1. ANOVA road map

2. 정규성 검정

• 귀무가설 : 정규분포를 따른다.

• 대립가설 : 정규분포를 따르지 않는다.

  모든 표본 하나씩 다 확인해야 함
  만약 하나의 표본이라도 귀무가설을 기각할 경우 분산 분석을 실시하지 못함

  

3. Kruskal-Wallis Rank Sum Test

• k 집단 중 하나라도 정규성 가정이 깨질 때 사용함

  stats.kruskal(집단 의 양적자료, 집단 2의 양적자료, 집단 3의 양적자료)

  

4. 등분산 검정

• 귀무가설 : 등분산이다.
• 대립가설 : 이분산이다.
  

5. 분산분석

• 귀무가설 : k개의 집단 간에 차이가 없다.
• 대립가설 : k개의 집단 간에 차이가 있다.

1) 등분산이 가정된 분산분석

(1) Code

stats.f_oneway(집단 1의 양적자료, 집단 2의 양적자료, 집단3의 양적자료)

# oneway : 일원배치 (일원 = 하나의 질적 자료)

• 결론 : 유의확률이 0.000이므로 유의수준 0.05에서 품종에 따라 꽃잎의 길이에 통계적으로 유의한 차이가 있는 것으로 나타났다.

2) 이분산이 가정된 분산분석

(1) Code

import pingouin as pg

pg.welch_anova(dv = '양적자료', between = '집단(질적자료)', data = )

# dv : dependent variable (종속변수 = 반응변수) : 양적자료
# between : independent variable (독립변수 = 설명변수) : 질적자료

• ddof1 = 자유도 : k-1 = 2 -> k = 3
• ddof2 = 자유도 : n-k = 78.073 -> n = 75.073
• F = 검정통계량 : 1828.092
• p-unc = P-value : 0.000

6. 다중비교 & 사후분석

1) 다중비교 (Multiple Comparisons)

(1) Code

from statsmodels.stats.multicomp import pairwise_tukeyhsd
from statsmodels.stats.multicomp import MultiComparison

mc = MultiComparison(data = 양적 자료, groups = 질적 자료)
print(mc.tukeyhsd())

• meandiff = group2 - group1
• p-adj = P-value
• reject = 귀무가설 기각 : True, 채택 : False

2) 사후분석 (Post-Hoc)

(1) Code

import scikit_posthocs as sp

sp.posthoc_conover(data,
                   val_col = '양적 자료',
                   group_col = '질적 자료',
                   p_adjust = 'holm')

# p_adjust : 다중비교(또는 사후분석)의 방법
# 'holm' : Bonferroni 방법

• 행, 열 간의 P-value 값이 나온다.