기본 콘텐츠로 건너뛰기

R의 고전 검사 - 카이제곱 검정


 t 검정과 더불어서 카이제곱 검정 (chi-squared test, χ2 test) 역시 두 그룹의 차이를 알기 위해 널리 사용되는 통계 방식입니다. 다만 t 검정이 평균의 차이를 검정하기 위한 것이라면 카이제곱은 비율의 차이를 검정하기 위한 것입니다. 가장 흔하게 사용되고 기본이 되는 것은 피어슨 카이제곱 검정입니다. (Pearson's chi-squared test) 이는 범주형 자료의 비율의 차이를 비교하는 목적입니다. 


 예를 들어 비만 환자 50명에서 당뇨 환자가 7명 발견되고 정상 체중 대조군 70명에서 당뇨 환자 5명이 발견되었다면 비만인 경우 당뇨 비율이 높다는 것은 간단한 산수로도 증명이 가능합니다. 하지만 통계적으로 유의한 차이가 나는지 비교하기 위해서는 카이제곱 검정이 필요합니다. R에서 이를 검증해 보겠습니다. 일단 matrix 함수로 데이터를 생성합니다. 비만인데 당뇨가 아닌 43명/비만인데 당뇨인 7명/정상인데 당뇨가 아닌 65명/정상인데 당뇨인 5명으로 테이블을 만들어야 합니다. 


> x<-matrix c="" nrow="2)</span">
> x
     [,1] [,2]
[1,]   43   65
[2,]    7    5


 카이제곱 테스트는 기본 내장 함수로 하면 됩니다. chisq.test()가 그것입니다. 

> chisq.test(x)

Pearson's Chi-squared test with Yates' continuity correction

data:  x
X-squared = 0.85714, df = 1, p-value = 0.3545


 피어슨 카이제곱에 예이츠 보정이 된 값을 보니 차이가 비만 환자의 당뇨 비율이 높기는 해도 P=0.05를 기준으로 통계적인 유의성은 없는 것으로 나타났습니다. 이는 물론 가상 자료이기 때문에 실제와 맞는 건 아니지만, 통계적 유의성 판정을 이렇게 한다는 점을 보여준 것이죠. 예이츠 보정의 목적은 통계적 유의성을 과대 평가하는 것을 막기 위한 것으로 (특히 표본수가 작은 경우) 기본이 보정을 하는 것으로 되어 있습니다. 만약 하지 않으려면 correct=F의 옵션을 주면 됩니다. 


> chisq.test(x, correct=F)

Pearson's Chi-squared test

data:  x
X-squared = 1.5238, df = 1, p-value = 0.217

 이 경우 대개 P 값이 낮게 나오는 특징이 있습니다. 그러나 보통은 예이츠 보정을 한 상태에서 진행하게 됩니다. 


 만약 관측값 가운데 하나의 빈도가 5보다 낮은 경우에는 피셔의 정확한 검정 (Fisher's Exact Test)를 해야 합니다. 위의 예제에서 비만인데 당뇨가 아닌 43명/비만인데 당뇨인 7명/정상인데 당뇨가 아닌 65명/정상인데 당뇨인 3명으로 숫자를 바꿔서 해보겠습니다. 역시 내장 함수 fisher.test()를 사용합니다. 


> x<-matrix c="" nrow="2)</span">
> chisq.test(x)

Pearson's Chi-squared test with Yates' continuity correction

data:  x
X-squared = 2.2909, df = 1, p-value = 0.1301

Warning message:
In chisq.test(x) : 카이제곱 approximation은 정확하지 않을수도 있습니다.


 이런 식으로 만약 빈도가 5개 미만인데 그냥 카이제곱 검정을 할 경우 경고가 뜨게 됩니다. 

> fisher.test(x)

Fisher's Exact Test for Count Data

data:  x
p-value = 0.09404
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.04534845 1.34020569
sample estimates:
odds ratio 
 0.2865865 


 피셔의 정확한 검정을 하면 에러 없이 결과값을 얻을 수 있습니다. 

 참고로 카이제곱은 3개 이상의 범주형 자료에 대해서도 사용할 수 있습니다. 3개 이상의 그룹에 대한 통계적 유의성 검정 이전에 표본수에 따른 P값의 변화에 대해서 잠시 언급하겠습니다. 



댓글

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율

R 스튜디오 설치 및 업데이트

 R을 설치한 후 기본으로 제공되는 R 콘솔창에서 코드를 입력해 작업을 수행할 수도 있지만, 보통은 그렇게 하기 보다는 가장 널리 사용되는 R 개발환경인 R 스튜디오가 널리 사용됩니다. 오픈 소스 무료 버전의 R 스튜디오는 누구나 설치가 가능하며 편리한 작업 환경을 제공하기 때문에 R을 위한 IDE에서 가장 널리 사용되어 있습니다. 아래 링크에서 다운로드 받습니다.    https://www.rstudio.com/  다운로드 R 이나 혹은 Powerful IDE for R로 들어가 일반 사용자 버전을 받습니다. 오픈 소스 버전과 상업용 버전, 그리고 데스크탑 버전과 서버 버전이 있는데, 일반적으로는 오픈 소스 버전에 데스크탑 버전을 다운로드 받습니다. 상업 버전의 경우 데스크탑 버전의 경우 년간 995달러, 서버 버전은 9995달러를 받고 여러 가지 기술 지원 및 자문을 해주는 기능이 있습니다.   데스크탑 버전을 설치하는 과정은 매우 쉽기 때문에 별도의 설명이 필요하지 않을 것 같습니다. 인스톨은 윈도우, 맥, 리눅스 (우분투/페도라)에 따라 설치 파일이 나뉘지만 설치가 어렵지는 않을 것입니다. 한 가지 주의할 점이라면 R은 사전에 반드시 따로 설치해야 한다는 점입니다. R 스튜디오만 단독 설치하면 아무것도 할 수 없습니다. 뭐 당연한 이야기죠.   설치된 R 스튜디오는 자동으로 업데이틀 체크하지 않습니다. 따라서 업데이트를 위해서는 R 스튜디오에서 Help 로 들어가 업데이트를 확인해야 합니다.     만약 업데이트 할 내용이 없다면 최신 버전이라고 알려줄 것이고 업데이트가 있다면 업데이트를 진행할 수 있도록 도와주게 됩니다. R의 업데이트와 R 스튜디오의 업데이트는 모두 개별적이며 앞서 설명했듯이 R 업데이트는 사실 기존 버전과 병행해서 새로운 버전을 새롭게 설치하는 것입니다. R 스튜디오는 실제로 업데이트가 이뤄지기 때문에 구버전을 지워줄 필요는

R 패키지 설치 및 업데이트 오류 (1)

 R 패키지를 설치하거나 업데이트 하다보면 여러 가지 문제가 생기는 경우들이 있습니다. 이 경우 아예 R을 재설치하는 것도 방법이지만, 어떤 경우에는 이렇게해도 해결이 안되고 계속해서 사용자는 괴롭히는 경우도 있습니다. 이런 경우 중 하나를 소개합니다.  새로운 패키지를 설치, 혹은 업데이트 하는 과정에서 같이 설치하는 패키지 중 하나가 설치가 되지 않는다는 메세지가 계속 나왔는데, 사실은 백신 프로그램 때문이었던 경우입니다.   dplyr 패키지를 업데이트 하려고 했는데, 제대로 되지 않아 다시 설치를 진행했습니다. 그런데 일부 패키지가 제대로 설치되지 않는다는 메세지가 나왔습니다.  > install.packages("dplyr") Error in install.packages : Updating loaded packages > install.packages("dplyr") Installing package into ‘C:/Users/jjy05_000/Documents/R/win-library/3.4’ (as ‘lib’ is unspecified) also installing the dependencies ‘bindr’, ‘bindrcpp’, ‘Rcpp’, ‘rlang’, ‘plogr’ trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindr_0.1.1.zip ' Content type 'application/zip' length 15285 bytes (14 KB) downloaded 14 KB trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindrcpp_0.2.2.zip ' Content type 'application/zip' length 620344 b