피셔의 정확 검정이란?
피셔의 정확 검정(Fisher's Exact Test)은 2x2 분할표에서 두 범주형 변수 사이에 연관성이 있는지를 확인하는 통계 검정입니다. 카이제곱 검정과 달리 근삿값이 아닌 정확한 p-값을 직접 계산하기 때문에, 표본 수가 적거나 셀의 기대 빈도가 낮은 경우에 특히 적합합니다. 생물학, 의학, 사회과학 등 다양한 분야에서 폭넓게 활용됩니다.
계산기 사용 방법
2x2 표의 네 개 셀 값을 입력하세요. a와 b는 첫 번째 행을, c와 d는 두 번째 행을 구성합니다. 계산기는 관측된 표의 정확한 초기하분포 확률과 함께 양측 p-값을 계산합니다. 양측 p-값은 행과 열 합계가 동일한 모든 표 중에서, 관측된 표보다 발생 확률이 높지 않은 표들의 확률을 모두 합산한 값입니다.
공식 설명
주변 합계(margin)가 고정된 상태에서 특정 표가 나타날 확률은 초기하분포를 따릅니다:
$$p = \dfrac{(a+b)!\,(c+d)!\,(a+c)!\,(b+d)!}{n!\;a!\,b!\,c!\,d!}$$이며, 여기서 \(n = a + b + c + d\) 입니다. 양측 p-값은 동일한 주변 합계를 가지면서 관측된 확률보다 작거나 같은 모든 표의 p 값을 합산하여 구합니다.
$$P_{\text{two-sided}} = \sum_{\,p_i \le p_{\text{obs}}} p_i$$
예제로 살펴보기
\(a = 8\), \(b = 2\), \(c = 1\), \(d = 5\) (\(n = 16\))인 표를 예로 들어보겠습니다. 이 표가 정확히 나타날 확률은 약 \(0.01865\)입니다. 그리고 발생 확률이 이와 같거나 더 낮은 모든 표를 합산하면 양측 p-값은 대략 \(0.0349\)가 됩니다. 이는 유의수준 \(0.05\)에서 통계적으로 유의한 연관성이 있음을 시사합니다.
피셔 정확검정 결과 해석하기
- 알파 이하. p-값이 선택한 유의수준(보통 0.05) 이하이면, 두 변수가 독립이라고 가정할 때 이런 데이터가 나타날 가능성은 낮습니다. 따라서 독립성이라는 귀무가설을 기각합니다. 예시에서 p ≈ 0.035는 0.05보다 작습니다.
- 알파 초과. p-값이 알파보다 크면, 데이터는 독립성과 大体로 일치하며 귀무가설을 기각하지 못합니다.
- 효과 크기가 아닌 증거. p-값은 독립을 가정했을 때 표가 얼마나 놀라운지를 측정합니다. 연관성이 얼마나 강하거나 실질적으로 중요한지는 측정하지 않습니다. 효과 크기를 보려면 오즈비(여기서는 (8 × 5)/(2 × 1) = 20)와 그 신뢰구간을 확인하세요. 표본 수가 적으면 이러한 추정치는 매우 부정확합니다.
- 단측 대 양측. 단측 p-값은 선택한 한 방향에서만 같거나 더 극단적인 표를 계산합니다(예: a ≥ 8, 약 0.0245). 양측 p-값은 양방향의 극단적인 표를 모두 계산합니다. 양측 정의는 여러 가지가 있으며, 여기서 사용하는 일반적인 방식은 관측된 표의 확률 이하인 모든 표의 확률을 합산합니다. 방향은 데이터를 보기 전에 정해야 합니다.
- 주변합 조건부. 피셔 검정은 행과 열의 합계를 고정된 값으로 보고, 그 합계 안에서 숫자들이 어떻게 배열될 수 있는지를 따집니다. 이는 모든 표본 크기에서 정확한 방법이지만, p-값이 이산적인 값만 가질 수 있어 보수적일 수 있습니다. 즉 실제 오류율이 명목상 알파보다 낮을 수 있습니다.
- 유의하지 않음은 "연관 없음"이 아닙니다. p-값이 크다는 것은 단지 표본이 작거나 검정력이 낮다는 뜻일 수 있습니다. 연관이 전혀 없다는 증거는 아닙니다.
- 다중 검정. 많은 검정을 수행하면 우연히 일부가 0.05 미만으로 나올 수 있습니다. 본페로니 보정 등으로 조정하거나, 수행한 검정 횟수를 함께 보고하세요.
피셔 정확검정의 핵심 용어
- 2×2 분할표
- 두 개의 이항 변수로 관측값을 교차 분류하여, 네 개의 칸에 빈도를 나타낸 표입니다.
- 칸 빈도 a, b, c, d
- 네 개의 빈도입니다. a와 b는 첫 번째 행(왼쪽, 오른쪽), c와 d는 두 번째 행입니다. 음이 아닌 정수여야 하며, n = a + b + c + d입니다.
- 주변 합계
- 행의 합(a + b, c + d)과 열의 합(a + c, b + d)입니다. 피셔 검정은 이 값들을 고정된 것으로 봅니다.
- 독립성의 귀무가설
- 행 변수와 열 변수가 서로 관련이 없다는 가정이며, 모집단 오즈비가 1인 것과 같습니다.
- 초기하분포
- 주변 합계가 고정된 상태에서 비복원으로 추출할 때 빈도 a의 분포입니다: \(P(a)=\dfrac{\binom{a+b}{a}\binom{c+d}{c}}{\binom{n}{a+c}}\).
- p-값
- 귀무가설 아래에서, 관측된 표와 같거나 더 극단적인 표가 나타날 확률입니다.
- 단측 대 양측
- 단측 검정은 미리 정한 한 방향의 연관성을 검정하고, 양측 검정은 양방향 중 어느 쪽이든 연관성이 있는지 검정합니다.
- 기대 빈도
- 독립을 가정했을 때 (행 합계 × 열 합계)/n입니다. 예시에서 칸 a의 기대 빈도는 10 × 9/16 = 5.625입니다. 기대 빈도가 작을 때(일반적인 기준으로 5 미만) 피셔 검정이 선호되는 경우가 많습니다.
- 오즈비
- (a × d)/(b × c)이며, 연관성의 강도를 나타내는 척도입니다. 값이 1이면 연관이 없다는 뜻입니다. 보정 없이 b × c = 0이면 정의되지 않습니다.
- 유의수준(알파)
- 귀무가설을 기각하기 위해 사전에 정한 기준값(보통 0.05)이며, 허용할 수 있는 위양성 확률의 최댓값입니다.
자주 묻는 질문(FAQ)
카이제곱 검정 대신 피셔의 검정을 언제 써야 하나요? 표본 수가 적거나 어느 한 셀의 기대 빈도가 5 미만일 때 피셔의 정확 검정을 사용하세요. 이런 경우 카이제곱 근사가 신뢰하기 어렵기 때문입니다.
양측 p-값은 무엇을 의미하나요? 두 변수 사이에 연관성이 없다는 가정 하에, 양쪽 방향 모두에서 관측값만큼 또는 그보다 더 극단적인 표가 나타날 확률을 뜻합니다.
더 큰 표도 분석할 수 있나요? 이 계산기는 2x2 표를 처리합니다. 더 큰 분할표는 일반화된 정확 검정이 필요합니다.