01
G-검정 방식
각 칸에서 관측빈도 O를 독립일 때의 기대빈도 E = 행 합계 × 열 합계 ÷ n과 비교합니다. G는 O · ln(O ÷ E) 합의 두 배로, 포화 모형과 독립 모형의 로그우도 차이의 두 배입니다.
- G = 2 Σ O · ln(O ÷ E). O = 0인 칸은 0으로 계산합니다.
- 자유도 = (행 − 1)(열 − 1), 카이제곱과 같습니다.
- G 값은 가법적이어서 중첩 모형으로 분해할 수 있습니다.
02
계산 예시
초기 표 [[20, 30], [30, 20]](n = 100)에서 G = 4.03, 자유도 1, p = .045입니다. Pearson 카이제곱은 χ² = 4.00, p = .046로, 빈도가 충분한 표에서 예상대로 거의 같은 결과입니다.
03
쓸 때와 쓰지 말아야 할 때
G와 카이제곱은 같은 질문에 답합니다. G는 생물학과 로그선형 모형에서, 카이제곱은 시장조사에서 흔히 씁니다.
- 크기에 관계없이 교차표의 독립성을 검정할 때.
- 로그선형 모형이나 로지스틱 회귀와 결과를 맞출 때.
- 기대빈도가 아주 작으면 쓰지 마세요. Fisher 정확 검정이 더 낫습니다.
- 같은 사람을 두 번 측정한 대응 데이터에는 쓰지 마세요.