집단간 차이 분석

그룹 간 차이를 자동으로 검정하고, 의미 있는 변수만 골라냅니다.

정규성 검정부터 사후검정·다중비교 보정까지 한 번에. 분석 결과를 그대로 논문 형식으로 내보낼 수 있습니다.

한눈에 보기

주요 활용

임상시험 · A/B 테스트 · 교육 효과 · 정책 평가

결과변수

범주형 1개 (예: 치료군/대조군, A/B)

필요 데이터

CSV / XLSX (최대 30MB), 행=샘플, 열=변수

권장 표본

그룹당 최소 3~5개 이상

플랜

FREE 플랜에서 무료 제공

데이터 준비

  1. 1정형 데이터 파일을 준비 (CSV / XLSX, 최대 30MB)
  2. 2행은 샘플(개별 관측치), 열은 변수로 구성
  3. 3수치형(나이·혈압)과 범주형(성별·그룹)을 함께 두어도 됩니다
  4. 4결과변수: 2개 이상의 값을 갖는 범주형 변수 1개
  5. 5통계 신뢰도를 위해 그룹당 최소 3~5개 이상의 샘플 권장

결과변수가 수치형(예: 0/1, 점수)이라면 전처리 3단계 '변수 수정 또는 제거' 에서 Numeric → Categorical 로 변환해야 합니다.

분석 흐름

  1. 1변수 정리 (자동 제외 + 사용자 검토)
  2. 2결측치 처리 (평균/중앙값/최빈값/사용자 입력)
  3. 3변수 인코딩 (One-Hot / Ordinal)
  4. 4결과변수 선택
  5. 5통계 검정 (정규성 → 모수/비모수 자동 선택)
  6. 6사후검정 + 다중비교 보정
  7. 7시각화 (Boxplot / Histogram / Correlation)
  8. 8회귀 모델링 (선형 / 로지스틱 / Firth)

지원 분석

  • 기술통계

    그룹별 평균·표준편차·중앙값을 한눈에 비교

  • t-test / Mann-Whitney U

    두 그룹간 평균 차이 검정 — 정규성에 따라 자동 선택

  • ANOVA / Kruskal-Wallis

    세 그룹 이상 평균 차이 검정 + 사후검정

  • 카이제곱 검정

    두 범주형 변수간 독립성(관련성) 검정

  • 선형 / 로지스틱 / Firth 회귀

    변수별 영향력 분석 (단계적 선택 지원)

  • ROC 곡선 + AUC

    분류 모델의 분별력을 시각·수치로 평가

활용 예시

  • 임상시험: 치료 효과 비교

    치료군 vs 대조군 의 혈압·콜레스테롤 차이를 t-test 또는 Mann-Whitney 로 검정.

  • A/B 테스트: 페이지 디자인 비교

    Variant(A/B) 간 ClickRate·TimeOnPage 차이를 t-test 로, 전환율 차이를 카이제곱으로 검증.

  • 교육 효과 분석

    교육 전/후 점수 차이를 그룹별로 비교하고, 다중비교 보정으로 신뢰성 확보.

결과물

  • 검정 결과 표 (통계량, p-value, 효과 크기)
  • 그룹별 박스플롯 / 히스토그램
  • 사후검정 매트릭스 + 시각화
  • 회귀계수 + 신뢰구간 + 진단 플롯
  • 논문 형식 자동 생성 (LaTeX → PDF)