1. 통계학과 커뮤니케이션 과학 ¶

1.1. 환영사 1 ¶

1.2. 왜 과학을 하는가? 3 ¶

1.3. 과학적 연구의 가정과 철학 7 ¶

1.4. 통계적 단어의 형성 11 ¶

1.5. 과학적 연구에서 통계학의 역할 16 ¶

1.6. 요약 20 ¶

2. 측정의 본질 ¶

2.1. 측정 개념 21 ¶

2.1.1. 측정 방법 22 ¶

2.1.2. 조작화 24 ¶

2.1.3. 측정 수준 27 ¶

2.1.4. 측정 정밀도 30 ¶

2.1.5. 질적 데이터 vs. 양적 측정 32 ¶

2.2. 측정의 질 32 ¶

2.2.1. 측정 신뢰도 33 ¶

2.2.2. 측정 타당도 34 ¶

2.3. 요약 40 ¶

3. 표본추출 ¶

3.1. 모집단 추론 42 ¶

3.1.1. ≪리터러리 다이제스트≫ 여론조사: 모집단 추론에 실패하다 44 ¶

3.1.2. 대표화를 통한 모집단 추론 47 ¶

3.2. 표본추출 방법 48 ¶

3.2.1. 비확률 표본추출 49 ¶

3.2.2. 확률 표본추출 51 ¶

3.3. 비확률 표본추출은 정말로 그렇게 나쁜가? 55 ¶

3.4. 요약 60 ¶

4. 데이터 설명과 시각화 ¶

4.1. 데이터에 대한 그래프와 표식 설명 61 ¶

4.1.1. 빈도표 62 ¶

4.1.2. 히스토그램 65 ¶

4.1.3. 분포의 형태 설명 66 ¶

4.2. 중심경향성 측도 70 ¶

4.2.1. 최빈값 70 ¶

4.2.2. 중간값 70 ¶

4.2.3. 산술적 평균 72 ¶

4.2.4. 중심경향성 측도 선택하기 75 ¶

4.3. 변화 측도 77 ¶

4.3.1. 범위와 사분위 범위 78 ¶

4.3.2. 표준편차 79 ¶

4.3.3. 분산 81 ¶

4.4. 왜도와 첨도 수량화하기 82 ¶

4.5. 또 다른 그래픽 도구: 상자 도표 83 ¶

4.6. 표준화 84 ¶

4.7. 양적 변인 간 연관성 설명 86 ¶

4.7.1. 피어슨 상관계수 88 ¶

4.7.2. 연관성의 대안 측도 94 ¶

4.7.3. 상관관계를 해석할 때 주의할 점 97 ¶

4.8. 상관성의 시각화: 산포도 101 ¶

4.9. 기술적인 집단 비교 104 ¶

4.10. 데이터 선별과 결측 데이터 107 ¶

4.11. 일반적인 상징적 기호법 소개하기 110 ¶

4.12. 요약 112 ¶

5. 확률의 본질 ¶

5.1. 확률 정의하기 115 ¶

5.2. 확률의 법칙 118 ¶

5.2.1. 확률의 덧셈 법칙 118 ¶

5.2.2. 확률의 곱셈 법칙 120 ¶

5.3. 확률분포 123 ¶

5.3.1. 이항 확률분포 124 ¶

5.3.2. 정규 확률분포 129 ¶

5.3.3. 체비체프의 정리(Chebychev’s Theorem) 135 ¶

5.4. 무작위 변인과 기댓값 136 ¶

5.5. 요약 139 ¶

6. 신뢰도 평가와 수량화 ¶

6.1. 고전적 검증 이론 144 ¶

6.1.1. 요소들로 측정 분할하기 144 ¶

6.1.2. 고전적 검증 이론에서 신뢰도 정의 149 ¶

6.2. 양적 측정에 대한 신뢰도 추정하기 151 ¶

6.2.1. 시간 경과에 따라 반복된 측정에서 신뢰도 추정하기 151 ¶

6.2.2. 지표값의 내적 일관성에서 신뢰도 추정하기 153 ¶

6.2.3. 방법의 또는 측정의 신뢰도? 160 ¶

6.3. 주관적인 범주 판단의 신뢰도 161 ¶

6.3.1. 홀스티 방법 165 ¶

6.3.2. 우연 동의에 대한 수정: 스콧 (Scott’s )와 코헨 (Cohen’s ) 166 ¶

6.3.3. 동의 지표 사용하기 172 ¶

6.4. 얼마나 높아야 충분히 높은 것인가? 175 ¶

6.5. 요약 176 ¶

7. 모수 추정 ¶

7.1. 추정 이론 178 ¶

7.1.1. 표본추출 분포 180 ¶

7.1.2. 표본 평균의 표본추출 분포 속성 185 ¶

7.1.3. 특정한 표본 평균을 얻을 확률 도출하기 193 ¶

7.2. 구간 추정 195 ¶

7.2.1. 신뢰구간 196 ¶

7.2.2. 구간 추정으로의 더욱 현실적인 접근 199 ¶

7.2.3. 신뢰도와 정밀도 간 관계 203 ¶

7.2.4. 재방문한 표본 평균 확률 계산하기 205 ¶

7.2.5. 편의 표본에서 도출한 구간 추정 206 ¶

7.3. 모집단 비율 추정하기 206 ¶

7.4. 신뢰구간 부트스트래핑 211 ¶

7.5. 요약 215 ¶

8. 가설 검증 개념 ¶

8.1. 가설 검증 단계 219 ¶

8.1.1. 단계 1: 연구가설 또는 문제를 통계적인 가설로 치환하라 219 ¶

8.1.2. 단계 2: 얻은 결과를 수량화하라 222 ¶

8.1.3. 단계 3: -값을 도출하라 223 ¶

8.1.4. 단계 4: 영가설과 대안가설 중 하나를 선택하라 226 ¶

8.1.5. 단계 5: 실질적인 용어로 검증 결과를 해석하라 228 ¶

8.2. 모집단 비율에 대한 가설 검증하기 230 ¶

8.2.1. 비방향적 (‘양쪽-꼬리’) 가설 검증하기 230 ¶

8.2.2. 방향적 (‘한쪽-꼬리’) 가설 검증하기 238 ¶

8.3. 결정 오류, 검증력, 그리고 타당도 241 ¶

8.3.1. 제1종 오류, 제2종 오류, 그리고 제3종 오류 241 ¶

8.3.2. 통계적 검증의 타당도와 검증력 245 ¶

8.4. 가설 검증 또는 신뢰구간 247 ¶

8.5. 요약 251 ¶

9. 단일 평균에 대한 가설 검증하기 ¶

9.1. 일-표본 검증 253 ¶

9.1.1. 단일 평균에 대한 방향적 가설 검증하기 255 ¶

9.1.2. 비방향적 가설 검증하기 263 ¶

9.1.3. 컴퓨터를 이용한 일-표본 검증 실행하기 265 ¶

9.1.4. 통계적 가정 267 ¶

9.1.5. 큰 표본 vs. 작은 표본 268 ¶

9.1.6. 신뢰구간 269 ¶

9.1.7. -값 부트스트래핑 270 ¶

9.2. 대응 응답 평균 간 비교하기 271 ¶

9.2.1. 대응-표본 검증 271 ¶

9.2.2. 비무작위 표본에서 대응-표본 추론 278 ¶

9.3. 요약 287 ¶

10. 두 독립 집단 비교하기 ¶

10.1. 독립 집단 검증 290 ¶

10.1.1. 합동분산 접근 293 ¶

10.1.2. 웰치-사털드와이트 접근(The Welch-Satterthwaite Approach) 298 ¶

10.1.3. 조건적인 결정 규칙 300 ¶

10.1.4. 베렌스-피셔 문제(The Behrens-Fisher Problem) 301 ¶

10.1.5. 정규성 가정 위배 302 ¶

10.1.6. 평균 차이에 대한 신뢰구간 304 ¶

10.1.7. 신뢰구간과 -값 부트스트래핑 305 ¶

10.1.8. 효과 크기 307 ¶

10.2. 변화량에서 집단 차이 검증하기 309 ¶

10.2.1. 레빈 검증(Levene’s Test) 311 ¶

10.2.2. 브라운-포사이드 검증(The Brown-Forsythe Test) 312 ¶

10.2.3. -비율 검증: 피해야 할 검증 314 ¶

10.3. 비무작위 표본에서 두 집단 비교하기 314 ¶

10.3.1. 우연의 무작위 지정 모델 320 ¶

10.3.2. 무작위 표본추출 또는 무작위 지정 없는 추론 325 ¶

10.4. 추론에 대한 명확한 사고하기 331 ¶

10.5. 두 독립 비율 비교하기 332 ¶

10.6. 요약 333 ¶

11. 범주 변인에 대한 일부 검증 ¶

11.1. 빈도 분포에 대한 가설 검증하기 334 ¶

11.1.1. 동일한 상대 빈도에 대한 가설 검증하기 336 ¶

11.1.2. 관찰 빈도의 기대에 대한 적합도 검증하기 342 ¶

11.1.3. 통계적 가정 344 ¶

11.1.4. 경우에 대한 대안 검증 345 ¶

11.1.5. 과정 추론에 대한 적합도 검증하기 348 ¶

11.2. 2개의 범주 변인 간 연관성 350 ¶

11.2.1. 교차표에서 독립성 검증하기 351 ¶

11.2.2. 교차표에서 연관성 강도 수량화하기 359 ¶

11.2.3. 교차표를 갖는 또 다른 예 363 ¶

11.2.4. 큰 표에서 독립성 검증하기 368 ¶

11.3. 요약 369 ¶

12. 단순 선형 회귀분석 ¶

12.1. 단순 선형 회귀모델 375 ¶

12.1.1. 단순 회귀선 376 ¶

12.1.2. 최소 자승 기준 382 ¶

12.1.3. 추정의 표준오차 386 ¶

12.1.4. 표준화 회귀 방정식 388 ¶

12.1.5. 회귀모델에 의해 설명된 분산 391 ¶

12.1.6. 잔차에 대한 부가적인 것 394 ¶

12.1.7. 데이터로부터 떨어진 외삽의 위험 396 ¶

12.2. 선형 회귀에서 모집단 추론 397 ¶

12.2.1. 모집단 회귀계수에 대한 가설 검증하기 397 ¶

12.2.2. 에 대한 신뢰구간 402 ¶

12.2.3. 모집단 상관관계 관점에서 추론을 재구성하기 402 ¶

12.2.4. 통계적 가정 406 ¶

12.3. 비무작위 표본에서 추론: 순열 검증 413 ¶

12.4. 영향력이 있는 케이스 탐지하기 419 ¶

12.4.1. 거리, 레버리지, 그리고 영향력 419 ¶

12.4.2. 케이스 하나를 제외했을 때 모델 변화로서의 영향 420 ¶

12.5. 요약 424 ¶

13. 다중 선형 회귀분석 ¶

13.1. 다중 회귀분석 모델 428 ¶

13.2. 다변량 연관성에 대한 수량화와 검증하기 430 ¶

13.2.1. 다변량 연관성 지표로서 431 ¶

13.2.2. 평균 추정 오차 437 ¶

13.2.3. 다변량 연관성에 대한 모집단 추론 437 ¶

13.2.4. 수정 442 ¶

13.3. 부분 연관성 443 ¶

13.3.1. 실험적 통제 vs. 통계적 통제 443 ¶

13.3.2. 두 변인 간 연관성을 생산할 수 있는 메커니즘 446 ¶

13.3.3. 부분 연관성 측도 449 ¶

13.3.4. 편 vs. 준편 상관관계 457 ¶

13.3.5. 표준화 부분 회귀계수 461 ¶

13.3.6. 부분 연관성 측도에 대한 추론 462 ¶

13.3.7. 부분 연관성에 대한 측정의 신뢰구간 464 ¶

13.3.8. 통계적 추론에 대한 가정과 영향력 있는 케이스 탐지하기 465 ¶

13.4. 세트형 부분 연계성과 위계적 회귀분석 468 ¶

13.4.1. 세트형 편 그리고 준편 상관관계 469 ¶

13.4.2. 과 계산하기 471 ¶

13.4.3. 세트형 부분 연관성 측도에 대한 추론 473 ¶

13.4.4. 예측변인에 대한 회귀 통계량 해석하기 475 ¶

13.5. 모델링과 비선형성 검증하기 478 ¶

13.5.1. 제2차 회귀모델 479 ¶

13.5.2. 제2차 회귀모델에서 회귀계수 해석하기 482 ¶

13.6. 다중 회귀분석에서 다양한 사안 483 ¶

13.6.1. 인과성에 대한 재고찰 484 ¶

13.6.2. 회귀분석에 필요한 케이스 숫자 484 ¶

13.6.3. 다중공선성(Multicollinearity) 485 ¶

13.6.4. 회귀모델에 포함될 예측변인 선택하기 490 ¶

13.6.5. 예측변인의 ‘상대적 중요성’ 492 ¶

13.6.6. 측정 오차의 영향 495 ¶

13.6.7. 범주, 서열, 그리고 한계가 있는 결과변인 497 ¶

13.7. 요약 501 ¶

14. 분산의 단일 요인분석 ¶

14.1. 분산분석 504 ¶

14.1.1. 결과변인을 변화량 출처로 분할하기 505 ¶

14.1.2. 의 전체, 집단-간, 그리고 집단-내 변화량 508 ¶

14.1.3. 비율 510 ¶

14.1.4. 근본적인 통계 이론 513 ¶

14.1.5. 분산분석의 통계적 가정 515 ¶

14.1.6. 합동분산 검증 재방문 517 ¶

14.1.7. 효과 크기 수량화하기 517 ¶

14.1.8. 왜 다중 검증은 안 되는가? 520 ¶

14.1.9. 비무작위 표본에 대한 추론 522 ¶

14.2. 쌍벌 평균 비교 528 ¶

14.2.1. 다중 검증 문제의 재등장 529 ¶

14.2.2. 본페로니 수정(The Bonferroni Correction) 531 ¶

14.2.3. 홈의 순차 거절 방법(Holm’s Sequential Rejection Method) 533 ¶

14.2.4. 게임스-호웰 방법(The Games-Howell Method) 534 ¶

14.2.5. 초점화 검증 538 ¶

14.2.6. 대조 계수 538 ¶

14.2.7. 쉬페 검증(Scheffe’s Test) 546 ¶

14.3. 다중 회귀의 특별한 케이스인 분산분석 548 ¶

14.3.1. 회귀분석을 위한 범주변인 코딩하기 549 ¶

14.3.2. 회귀분석을 사용한 총괄 영가설 검증하기 550 ¶

14.3.3. 회귀모델 해석하기 551 ¶

14.4. 다중 집단 비교에 대한 일부 논쟁 553 ¶

14.4.1. 계획 vs. 비계획 비교: 수정하거나 하지 않는 것? 553 ¶

14.4.2. 다중 검증 문제에 대해 우리는 다소 변덕스러운가? 556 ¶

14.4.3. 우리는 정말로 분산분석을 필요로 하는가? 557 ¶

14.5. 요약 558 ¶

15. 공분산 분석: 통계적 통제를 하는 분산분석 ¶

15.1. 다중 회귀분석으로서의 공분산 분석 562 ¶

15.1.1. 회귀분석을 이용한 공분산 분석 실행하기 562 ¶

15.1.2. 공분산 분석에서 변인 변화량 분할하기 564 ¶

15.1.3. 효과 크기 측도 569 ¶

15.1.4. 수정 평균 572 ¶

15.1.5. 수정 평균 간 초점화 대조 574 ¶

15.1.6. 통계적 가정 575 ¶

15.1.7. 다중 공변량 576 ¶

15.2. 실험 설계에서 공분산 분석 579 ¶

15.2.1. 실험처치에 의해 영향을 받지 않는 변인 통제하기 580 ¶

15.2.2. 실험처치에 의해 영향을 받는 변인 통제하기 583 ¶

15.2.3. 매개(Mediation) 584 ¶

15.3. 요약 586 ¶

16. 상호작용 ¶

16.1. 커뮤니케이션 연구와 이론에서 상호작용 590 ¶

16.2. 분산의 요인분석 594 ¶

16.2.1. 균형요인설계에서 변화량 분할하기 597 ¶

16.2.2. 주 효과와 상호작용 효과 601 ¶

16.2.3. 요인 분산분석과 동등한 회귀분석 605 ¶

16.2.4. 요인 분산분석과 불균형 설계 606 ¶

16.2.5. 요인 분산분석에서 상호작용 탐색하기 612 ¶

16.2.6. 효과 크기 수량화하기 615 ¶

16.3. 중재된(Moderated) 다중 회귀분석 619 ¶

16.3.1. 이항변인과 양적변인 간 상호작용 620 ¶

16.3.2. 2개의 양적변인 간 상호작용 629 ¶

16.3.3. 양적변인과 다중 범주변인 간 상호작용 633 ¶

16.3.4. 예측변인의 평균 중심화 638 ¶

16.3.5. 회귀계수 차이 vs. 상관관계 차이 641 ¶

16.3.6. 공변량의 통계적 통제 643 ¶

16.3.7. 중재된 다중 회귀분석 모델에서 필요한 용어 644 ¶

16.3.8. 중재를 검증하는 하위집단 분석의 위험 645 ¶

16.4. 상호작용 수색 간소화하기 646 ¶

16.5. 상호작용 검증 이전에 범주화는 왜 안 되는가? 649 ¶

16.5.1. 범주화 오류 650 ¶

16.5.2. 더 작은 표본 크기와 감소한 통계 검증력 652 ¶

16.5.3. 거짓인 통계 유의도 654 ¶

16.5.4. 연구결과를 반복하는 데 인위적 실패 655 ¶

16.5.5. 범주화는 합리적일 때가 있는가? 657 ¶

16.6. 요약 658 ¶

17. Misc ¶