통계학계산기가이드

2원 분산분석 계산기: 단계별 가이드 및 완전한 풀이 예제

August 13, 2026·13 min read·Solvify Team

2원 분산분석 계산기는 두 개의 독립적인 범주형 요인과 그들 사이의 상호작용이 연속형 결과에 유의미하게 영향을 미치는지를 한 번의 분석으로 검증합니다. 각 요인에 대해 별도로 일원 분산분석 검정을 수행하고 상호작용을 놓치는 대신, 2원 분산분석은 전체 변동성을 네 부분으로 분할합니다: 요인 A로 인한 변동, 요인 B로 인한 변동, A와 B의 상호작용으로 인한 변동, 그리고 남은 무작위 오차입니다. 이 가이드는 완전한 ANOVA 표를 직접 작성하는 방법을 보여줍니다. 제곱합, 자유도, 평균제곱, F비율을 포함하며, 실제 숫자를 사용한 하나의 완전한 풀이 예제를 제시하고, 결과를 읽는 방법, 학생들을 자주 혼동시키는 실수, 그리고 검증된 답을 가진 연습 문제를 살펴봅니다.

012원 분산분석 계산기란 무엇이고 언제 필요한가?
022원 분산분석 계산기는 단계별로 어떻게 작동하는가?
032원 분산분석에서 주효과와 상호작용 효과란 무엇인가?
04완전한 ANOVA 표를 어떻게 구성하는가?
052원 분산분석 결과를 어떻게 해석해야 하는가?
062원 분산분석을 계산할 때 어떤 실수를 피해야 하는가?
07연습 문제: 이 2원 분산분석 설정을 풀 수 있는가?
08Solvify가 2원 분산분석 문제 확인을 어떻게 도울 수 있는가?

2원 분산분석 계산기란 무엇이고 언제 필요한가?

2원 분산분석(Analysis of Variance) 계산기는 두 개의 독립적인 범주형 변수(요인이라고 불림)가 각각 연속형 종속 변수에 통계적으로 유의미한 영향을 미치는지, 그리고 그 두 요인이 상호작용하는지를 결정합니다. "2원"은 단순히 두 개의 요인을 동시에 검정한다는 의미이며, 하나의 요인만 검토하는 일원 분산분석과는 다릅니다. 모든 2원 분산분석은 같은 데이터 세트로부터 세 가지 별개의 질문에 답합니다: 요인 A가 결과에 영향을 미치는가(A의 주효과)? 요인 B가 결과에 영향을 미치는가(B의 주효과)? 그리고 한 요인의 효과가 다른 요인의 수준에 따라 달라지는가(상호작용 효과)? 일원 분산분석을 두 번 별도로 수행하면 세 번째 질문인 상호작용을 절대 감지할 수 없습니다. 상호작용은 두 요인이 함께 분석될 때만 나타납니다. 실험이 인수분해 설계를 가질 때마다 2원 분산분석이 필요합니다. 즉, 두 개의 범주형 입력이 교차하여 처리 조합의 격자를 만듭니다. 일반적인 예로는 혈압에 대한 약물 용량(요인 A)을 여러 연령대(요인 B)에서 검정하기, 시험 성적에 대한 교수법(요인 A)과 학급 규모(요인 B) 비교, 또는 아래의 풀이 예제처럼 식물 성장에 대한 비료 종류와 급수 빈도를 비교하는 것이 있습니다. 2원 분산분석 계산기는 산술을 자동화하지만, 그 아래에 있는 제곱합을 이해하는 것이 출력을 검증하고 유의미한 상호작용을 올바르게 해석할 수 있게 해줍니다.

2원 분산분석은 한 번에 세 가지 가설을 검정합니다: 요인 A의 주효과, 요인 B의 주효과, 그리고 A×B 상호작용 효과를 — 세 가지 모두에 대해 하나의 공유된 오차항을 사용하면서 말입니다.

2원 분산분석 계산기는 단계별로 어떻게 작동하는가?

모든 2원 분산분석 계산기의 뒤에는 동일한 제곱합 계산 순서가 있습니다. 이 가이드의 나머지 부분을 통해 실행되는 풀이 예제는 다음 데이터 세트를 사용합니다: 연구자는 두 가지 비료 종류(유기, 화학)와 두 가지 급수 일정(매일, 주 1회)을 교차시킨 식물 성장(cm)을 측정합니다. 각 조합당 3개의 식물(n = 3, 총 N = 12). 유기 + 매일: 8, 10, 9 — 유기 + 주 1회: 5, 7, 6 화학 + 매일: 12, 14, 13 — 화학 + 주 1회: 9, 11, 10

1. 단계 1 — 각 셀, 행, 열의 합계 찾기

셀 합계: 유기-매일 = 8+10+9 = 27, 유기-주 1회 = 5+7+6 = 18, 화학-매일 = 12+14+13 = 39, 화학-주 1회 = 9+11+10 = 30. 행 합계(비료): 유기 = 27+18 = 45, 화학 = 39+30 = 69. 열 합계(급수): 매일 = 27+39 = 66, 주 1회 = 18+30 = 48. 총합 G = 45+69 = 114, 그리고 전체 평균 = 114 ÷ 12 = 9.5.

2. 단계 2 — 보정 계수 계산

보정 계수(CF), 또는 G²/N로도 쓰이며, 모든 제곱합 항에서 빼집니다. CF = 114² ÷ 12 = 12996 ÷ 12 = 1083.

3. 단계 3 — SS_total 계산

SS_total = Σ(각 값 − 전체 평균)². 9.5에서 모든 편차를 제곱하고 모든 12개 값을 합하면 SS_total = 83이 됩니다. 이것이 ANOVA가 요인 A, 요인 B, 상호작용, 그리고 오차로 분할할 전체 변동성입니다.

4. 단계 4 — SS_A 계산(비료, 행 요인)

SS_A = Σ(행 합계)² ÷ (b·n) − CF, 여기서 b·n = 행당 관측치 수 = 6. SS_A = (45² + 69²) ÷ 6 − 1083 = (2025 + 4761) ÷ 6 − 1083 = 1131 − 1083 = 48.

5. 단계 5 — SS_B 계산(급수, 열 요인)

SS_B = Σ(열 합계)² ÷ (a·n) − CF, 여기서 a·n = 6. SS_B = (66² + 48²) ÷ 6 − 1083 = (4356 + 2304) ÷ 6 − 1083 = 1110 − 1083 = 27.

6. 단계 6 — SS_AB 계산(상호작용)

먼저 SS_cells = Σ(셀 합계)² ÷ n − CF = (27² + 18² + 39² + 30²) ÷ 3 − 1083 = 3474 ÷ 3 − 1083 = 1158 − 1083 = 75를 찾습니다. 그런 다음 SS_AB = SS_cells − SS_A − SS_B = 75 − 48 − 27 = 0.

7. 단계 7 — 뺄셈으로 SS_error 계산

SS_error = SS_total − SS_cells = 83 − 75 = 8. 이것이 요인 A, 요인 B, 그리고 그들의 상호작용이 설명할 수 없는 각 처리 그룹 내의 변동성입니다.

매 단계마다 산술을 확인하세요: SS_A + SS_B + SS_AB + SS_error는 항상 SS_total과 같아야 합니다. 여기서 48 + 27 + 0 + 8 = 83 — 맞습니다.

2원 분산분석에서 주효과와 상호작용 효과란 무엇인가?

주효과는 다른 요인의 모든 수준에 걸쳐 평균화된 한 요인의 효과입니다. 이는 "비료 종류는 급수를 무시하고 성장을 바꾸는가?"와 "급수 일정은 비료를 무시하고 성장을 바꾸는가?"를 별도로 답합니다. 상호작용 효과는 다른 질문을 합니다: 한 요인의 효과가 사용된 급수 일정에 따라 달라지는가? 유기 비료가 매일 급수에서는 도움이 많이 되지만 주 1회 급수에서는 아무것도 하지 않으면, 상호작용 그래프의 선이 교차하거나 발산합니다 — 그것이 상호작용입니다. 풀이 예제에서, 행 평균은 유기 = 45÷6 = 7.5, 화학 = 69÷6 = 11.5이며, 정확히 4.0cm의 차이입니다. 열 평균은 매일 = 66÷6 = 11.0, 주 1회 = 48÷6 = 8.0이며, 정확히 3.0cm의 차이입니다. SS_AB가 정확히 0이 되었기 때문에, 두 요인은 가법적으로 작용합니다: 화학 비료는 급수 일정에 관계없이 동일한 4cm 이점을 더하고, 매일 급수는 비료에 관계없이 동일한 3cm 이점을 더합니다. 이를 직접 검증할 수 있습니다 — 예측된 유기-매일 성장 = 전체 평균 + (유기 효과) + (매일 효과) = 9.5 + (7.5−9.5) + (11.0−9.5) = 9.5 − 2.0 + 1.5 = 9.0, 이는 실제 셀 평균 27÷3 = 9.0과 정확히 일치합니다.

1. 상호작용 그래프가 원시 표보다 더 중요한 이유는?

x축에 급수를 놓고 비료 종류당 한 개의 선으로 셀 평균을 그래프로 표시하면 숫자를 형태로 변환합니다. 평행선은 상호작용이 없음을 의미합니다(여기서는 해당). 교차하거나 벌어지는 선은 한 요인의 효과가 다른 요인에 진정으로 의존함을 의미하며, 이는 결과를 보고하는 방식을 바꿉니다 — 주효과만으로는 오도할 수 있으므로 상호작용을 먼저 설명할 것입니다.

상호작용 그래프의 평행선은 요인들이 독립적으로 작용함을 의미합니다. 비평행선은 상호작용을 먼저 해석해야 함을 의미하며, 그 후에 단독으로 주효과를 신뢰할 수 있습니다.

완전한 ANOVA 표를 어떻게 구성하는가?

모든 제곱합이 계산되면, 표는 자유도(df), 평균제곱(MS = SS ÷ df), 그리고 F비율(F = MS ÷ MS_error)로부터 조합됩니다. a = 2개의 비료 수준, b = 2개의 급수 수준, n = 3개의 반복, N = 12개의 총 관측치를 가지고:

1. 단계 1 — 자유도

df_A = a − 1 = 1. df_B = b − 1 = 1. df_AB = (a−1)(b−1) = 1×1 = 1. df_error = N − ab = 12 − 4 = 8. df_total = N − 1 = 11. 확인: 1+1+1+8 = 11. ✓

2. 단계 2 — 평균제곱

MS_A = SS_A ÷ df_A = 48 ÷ 1 = 48. MS_B = SS_B ÷ df_B = 27 ÷ 1 = 27. MS_AB = SS_AB ÷ df_AB = 0 ÷ 1 = 0. MS_error = SS_error ÷ df_error = 8 ÷ 8 = 1.

3. 단계 3 — F비율

F_A = MS_A ÷ MS_error = 48 ÷ 1 = 48.0. F_B = MS_B ÷ MS_error = 27 ÷ 1 = 27.0. F_AB = MS_AB ÷ MS_error = 0 ÷ 1 = 0.0. 모든 F비율은 한 원인의 평균제곱을 동일한 MS_error과 비교합니다. 오차 분산이 "우연만으로 얼마나 많은 변동을 기대할 것인가"를 위한 공유된 기준선이기 때문입니다.

4. 단계 4 — 임계 F값과 비교

α = 0.05에서, 임계값 F(1, 8) ≈ 5.32입니다(F분포 표에서). F_A = 48.0과 F_B = 27.0 모두 5.32를 초과하므로, 두 주효과 모두 통계적으로 유의미합니다. F_AB = 0.0은 5.32보다 훨씬 아래이므로, 상호작용은 유의미하지 않습니다 — 이전 섹션에서 발견한 가법적 패턴과 일치합니다.

원인 | SS | df | MS | F 비료(A) | 48 | 1 | 48 | 48.0 급수(B) | 27 | 1 | 27 | 27.0 A×B 상호작용 | 0 | 1 | 0 | 0.0 오차 | 8 | 8 | 1 | — 합계 | 83 | 11 | — | —

2원 분산분석 결과를 어떻게 해석해야 하는가?

해석은 항상 주효과가 아니라 상호작용 행으로 시작합니다. F_AB = 0.0이 여기서 유의미하지 않기 때문에, 주효과를 직접 해석하는 것이 안전합니다: 화학 비료는 유기 비료보다 유의미하게 더 많은 성장을 생성하고(F(1,8) = 48.0, p < 0.05), 매일 급수는 주 1회 급수보다 유의미하게 더 많은 성장을 생성하며(F(1,8) = 27.0, p < 0.05), 이 두 효과는 서로 의존하지 않습니다. 상호작용이 대신 유의미했다면, 올바른 다음 단계는 단순 효과 분석이 될 것입니다 — 매일 급수 내에서 별도로 비료의 효과를 검정하고 주 1회 급수 내에서 별도로 검정합니다 — 유의미한 상호작용은 주효과 평균만으로는 한 소그룹의 실제 패턴을 숨기거나 반전시킬 수 있기 때문입니다.

항상 상호작용을 먼저 확인하세요. 유의미한 상호작용은 주효과가 단독으로 오도할 수 있음을 의미합니다 — 주효과를 보고하기 전에 상호작용을 설명하세요.

2원 분산분석을 계산할 때 어떤 실수를 피해야 하는가?

소수의 오류가 대부분의 부정확한 2원 분산분석 결과를 설명하며, 손으로 계산하든 2원 분산분석 계산기에 대해 확인하든 말입니다.

1. 실수 1 — 조정 없이 불균형한 셀 크기

이 가이드의 공식은 균형 설계(모든 셀에서 동일한 n)를 가정합니다. 불균형한 그룹 크기를 가지고 있으면, 일반적인 제곱합 공식은 편향되고, 대신 타입 II 또는 타입 III 제곱합이 필요하며, 대부분의 통계 소프트웨어는 자동으로 계산하지만 단순 계산기는 종종 그렇지 않습니다.

2. 실수 2 — 상호작용을 확인하기 전에 주효과 해석

상호작용이 유의미할 때마다 그 이점이 모든 급수 일정을 통해 유지되는지 먼저 확인하지 않고 "화학 비료가 더 낫다"고 보고하면 결과를 잘못 표현할 수 있습니다.

3. 실수 3 — 분모에 속하는 평균제곱 혼동

고정 효과 모델이 있는 표준 2원 분산분석에서, MS_error는 모든 F비율(A, B, 그리고 A×B)의 분모입니다 — 서로의 평균제곱으로 나누지 않고 MS_error로 나눕니다.

4. 실수 4 — ANOVA 가정 확인 잊기

2원 분산분석은 잔차가 대략 정규분포를 따르고, 분산이 모든 네 셀 전체에서 대략 같으며(분산의 동질성), 관측치가 독립적이라고 가정합니다. 이러한 확인을 건너뛰고 어쨌든 F검정을 실행하면 p값이 주장하는 것을 의미하지 않을 수 있습니다.

어떤 F비율도 신뢰하기 전에, 확인하세요: SS_A + SS_B + SS_AB + SS_error = SS_total. 그 항등식이 실패하면, 제곱합이 상류 어딘가에서 잘못 계산되었습니다.

연습 문제: 이 2원 분산분석 설정을 풀 수 있는가?

답을 확인하기 전에 각 시나리오에 대해 ANOVA 표를 설정해 보세요. 세 가지 모두 위의 단계 4에서 동일한 공식을 재사용합니다.

1. 문제 1 — 설계 식별

연구는 교수법(강의, 플립 러닝)과 학급 규모(소, 대)에 걸쳐 시험 점수를 측정하며, 각 조합당 4명의 학생이 있습니다. a, b, n, N은 무엇인가? 답: a = 2, b = 2, n = 4, N = 16, df_error = N − ab = 16 − 4 = 12를 제공합니다.

2. 문제 2 — 누락된 제곱합 계산

SS_total = 120, SS_A = 40, SS_B = 25, SS_AB = 15인 경우, SS_error를 찾으세요. 답: SS_error = SS_total − SS_A − SS_B − SS_AB = 120 − 40 − 25 − 15 = 40.

3. 문제 3 — 유의성 결정

df_A = 2, df_error = 24, MS_A = 18, MS_error = 3인 경우, 임계값 F(2,24) ≈ 3.40이 주어졌을 때 요인 A는 α = 0.05에서 유의미한가? 답: F_A = MS_A ÷ MS_error = 18 ÷ 3 = 6.0, 이는 3.40을 초과합니다 — 요인 A는 통계적으로 유의미합니다.

2원 분산분석을 직접 한 번 손으로 푸세요. 심지어 비료 예제 같은 작은 2×2 설계도 — 그 이후로 모든 계산기 출력이 검증하기 쉬워집니다. 블랙 박스를 그냥 신뢰하는 대신 말입니다.

Solvify가 2원 분산분석 문제 확인을 어떻게 도울 수 있는가?

이 가이드의 제곱합 로직을 이해한 후, Solvify의 AI 기반 솔버는 데이터 세트 또는 ANOVA 표의 사진을 찍고 동일한 SS_A, SS_B, SS_AB, SS_error 계산을 단계별로 진행할 수 있으므로, 자신의 손으로 계산한 결과와 비교하고 산술 실수를 랩 보고서에 포함되기 전에 잡을 수 있습니다.

통계학에서 자신감을 구축하는 가장 빠른 방법은 한 문제를 손으로 푼 후 계산기를 사용하여 검증하는 것입니다 — 반대 순서가 아니라 말입니다.

태그: