일원분산분석에서는 에타제곱과 부분에타제곱이 같다?
독립변수가 하나인 일원분산분석에서는 에타제곱과 부분에타제곱이 같은 값이라고 들음.
독립변수가 하나인 일원분산분석에서는 에타제곱과 부분에타제곱이 같은 값이라고 들음.
일반적인 집단 간 일원분산분석에서는 에타제곱과 부분에타제곱이 같습니다.
독립변수가 하나인 일반적인 집단 간 일원분산분석이라면 맞습니다. 두 효과크기의 분모가 같아지기 때문입니다.
여기서 (SS)는 제곱합, 즉 변동의 크기를 나타냅니다. 일반적인 일원분산분석에서는 [ SS_{\text{전체}}=SS_{\text{요인}}+SS_{\text{오차}} ] 이므로 **(\eta^2=\eta_p^2)**입니다. 예를 들어 요인 제곱합이 30, 오차 제곱합이 70이면 둘 다 0.30입니다.
다만 “독립변수가 하나면 항상 같다”는 표현은 주의해야 합니다. 일원 반복측정 분산분석에서는 전체 변동에 참가자 간 차이도 포함됩니다. 통상적인 정의에서 에타제곱의 분모에는 이 변동이 들어가지만, 부분에타제곱의 분모에는 들어가지 않아 두 값이 일반적으로 다릅니다.
따라서 질문의 설명은 반복측정이 아닌, 공변량 없는 집단 간 일원분산분석을 전제로 이해하면 정확합니다.
독립집단 일원분산분석에서는 전체 변량이 단 하나의 효과와 오차로만 나뉘기 때문에 에타제곱과 부분에타제곱의 계산식과 결과값이 완전히 같습니다.
독립변수가 하나인 **독립표본 일원분산분석(One-way between-subjects ANOVA)**에서는 에타제곱($\eta^2$)과 부분에타제곱($\eta_p^2$)이 수학적으로 완전히 동일합니다.
두 지표는 모두 독립변수가 종속변수의 변량을 얼마나 설명하는지 나타내는 효과크기(Effect size) 지수입니다. 효과크기는 통계적 유의성을 넘어 실제 효과의 크기를 평가할 때 쓰입니다.
(단, $SS$는 제곱합(Sum of Squares)으로, 데이터의 변동량을 뜻합니다.)
일반적인 일원분산분석에서는 데이터의 전체 변동($SS_{\text{Total}}$)이 오직 집단 간 차이($SS_{\text{Effect}}$)와 집단 내 오차($SS_{\text{Error}}$) 두 가지로만 분할됩니다.
$$SS_{\text{Total}} = SS_{\text{Effect}} + SS_{\text{Error}}$$
따라서 에타제곱의 분모($SS_{\text{Total}}$)와 부분에타제곱의 분모($SS_{\text{Effect}} + SS_{\text{Error}}$)가 정확히 같아지므로, 두 값은 항상 일치합니다.
피험자 간(독립표본) 일원분산분석에서는 두 값이 항상 같지만, 반복측정 일원분산분석에서는 다를 수 있다.
(SS는 제곱합, 즉 평균에서 벗어난 정도를 제곱해 합한 값입니다.)
독립변수가 하나뿐이면 전체 변동은 집단 간 변동(효과)과 집단 내 변동(오차)으로만 나뉩니다.
SS_전체 = SS_효과 + SS_오차
따라서 두 공식의 분모가 같아져서 η² = partial η²가 됩니다. 두 지표가 달라지는 것은 분모에서 뺄 다른 효과가 있을 때입니다.
"독립변수가 하나"라는 조건만으로는 부족하고, 피험자 간 설계이며 공변량이 없다는 조건이 함께 필요합니다. 이 조건에서는 수학적으로 항상 같습니다.