t-test_2

import numpy as np
import pandas as pd
import matplotlib as plt
from scipy import stats

file_name = '산업_규모별_임금_및_근로시간_20230315211235.csv'
np_data = pd.read_csv(file_name, encoding = 'cp949', header = None).to_numpy()
print(np_data[:10])

# [['규모별' '항목' '시점' 'C.제조업(10~34)' 'F.건설업(41~42)' 'G.도매 및 소매업(45~47)''J.정보통신업(58~63)' 'K.금융 및 보험업(64~66)']
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.01 168.3 136.6 160.2 159.2 157.8]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.02 169.8 132.0 159.9 160.3 158.4]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.03 185.0 144.3 170.8 174.6 173.2]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.04 169.9 136.1 159.2 159.1 157.7]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.05 157.4 130.3 154.6 150.6 149.3]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.06 177.7 143.3 171.3 174.2 172.5]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.07 184.2 145.5 177.3 179.3 178.7]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.08 160.3 132.6 158.2 156.9 153.9]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.09 176.4 137.5 166.0 165.3 164.0]
#  ['전규모(1인이상)' '전체근로시간 (시간)' 2020.1 163.4 127.8 152.7 150.1 148.6]]

🛻 각 업종별 근로시간 평균 비교 : t-test(정보통신과 금융보험), shapiro, levene 실행

np_data1 = np_data[1:, 2:].astype(np.float64)
print(np_data1[:5])

# [[2020.01  168.3   136.6   160.2   159.2   157.8 ]
#  [2020.02  169.8   132.    159.9   160.3   158.4 ]
#  [2020.03  185.    144.3   170.8   174.6   173.2 ]
#  [2020.04  169.9   136.1   159.2   159.1   157.7 ]
#  [2020.05  157.4   130.3   154.6   150.6   149.3 ]]

# 시점, 제조업, 건설업, 도매 및 소매업, 정보통신업, 금융 및 보험업

• 각 업종별 평균

np.mean(np_data1[:, 1:], axis=0)

# array([172.43333333, 135.70555556, 163.30833333, 163.45277778, 161.28611111])

⌨️ 정보통신업 vs 금융보험업 평균 차이 검정

• t-test
  – 귀무가설 : 두 그룹의 평균은 차이가 없다.

stats.ttest_ind(np_data1[:,4], np_data[:,5])

» p-value = 0.351 > 0.05 이므로 "귀무가설 채택"

즉, 두 그룹간 평균은 차이가 없다 고 볼 수 있다.

• shapiro
  – 귀무가설 : 두 그룹의 샘플의 모집단은 정규분포를 따른다.

for i in range(1,6) : 
	print(stats.shapiro(np_data1[:,i]))

» 다섯개 그룹을 모두 shapiro test 를 하니, 모두 p-value > 0.05 이므로 "귀무가설 채택" 이다.
» 즉, 모든 그룹의 샘플의 모집단은 정규분포를 따른다고 가정할 수 있다.

• levene
  – 귀무가설 : 두 개 그룹의 분산은 같다.

stats.levene(np_data1[:, 4], np_data1[:, 5])

» p-value = 0.8360 > 0.05 이므로 "귀무가설 채택" 이다.
.
.
.

🛻 2022년 정보통신업과 제조업의 평균차이 검정

1. 2022년도 데이터 추출

filter = np_data1[:,0] >= 2022
np_data10 = np_data1[filter]
np_data10

# array([[2022.01,  169.1 ,  135.3 ,  159.9 ,  160.1 ,  156.5 ],
#        [2022.02,  151.8 ,  118.9 ,  145.1 ,  143.8 ,  140.9 ],
#        [2022.03,  174.  ,  135.6 ,  164.4 ,  164.6 ,  161.  ],
#        [2022.04,  175.8 ,  137.4 ,  166.4 ,  166.8 ,  163.9 ],
#        [2022.05,  175.  ,  136.5 ,  165.2 ,  166.  ,  163.3 ],
#        [2022.06,  169.9 ,  135.  ,  159.5 ,  159.2 ,  156.6 ],
#        [2022.07,  174.5 ,  136.5 ,  164.9 ,  166.2 ,  162.7 ],
#        [2022.08,  169.7 ,  138.6 ,  168.3 ,  170.9 ,  167.9 ],
#        [2022.09,  166.  ,  131.1 ,  157.8 ,  158.2 ,  156.2 ],
#        [2022.1 ,  164.1 ,  128.7 ,  154.  ,  152.1 ,  148.6 ],
#        [2022.11,  182.8 ,  139.  ,  171.7 ,  173.9 ,  171.3 ],
#        [2022.12,  180.2 ,  139.1 ,  170.5 ,  169.4 ,  169.  ]])

2. t-test

stats.ttest_ind(np_data10[:,1], np_data10[:,4])

» p-value = 0.0205 < 0.05 이므로 "귀무가설 기각" 이다.
» 즉, 두 정보통신업과 제조업의 평균은 차이가 있다 고 볼 수 있다.

3. shapiro
위에서 진행한 결과, 모든 집단의 샘플의 모집단은 정규분포라고 가정할 수 있다.

3. levene

stats.levene(np_data10[:,1], np_data10[:,4])

» p-value = 0.90166 < 0.05 이므로 "귀무가설 채택" 이다.
즉, 두 집단의 분산은 동일하다고 볼 수 있다.