통계 분석 도구를 선택하세요
연구에 필요한 통계 분석을 쉽고 빠르게 수행할 수 있습니다
Sobel Test
매개효과의 통계적 유의성을 검증합니다. 간접효과의 표준오차를 계산하여 Z-값과 p-값을 산출합니다.
AVE Calculator
평균분산추출(AVE)과 복합신뢰도(CR)를 계산합니다. 구성개념의 수렴타당성과 내적일관성을 평가할 수 있습니다.
Effect Size Calculator
두 집단 간 평균 차이의 효과 크기를 계산합니다. Cohen's d와 Hedges' g를 통해 실질적 유의성을 평가할 수 있습니다.
Sobel Test Calculator
매개효과의 통계적 유의성을 검증하는 Sobel Test를 계산합니다.
📚 Sobel Test란?
Sobel Test는 매개효과(간접효과)의 통계적 유의성을 검증하는 방법입니다. 독립변수(X) → 매개변수(M) → 종속변수(Y)의 경로에서 간접효과가 유의한지 확인합니다.
📐 공식
Sobel 통계량: Z = ab / √(b²×Sa² + a²×Sb²)
• a: 독립변수 → 매개변수 경로계수
• b: 매개변수 → 종속변수 경로계수
• Sa: a의 표준오차
• Sb: b의 표준오차
📝 사용방법
- 회귀분석을 통해 경로 a의 계수와 표준오차를 구합니다
- 경로 b의 계수와 표준오차를 구합니다
- 네 개의 값을 입력하고 계산 버튼을 클릭합니다
- Z값이 ±1.96 이상이면 p<0.05로 유의합니다
💡 해석 가이드
• |Z| > 1.96: p < 0.05 (유의함)
• |Z| > 2.58: p < 0.01 (매우 유의함)
• |Z| < 1.96: 매개효과가 통계적으로 유의하지 않음
경로 계수 입력
계산 결과
AVE (Average Variance Extracted) Calculator
구성개념의 수렴타당도를 평가하는 AVE를 계산합니다.
📚 AVE란?
AVE(Average Variance Extracted, 평균분산추출)는 잠재변수가 측정항목들의 분산을 평균적으로 얼마나 설명하는지를 나타내는 지표입니다. 수렴타당도를 평가하는 데 사용됩니다.
📐 공식
AVE 공식: AVE = Σ(λ²) / [Σ(λ²) + Σ(θ)]
• λ: 표준화 요인적재량
• θ: 측정오차 분산
• 간단히: AVE = Σ(λ²) / n (오차항 무시 시)
📝 사용방법
- 확인적 요인분석(CFA) 결과에서 요인적재량을 확인합니다
- 측정항목 개수를 선택합니다 (2~20개)
- 각 항목의 표준화 요인적재량을 입력합니다
- 계산 버튼을 클릭하여 AVE를 확인합니다
💡 해석 가이드
• AVE ≥ 0.50: 수렴타당도 확보
• AVE < 0.50: 수렴타당도 미흡
• CR(Composite Reliability) ≥ 0.70: 신뢰도 확보
• √AVE > 상관계수: 판별타당도 확보
측정항목 설정
요인적재량 입력
계산 결과
Effect Size Calculator
두 집단 간 평균 차이의 효과 크기를 계산합니다 (Cohen's d & Hedges' g).
📚 효과 크기(Effect Size)란?
효과 크기는 두 집단 간 평균 차이의 실질적 의미를 표준화된 값으로 나타냅니다. 통계적 유의성(p-value)과 달리 표본 크기에 영향을 받지 않아 실질적인 효과의 크기를 평가할 수 있습니다.
📐 공식
1. Cohen's d:
d = (M₁ - M₂) / Spooled
Spooled = √[((n₁-1)×SD₁² + (n₂-1)×SD₂²) / (n₁+n₂-2)]
2. Hedges' g:
g = d × (1 - 3/(4(n₁+n₂)-9))
• M₁, M₂: 각 집단의 평균
• SD₁, SD₂: 각 집단의 표준편차
• n₁, n₂: 각 집단의 표본 수
• Hedges' g는 작은 표본에 대한 편향을 보정한 값입니다
📝 사용방법
- 집단 1의 평균, 표준편차, 표본 크기를 입력합니다
- 집단 2의 평균, 표준편차, 표본 크기를 입력합니다
- 계산 버튼을 클릭하여 Cohen's d와 Hedges' g를 확인합니다
💡 해석 가이드 (Cohen의 기준)
• |d| < 0.2: 매우 작은 효과
• 0.2 ≤ |d| < 0.5: 작은 효과
• 0.5 ≤ |d| < 0.8: 중간 효과
• |d| ≥ 0.8: 큰 효과