가설 검정이 논란의 여지가 많고 혼란스러우며 "귀무가설 수용" 쪽으로 치우쳐 있다는 점에 대해 많은 글과 논의가 있었습니다. 실무자들은 가설 검정을 제대로 구현하고 해석하는 데 어려움을 느낍니다. 나다니엘 스티븐스는 이러한 까다로운 문제에 대한 대안으로 일치 확률(Probability of Agreement, PoA)이라는 개념을 제시했습니다. 이 방법은 다양한 상황에 유연하게 적용할 수 있고, 단측 및 양측 일치 여부를 검토할 수 있는 여러 옵션을 제공하며, 비교 대상 항목이 동일한지 여부에 대한 선입견 없이 시작합니다. 이는 기존의 P값이 종종 실패하는 제1종 오류와 제2종 오류 사이의 균형을 제공합니다. 또한, 이 방법은 표본 크기가 작아짐에 따라 발생하는 불확실성을 반영하여 자동으로 조정됩니다. 이는 기존의 가설 검정이 검정력 부족을 알려주지 못하는 경우에 특히 유용합니다.
이 기능은 JMP에 추가된다면 매우 유용할 것입니다. 다양한 분야의 인구 집단을 비교하는 데 있어 더욱 유연하고 해석하기 쉬운 방법을 제공하기 때문입니다. 이는 데이터 패턴에 대한 탐색과 유연한 평가를 장려하는 JMP의 전반적인 접근 방식과도 부합합니다.
저는 PoA의 철학이 실무자들에게 공감을 불러일으키고, 직관적이고 해석하기 쉬운 방식으로 비교할 수 있는 도구를 제공할 것이라고 생각합니다.
참고 자료:
Stevens NT , Steiner SH 및 MacKay RJ(2017). 두 측정 시스템 간의 일치성 평가: 일치 한계 접근법에 대한 대안. 의학 연구의 통계 방법 , 26(6): 2487–2504.
열스 NT , Rigdon SE 및 Anderson-Cook CM(2018). 두 개의 별도 회귀 분석 결과를 비교하기 위한 예측 일치의 베이지안 확률. 품질 및 신뢰성 공학 국제 , 34(6): 968–978.
열스 NT 및 Anderson-Cook CM (2019). 확인의 설계 및 분석 실험. 품질 기술 저널 51(2): 109–124.
열스 NT 및 Lu L. (2020). Kaplan-Meier 곡선과 일치 확률 비교. 의학 통계 39(30): 4621–4635.
안녕하세요, 크리스틴님. 몇 년 전 나다니엘 스티븐스가 Statistically Speaking 웹 세미나에서 이 주제에 대해 녹화했는데, 매우 흥미로웠습니다. 이 접근법을 활용한 매력적인 사례들이 많았습니다. 내부 논의를 위해 이 내용을 표시해 두었습니다. 게시해 주셔서 감사합니다!
웹 세미나: https://www.jmp.com/en/resources/on-demand/statistically-speaking/the-same-similar-or- Different
