구형성 가정, 측정 시점이 두 번이면 검정할 필요 없다는게 맞나요?

반복측정 분산분석에서 측정 시점이 두 번이면 Mauchly 구형성 검정을 할 필요가 없다는 말을 들었어요. 이 말이 사실인가요?

GPT-6.1 Sol의 답변

맞습니다. 측정 시점이 두 번이면 구형성이 자동으로 충족되므로 Mauchly 검정은 필요하지 않습니다.

왜 검정할 필요가 없나요?

**구형성(sphericity)**은 반복측정 조건들의 모든 쌍별 차이점수의 분산이 같다는 가정입니다.

  • 시점이 3개이면 ‘1−2’, ‘1−3’, ‘2−3’이라는 세 차이점수가 생기므로, 이들의 분산이 같은지 확인할 수 있습니다.
  • 시점이 2개이면 ‘1−2’라는 차이점수 하나만 생깁니다. 서로 비교할 분산이 없으므로 구형성은 자동으로 충족됩니다.

따라서 두 시점에 대한 Mauchly 구형성 검정은 필요하지 않으며, 통계 프로그램에서도 검정 결과가 생략되거나 유효한 값이 제시되지 않을 수 있습니다. 구형성 위반에 사용하는 Greenhouse–Geisser나 Huynh–Feldt 자유도 보정도 필요하지 않습니다.

다른 가정도 필요 없다는 뜻인가요?

아닙니다. 집단 간 요인이 없는 단순한 두 시점 반복측정 분산분석은 대응표본 t검정과 동등하며, (F=t^2)입니다. 이때도 참여자 간 독립성과 차이점수의 정규성, 심한 이상치 여부 등은 살펴봐야 합니다. 두 시점 각각의 분산이 같아야 한다는 뜻도 아닙니다.

단, 반복측정 요인이 여러 개라면 구형성은 효과별로 판단합니다. 시간 요인이 두 수준이어도 다른 반복측정 요인이나 상호작용에서는 구형성 검토가 필요할 수 있습니다.

Gemini 3.8 Flash의 답변

측정 시점이 두 번일 때는 비교할 차이 점수가 하나뿐이므로 구형성 가정을 검정할 필요가 없으며, 자동으로 충족됩니다.

1. 구형성(Sphericity)의 정의와 원리 구형성 가정은 반복측정 분산분석(Repeated Measures ANOVA)에서 피험자 내 요인(측정 시점 등)의 모든 가능한 조건 쌍 간의 차이 점수(difference scores) 분산이 동일하다는 가정입니다.

  • 측정 시점이 3개(A, B, C)인 경우: (A-B), (B-C), (A-C)라는 3개의 차이 점수가 발생합니다. 이때 세 차이 점수의 분산이 서로 통계적으로 같은지 검정하는 것이 'Mauchly의 구형성 검정'입니다.
  • 측정 시점이 2개(A, B)인 경우: 차이 점수는 (A-B) 하나만 존재합니다. 비교할 다른 차이 점수 분산이 없으므로 '분산이 서로 같다/다르다'를 비교할 대상 자체가 없습니다. 따라서 구형성 가정은 수학적으로 완벽하게 충족됩니다.

2. 통계 분석 시 나타나는 현상 SPSS나 R 등의 통계 프로그램에서 시점이 2개인 반복측정 분산분석을 실행하면, Mauchly의 구형성 검정 표의 수치가 공란(빈칸)으로 나오거나 자유도(df)가 0으로 출력됩니다. 이는 오류가 아니라 계산할 필요가 없어 프로그램이 출력을 생략하는 정상적인 현상입니다.

3. 연구자가 취해야 할 조치

  • 측정 시점이 두 번일 때는 구형성 위반 여부를 걱정할 필요가 전혀 없습니다.
  • Greenhouse-Geisser나 Huynh-Feldt 같은 구형성 보정 절차를 거치지 않고, 결과표의 '구형성 가정(Sphericity Assumed)' 수치를 그대로 보고하시면 됩니다.
  • 참고로, 시점이 2개인 반복측정 분산분석은 수학적으로 **대응표본 t-검정(Paired t-test)**과 동일합니다($F = t^2$). 대응표본 t-검정에서 구형성을 검정하지 않는 것과 같은 이유입니다.

Claude Sonnet 5.5의 답변

반복측정 요인의 수준이 2개이면 구형성이 수학적으로 자동 충족되어 Mauchly 검정이 필요 없습니다.

왜 그런가

구형성(sphericity) 은 "모든 시점 쌍의 차이 점수(difference score)들의 분산이 서로 같다"는 가정입니다. 시점이 3개면 (1-2), (1-3), (2-3) 세 가지 차이 점수의 분산을 비교할 수 있습니다.

시점이 2개면 차이 점수가 하나뿐이라 비교할 대상이 없습니다. 따라서 가정이 항상 성립합니다.

  • 구형성 검정의 자유도는 k(k−1)/2 − 1입니다. k=2이면 0이므로 검정이 정의되지 않습니다.
  • Greenhouse-Geisser, Huynh-Feldt 같은 보정계수 ε(엡실론)은 하한이 1/(k−1)인데, k=2이면 항상 1입니다. 즉 보정할 것이 없습니다.
  • SPSS 같은 프로그램도 2수준 요인에서는 Mauchly 검정 결과를 계산하지 않고 ε=1.000으로 표시합니다.

주의할 점

  • 적용 범위: 이 말은 반복측정 요인의 수준이 2개일 때만 맞습니다. 설계에 3수준 이상인 within 요인(예: 시점 3회, 조건 3종)이 하나라도 있으면 그 요인과 그 요인이 들어간 상호작용에는 구형성을 확인해야 합니다.
  • 다른 가정은 여전합니다: 차이 점수의 정규성, 관찰의 독립성, 이상치 확인은 여전히 필요합니다. 혼합설계(집단×시점)라면 집단 간 공분산 행렬의 동질성(Box's M 등)도 별도로 고려합니다.
  • 실무적으로: 시점이 2개인 반복측정 ANOVA는 대응표본 t검정과 동등합니다(F = t²). 구형성 걱정 없이 그대로 해석하면 됩니다.

정리하면, 들으신 말은 사실이며 통계 이론상 확실한 결론입니다.

비슷한 질문