※상관성이 존재한다고 인과성이 존재하는 것은 아님 예를 들어, 혈압과 연봉간에 양의 상관관계가 존재한다고 가정할 때 연봉을 높이기 위해서는 협압을 높여야 한다? 나이와 같은 외생변수 또는 매개변수로 인해 상관성이 존재하는 것이지 인과관계는 아님. (외생변수란 연구이 대상이 되는 현상과 관련된 실험변수와 결과변수 이외의 기타 변수들로써, 결과변수에 영향을 미칠 수 있는 변수) ※인과관계를 위한 조건은 세 가지가 있음 1. 변수간의 상관관계가 존재해야함 2. 변수간의 시간 선후 관계가 존재해야함 (불이 나기 때문에 소방관이 감) 3. 허위관계(Spurious Relationship)가 없어야됨 → 허위관계가 있는 명확하게 파악하고자 "통제변수"를 활용

ㅇ Univariate vs. Multivariate - Univariate (단변량) : 종속변수 1개 - Multivariate (다변량) : 종속변수가 여러개 ㅇ Simple vs. Multi - Simple ~ (ex. Simple Regression) : 독립변수가 1개 - Multi~ (ex. Multiple Regression) : 독립변수가 여러개 ※ 독립변수 개수를 카운팅할 때는 조절변수도 개수에 포함

# 매개효과분석 ㅇ 매개효과 분석는 아래 그림의 M과 같은 매개변수가 생김으로써 X와 Y의 기존 관계가 유의하지 않으면 완전매개, 조금이라도 유의하면 부분매개라고 말함 ㅇ 매개효과 분석의 경우 4가지 스텝의 바론 & 케니(Baron & Kenney) 방법론 활용 1. 독립변수와 매개변수가 유의한지 2. 독립변수와 종속변수가 유의한지 (회귀계수 b 구함) 3. 매개변수와 종속변수가 유의한지 검정과 유의할 때의 독립변수와 종속변수의 회귀계수 b1을 구해서 |b| > |b1|인지 검정함 4. (step3 모형의 설명력) > (step2 모형의 설명력) 을 검정하며 effect size (Cohen's d) 확인 ※ 여기서 effect size는 [(step3 모형의 설명력) - (step2 모형의 설명력)] ..

ㅇ 회귀분석은 인과관계를 파악할 수 있는 방법임. 따라서 변수가 등비-등비 관계일 때만 가능 ㅇ 회귀분석은 가정이 충족될 때 분석을 진행하는데 이러한 가정을 BLUE (Best Linear Unbiased Estimator)라고 함 ㅇ 경영학 분야에서는 BLUE 조건을 까다롭게 지키지는 않음. ㅇ BLUE 조건 - 회귀분석을 하기에 앞서 인과관계를 파악하기 위해서는 산점도와 상관분석을 통해 인과관계 분석을 돌려도 괜찮은지 유무를 파악해야됨 - 또한 다중회귀분석의 경우 VIF 및 Tolerance 분석을 통해 변수간의 상관성을 측정 후 회귀분석을 진행해야됨 - Cook distance 기법 등을 활용하여 아웃라이어 여부를 진단. - 잔차의 정규성(KS-test, Shapiro-Wilk test 등 활용),..

# 상관관계 ㅇ 등비 - 피어슨 상관계수 - 정규성 가정 but 이상치 민감 (정규성 만족 안하면 순위형으로 대체하여 상관계수 계산) ㅇ 명목, 서열척도 - 스피어만 or 캔달 상관계수 - 정규성 가정x & 이상치 민감x ㅇ 등비 - 명목척도 관계나 명목-명목척도 관계는 인과관계가 존재할 수 없기 때문에 상관분석을 하는 의미가 없음. ㅇ 상관분석은 산점도(Scatterplot)을 한 뒤에 진행해야됨. ㅇ 왜냐하면 아주 미비하게 우상향 하더라도 상관분석 결과는 높은 양의 상관관계로 나올 수가 있음. 이러한 문제를 방지하기 위해 산점도를 통해 데이터를 살펴 본 후 이상치 데이터는 제거 후 진행해야됨 ㅇ 상관계수가 0이라는 의미는 엄밀히 말하면 1차 선형관계가 없다는 뜻과 같음. ㅇ 상관계수는 두 변수의 공변..

# 카이스퀘어 검정 ㅇ 범주형 변수의 관련성 확인 ㅇ 관측빈도와 기대빈도를 활용하여 비교함 H0 : A변수와 B변수의 차이가 없다 H1 : A변수와 B변수의 차이가 있다 # 독립성 검정 = 교차 분석 ㅇ 두 범주형 변수 간의 관련성이 존재하는지, 서로 독립인지 검정 H0 : A변수와 B변수의 차이가 없다 H1 : A변수와 B변수의 차이가 있다 # 동질성 검정 ㅇ범주형 독립변수가 하나일 경우 그룹 비율에 대한 가설을 검정 ㅇ관측빈도를 토대로 그룹별 비율분포를 검정 H0 : A변수와 B변수의 비율은 차이가 없다 H1 : A변수와 B변수의 비율은 차이가 있다 # 적합성 검정 ㅇ 적합성 검정은 관측값들이 어떤 이론적 분포를 따르고 있는지를 검정하는 방법입니다. H0 : 귀무가설: 데이터가 정규분포를 따르고 있다..