 넘어갑니다. 5% 는 편의로 정한 선이라, 선 바로 양쪽의 결과는 사실상 비슷한 증거입니다. ③ 「관계없음」은 두 집단 모두 75% 가 나아 χ² = 0, p = 1 입니다.

6. 더 큰 표와 자유도

표가 r 줄 × c 칸이어도 계산은 같습니다. 칸마다 기대 도수 = 줄 합 × 칸 합 ÷ 전체 를 구하고, 모든 칸의 (O − E)² ÷ E 를 더합니다. 달라지는 것은 자유도 (r − 1) × (c − 1) 뿐입니다. 아래는 지어낸 나이대 × 혈압 단계 표입니다.

관측 도수(지어낸 자료)

기대 도수(위)와 조정된 잔차(아래). 파랑 = 기대보다 많음, 주황 = 적음

줄과 칸의 수를 2 ~ 4 에서 고르고, 숫자를 고쳐 보세요. 줄이나 칸을 줄였다가 다시 늘려도 고친 숫자는 남아 있습니다. 「처음 값」은 3 × 3 과 처음 숫자로 돌아갑니다.

해 볼 것. ① 처음 3 × 3 은 χ² = 15.12, 자유도 4, p = 0.004, 크라메르 V = 0.21 입니다. ② 2 × 2 로 줄이면(20대·40대 × 정상·주의) χ² = 2.47, p = 0.116 입니다. 기대에서 크게 벗어났던 60대 줄과 높음 칸이 빠졌기 때문입니다. ③ 4 × 4 로 늘리면 χ² = 33.78, 자유도 9, p < 0.001 이고, 80대·아주 높음 칸의 기대 도수가 4.76 이라 주의 문구가 나옵니다.

자유도: 주변 합을 정해 두면 몇 칸을 마음대로 정할 수 있나

줄 합과 칸 합을 정해 두고 칸을 하나씩 채운다고 해 봅시다. 한 줄에서 앞의 칸들을 채우면 마지막 칸은 「줄 합 − 나머지」로 저절로 정해집니다. 맨 아래 줄도 마찬가지로 칸 합에서 정해집니다. 그래서 마음대로 정할 수 있는 칸은 마지막 줄과 마지막 칸을 뺀 (r − 1) × (c − 1) 개입니다. 이것이 자유도입니다. 아래 표는 위 실험의 표와 같은 숫자를 씁니다.

초록 칸은 직접 정한 칸, 파란 칸은 줄 합이나 칸 합에서 저절로 정해진 칸, ? 는 아직 모르는 칸입니다. 처음 3 × 3 이면 「한 칸 채우기」를 두 번 누르면 첫 줄의 셋째 칸이 줄 합에서 정해지고, 네 번째에 모든 칸이 찹니다. 4 × 4 는 9번, 2 × 2 는 1번입니다.

적합도 검정(8절)도 같습니다. 범주가 k 개이고 전체가 정해져 있으면 k − 1 개만 마음대로 정할 수 있어 자유도는 k − 1 입니다.

7. 어느 칸이 벗어났나: 잔차

χ² 하나는 「표 어딘가가 기대에서 벗어났다」만 말합니다. 표가 크면 어느 칸이 벗어났는지 따로 봐야 합니다. 칸마다의 (O − E)² ÷ E 를 보면 χ² 가 어디서 왔는지 보이고, 부호를 살린 (O − E) ÷ √E 를 피어슨 잔차라고 부릅니다.

6절 실험의 둘째 표에서 기대 도수 밑에 있는 숫자는 이것을 조금 고친 조정된 잔차입니다.

조정된 잔차 = (O − E) ÷ √(E × (1 − 줄 합 ÷ N) × (1 − 칸 합 ÷ N))

관계가 없다면 칸마다 대략 표준정규분포를 따르므로, 크기가 1.96(어림 2)을 넘으면 그 칸이 기대보다 눈에 띄게 많거나 적다고 봅니다. 처음 3 × 3 에서는 20대·정상(+3.23)과 60대·높음(+2.46)이 기대보다 많고, 60대·정상(−3.28)과 20대·높음(−2.04)이 적습니다. 40대 줄은 모두 0 근처라 전체의 비율과 비슷합니다. 2×2 표에서는 네 칸의 조정된 잔차 크기가 모두 √χ² 로 같습니다(처음 값이면 √5.33 ≈ 2.31).

주의할 것: 칸이 많으면 칸마다 따로 5% 로 따질 때 우연히 선을 넘는 칸이 나오기 쉽습니다. 잔차는 「어디를 더 볼지」 고르는 데 쓰고, 칸마다 결론을 내려면 다중 비교를 생각합니다.

8. 적합도 검정: 한 줄짜리 표

범주가 하나뿐이고, 비율을 미리 정해 둔 경우입니다. 「관측 도수가 그 비율과 맞나」를 묻습니다. 기대 도수는 전체 × 정해 둔 비율, 자유도는 범주 수 − 1 이고, χ² 는 같은 식입니다.

관측 도수와 기대 비율을 고쳐 보세요. 기대 비율은 몫만 맞으면 됩니다(40, 30, 20, 10 과 4, 3, 2, 1 은 같습니다). 합이 100% 가 되게 나눠 맞춘 값이 기대 도수 옆 괄호에 나옵니다.

해 볼 것. ① 혈액형 예는 지어낸 비율 40 : 30 : 20 : 10 과 200명입니다. 기대 도수 80, 60, 40, 20, χ² = 1.25 + 1.67 + 0.63 + 1.25 = 4.79, 자유도 3, p = 0.188 입니다. ② 관측 도수를 모두 두 배(180, 100, 90, 30)로 하면 비율은 그대로인데 χ² = 9.58, p = 0.022 가 됩니다. 사람이 많을수록 같은 어긋남도 우연으로 보기 어려워집니다. ③ 주사위 예는 60번 던져 1 ~ 6 이 5, 8, 9, 8, 10, 20 번 나왔습니다. χ² = 13.4, 자유도 5, p = 0.020 이고, 그 가운데 10 이 6 의 칸 하나에서 나왔습니다. 6 을 10 으로 고치면 χ² = 2.08, p = 0.838 입니다.

9. 수가 적을 때: 피셔의 정확 검정

카이제곱 분포는 사람이 많을 때 맞는 근사입니다. 기대 도수가 작은 칸이 있으면 χ² 의 실제 분포가 곡선과 어긋나 p값이 틀어집니다. 흔히 쓰는 어림 규칙은 「모든 칸의 기대 도수가 5 이상」이고, 조금 느슨하게는 「5 보다 작은 칸이 20% 이하이고 1 보다 작은 칸이 없을 것」입니다. 이 쪽의 실험은 5 보다 작은 칸이 하나라도 있으면 주의 문구를 띄웁니다.

2×2 표에서는 피셔의 정확 검정을 씁니다. 근사 대신 직접 셉니다. 주변 합을 그대로 둔 채 나올 수 있는 모든 표를 늘어놓고, 관계가 없을 때 각 표가 나올 확률을 구합니다. 2×2 에서는 왼쪽 위 칸 a 하나만 정하면 나머지가 정해지므로, 확률은 a 의 분포(초기하 분포)입니다.

P(a) = C(첫 칸 합, a) × C(N − 첫 칸 합, 첫 줄 합 − a) ÷ C(N, 첫 줄 합)

C(n, k) 는 n 명 가운데 k 명을 고르는 가짓수입니다. 그다음 지금 표보다 확률이 같거나 작은 표의 확률을 모두 더하면 양측 p값입니다.

관측 도수(지어낸 자료)

해 볼 것. ① 처음 표(치료 받음 8명 가운데 7명, 안 받음 8명 가운데 3명이 나음)는 주변 합이 8, 10, 16 이라 a 는 2 ~ 8 이 될 수 있고, 확률은 0.003, 0.056, 0.245, 0.392, 0.245, 0.056, 0.003 입니다. 지금 표(a = 7)는 0.056 이고, 이보다 작거나 같은 a = 2, 3, 7, 8 을 더하면 p = 0.119 입니다. 카이제곱으로는 p = 0.039 라 5% 아래였는데, 정확 검정으로는 위입니다. 기대 도수가 3 인 칸이 둘이라 근사가 맞지 않은 것입니다. ② 모든 칸을 두 배(14, 2, 6, 10)로 하면 기대 도수가 모두 6 이상이 되어 주의 문구가 사라지고, 카이제곱 p = 0.003, 피셔 p = 0.009 로 둘 다 0.05 보다 작아집니다.

예이츠의 연속성 보정

2×2 표에서 근사를 조금 낫게 하려고 칸마다 |O − E| 를 0.5 씩 줄여 계산하는 보정입니다. 파이썬 scipy 의 chi2_contingency 와 R 의 chisq.test 는 2×2 표에서 이 보정을 기본으로 합니다. 그래서 처음 표(30, 10, 20, 20)를 넣으면 이 쪽의 5.33 이 아니라 4.32(p = 0.038)가 나옵니다. 보정을 끄면(correction=False) 이 쪽과 같은 값입니다. 보정한 값은 지나치게 조심스럽다(p 가 커진다)는 지적도 있어, 수가 적으면 보정보다 정확 검정을 보는 편이 깔끔합니다.

10. 가정: 언제 쓰면 안 되나

가정뜻어기는 예
관측이 서로 독립한 사람의 결과가 다른 사람의 결과에 묶여 있지 않다같은 사람을 치료 전후에 두 번 셈(12절), 한 집 식구를 함께 셈
한 사람은 한 칸에만칸들이 서로 겹치지 않고, 모두 합하면 전체 사람 수다여러 개를 고를 수 있는 설문의 답을 그대로 표에 넣음
기대 도수가 충분히 큼카이제곱 분포 근사가 맞으려면 칸마다 기대 도수가 어느 정도 있어야 한다기대 도수가 5 보다 작은 칸(9절)
표에는 관측 도수를 넣는다χ² 는 사람 수에 비례해 커진다75%, 25% 처럼 퍼센트나 평균을 넣음. 사람이 100명인 것처럼 계산된다

하나 더: 카이제곱 검정은 범주의 순서를 모릅니다. 혈압 단계처럼 순서가 있는 범주라도 칸의 차례를 바꿔도 χ² 가 같습니다. 「나이가 많을수록 높은 단계가 많다」 같은 경향을 묻는다면 순서를 쓰는 검정이 그 경향을 더 잘 잡습니다.

11. 유의하다 ≠ 관계가 크다: 효과 크기

χ² 는 비율이 같아도 사람 수에 비례해 커집니다. 처음 표의 모든 칸을 10배(300, 100, 200, 200) 하면 나은 비율은 그대로 75% 와 50% 인데 χ² 는 53.33, p 는 0.001 보다 훨씬 작아집니다. 거꾸로 사람이 아주 많으면 아주 작은 차이도 「유의」하게 나옵니다. 맨 위 실험의 「큰 집단, 작은 차이」는 10,000명에서 나은 비율이 52% 와 48% 입니다. χ² = 16, p < 0.001 이지만 차이는 4%포인트뿐입니다.

그래서 p값과 따로 관계의 크기(효과 크기)를 적습니다.

결과는 이렇게 같이 적는 일이 많습니다: χ²(1, N = 80) = 5.33, p = 0.021, V = 0.26. 괄호 안은 자유도와 사람 수입니다.

12. 같은 사람을 두 번 세면: 맥니마 검정

같은 50명에게 치료 전과 후에 증상이 있는지 물었다고 합시다. 이 자료를 「전 / 후 × 있음 / 없음」 표로 만들어 카이제곱 검정을 하면 안 됩니다. 한 사람이 두 번 세어져 관측이 서로 독립이 아니기 때문입니다. 대신 표를 「전에 있음·없음 × 후에 있음·없음」으로 만들고, 전과 후가 달라진 사람만 봅니다. 있음 → 없음이 b명, 없음 → 있음이 c명이면 (b − c)² ÷ (b + c) 를 자유도 1 인 카이제곱 분포와 비교합니다. 이것이 맥니마 검정입니다. 지어낸 예로 b = 15, c = 5 이면 (15 − 5)² ÷ 20 = 5.0, p = 0.025 입니다. 전후가 같은 사람(계속 있음, 계속 없음)은 바뀜에 대해 아무것도 말해 주지 않아 셈에서 빠집니다. b + c 가 작으면 이항 분포로 정확히 셉니다.

13. 꼭 알아야 할 성질

성질쉬운 말
χ² ≥ 00 이면 관측 도수가 기대 도수와 똑같다. 벗어나면 어느 쪽이든 커진다. 방향은 말해 주지 않는다
사람 수에 비례비율이 같은 채로 모든 칸을 k 배 하면 χ² 도 k 배. 그래서 p값만으로는 관계의 크기를 알 수 없다
줄과 칸을 바꿔도 같다표를 뒤집어도, 줄이나 칸의 순서를 바꿔도 χ² 는 같다. 무엇이 원인인지, 순서에 따른 경향은 말해 주지 않는다
자유도 (r − 1)(c − 1)주변 합을 정하면 마음대로 정할 수 있는 칸의 수. 관계가 없을 때 χ² 의 평균이 대략 자유도다
근사다기대 도수가 작으면 카이제곱 분포와 어긋난다. 2×2 는 피셔의 정확 검정으로 직접 센다

어디에 쓰나

# 파이썬 scipy
from scipy.stats import chi2_contingency, fisher_exact, chisquare
table = [[30, 10], [20, 20]]
chi2_contingency(table, correction=False)  # χ² 5.33, p 0.021, 자유도 1, 기대 도수 [[25, 15], [25, 15]]
chi2_contingency(table)                    # 2×2 의 기본값은 예이츠 보정: χ² 4.32, p 0.038
fisher_exact(table)                        # 오즈비 3.0, 양측 p 0.037
chisquare([90, 50, 45, 15], f_exp=[80, 60, 40, 20])  # 적합도: χ² 4.79, p 0.188

자주 묻는 것

카이제곱 검정은 언제 쓰나요?

사람이나 물건을 범주로 나눠 센 자료(몇 명이 어느 칸에 들었나)를 비교할 때 씁니다. 두 가지가 서로 관계있는지 볼 때는 독립성 검정을, 한 가지가 미리 정해 둔 비율과 맞는지 볼 때는 적합도 검정을 씁니다. 키나 혈압처럼 재는 값의 평균을 비교할 때는 t 검정이나 분산분석을 씁니다.

p값이 0.03 이면 관계가 없을 확률이 3% 인가요?

아닙니다. p값은 관계가 없다고 가정했을 때 지금만큼 또는 더 크게 벗어난 표가 나올 확률입니다. 가정이 맞을 확률이 아닙니다. 관계가 없을 확률을 말하려면 사전 확률을 넣는 베이즈 방식이 필요합니다.

기대 도수가 5 보다 작은 칸이 있으면 어떻게 하나요?

카이제곱 분포로 근사한 p값이 맞지 않을 수 있습니다. 2×2 표라면 피셔의 정확 검정을 씁니다. 더 큰 표라면 뜻이 비슷한 범주를 합치거나, 정확 검정이나 모의실험으로 p값을 구합니다.

퍼센트를 표에 넣어도 되나요?

안 됩니다. 관측 도수(사람 수)를 넣습니다. 카이제곱 값은 같은 비율이라도 사람 수에 비례해 커지므로, 퍼센트를 넣으면 사람이 100명인 것처럼 계산되어 p값이 틀립니다.

같은 사람을 치료 전후에 두 번 세었으면요?

한 사람의 두 관측이 서로 묶여 있어 보통의 카이제곱 검정을 쓰면 안 됩니다. 전과 후가 달라진 사람만 세어 비교하는 맥니마 검정을 씁니다.

낱말

여기서 쓴 말책에서 부르는 말
몇 가지 이름 가운데 하나인 값범주형 변수(categorical variable). 순서가 없으면 명목(nominal), 있으면 순서(ordinal)
두 기준으로 나눠 센 표교차표, 분할표(contingency table, cross-tabulation)
센 수 O관측 도수(observed frequency)
관계없다면 기대되는 수 E기대 도수(expected frequency)
줄 합, 칸 합, 전체주변 합(marginal totals), 총합(grand total, N)
관계없음독립(independence)
두 가지가 관계있나 / 집단마다 비율이 같은가 / 정해 둔 비율과 맞나독립성 검정(test of independence) / 동질성 검정(test of homogeneity) / 적합도 검정(goodness-of-fit test)
비교할 기준으로 세운 「관계없다」는 가정귀무가설(null hypothesis, H₀)
벗어남을 모두 더한 값피어슨 카이제곱 통계량(Pearson's chi-squared statistic, χ²)
마음대로 정할 수 있는 칸의 수자유도(degrees of freedom, df)
5% 기준값임계값(critical value). 5% 는 유의수준(significance level, α)
오른쪽 꼬리 넓이p값(p-value)
칸이 벗어난 정도잔차(residual). 피어슨 잔차(Pearson residual), 조정된 잔차(adjusted standardized residual)
관계의 크기효과 크기(effect size). 크라메르 V(Cramér's V), 파이 계수(phi coefficient, φ)
주변 합을 두고 모든 표를 직접 세기피셔의 정확 검정(Fisher's exact test). 그 확률은 초기하 분포(hypergeometric distribution)
|O − E| 를 0.5 씩 줄이는 보정예이츠의 연속성 보정(Yates' continuity correction)
같은 사람을 두 번 센 자료짝지은 자료(paired data). 맥니마 검정(McNemar's test)
카이제곱 분포의 넓이를 셀 때 쓰는 함수정규화한 불완전 감마 함수(regularized incomplete gamma function)

출처

← 분산분석(ANOVA)비모수 검정 →