통계 지표 보는 법

Analysis of Variance
Source	DF	Sum of Squares	Mean Square	F Value	Pr > F
Model	3	4860.32329	1620.10783	570.27	<.0001
Error	196	556.82526	2.84095
Corrected Total	199	5417.14875

Root MSE	1.68551	R-Square	0.6472
Dependent Mean	14.02250	Adj R-Sq	0.6456
Coeff Var	12.02004

Parameter Estimates
Variable	DF	Parameter Estimate	Standard Error	t Value	Pr > |t|
Intercept	1	2.93889	0.31191	9.42	<.0001
Store Size	1	2.40576	0.00139	32.81	<.0001
Staff	1	0.50153	0.00861	21.89	<.0001
Parking Lot	1	-0.00104	0.00587	-0.18	0.6399

* 중요항목만 붉은색 표기

 

1. 유의확률

• 표기 : Pr, p-value, Prob 등
• 귀무가설이 맞다고 가정할 때 관측된 통계치보다 더 극단적인 통계치가 관측될 확률
• p-value가 0.05보다 작으면 통계학적으로 유의한 모형 (95% 신뢰수준)
• 대부분 통계값은 p-value가 0.05보다 작지만 통계모델 확인 시 반드시 확인해야 하는 첫번째 요소

 

2. 결정계수

• 표기 : R-Square, R-Sq, R²
• 이 모형이 전체 현상을 얼마나 설명하는 지 나타내는 지표
• 즉, 0.6472라는 것은 이 모형이 전체 현상을 64.72% 설명한다는 의미
• 공학이나 자연과학에서는 0.7 이상 인정, 사회과학이나 경형학에서 0.3~0.4도 의미있다고 판단
• Adj R-Sq (Adj R²) : 너무 많은 요인을 사용해서 모형을 만들 경우 설명력이 높아지는 현상을 보완하기 위해 만든 지표로 요인이 2개 이상일 때부터 R²보다 조금씩 수치가 작아짐, 실무에서 두 값에 큰 차이가 없기에 어떤 값을 봐도 무관 (실무에서 10개가 넘는 요인을 고려하는 경우가 드물기 때문)
• R²를 늘려 현상에 대한 커버리지를 높이기 위해 분석 요인을 늘리는 것이 좋지만 현실적으로 어려운 이유
  • 신뢰할 수 있는 데이터의 충분한 양을 확보
  • 결과에 영향을 주지 않거나 미미한 영향을 주는 요인으로 인해 모형 복잡도가 증가
  • 이로 인해 해석이 어려워짐

 

3. 개별 요인의 p-value와 계수

• p-value가 0.05보다 작으면 유효하다고 판단 (때문에 Parking Lot은 유의미하다고 보지 않음)
• 참고 : 개별 요인의 p-value 산출 방법과 전체 모형의 p-value 산출 방법이 다르며, 개별 요인의 p-value는 0.05를 넘기는 경우가 많음.
• 매출액 = 2.40576 * 매장 크기 + 0.50153 * 직원 친절도 - 0.00104 * 주차장 면수 + 2.93889