t-test의 개념과 종류 완벽 이해

평균의 차이는 정말 차이일까?

연구를 하다 보면 가장 자주 만나게 되는 질문 중 하나가 있다.

"두 집단은 정말 차이가 있는가?"

예를 들어,

• 남학생과 여학생의 AI 활용역량은 차이가 있는가?
• ChatGPT 교육 전후의 학습효과는 달라졌는가?
• 대학생들의 수업만족도는 보통 수준보다 높은가?

이러한 질문에 답하기 위해 사용하는 대표적인 분석이 바로 t-test이다.

---

평균만 비교하면 안 되는 이유

어느 대학에서 AI 활용역량을 조사했다고 가정해보자.

구분	평균
남학생	3.82
여학생	4.05

표만 보면 여학생의 평균이 더 높아 보인다.

하지만 연구자는 여기서 바로 결론을 내리지 않는다.

왜냐하면 이러한 차이가 우연히 발생했을 가능성이 있기 때문이다.

즉,

"실제 차이인가?"

"우연한 차이인가?"

를 검증해야 한다.

이때 사용하는 분석이 바로 t-test이다.

---

t-test란 무엇인가?

• t-test는 두 평균 간 차이가 통계적으로 유의한지 검증하는 분석기법이다.
• 쉽게 말하면 평균의 차이를 객관적으로 검증하는 통계 도구라고 볼 수 있다.
• 연구에서는 일반적으로 다음과 같은 과정을 거친다.

단계	내용
①	차이가 없다는 가정 설정(H₀)
②	데이터를 수집
③	평균 차이 계산
④	t값과 p값 산출
⑤	차이 존재 여부 판단

---

t-test의 종류

t-test는 목적에 따라 세 가지로 구분된다.

구분	비교대상	대표 예시
단일표본 t-test	집단 평균 vs 기준값	만족도 평균이 3점보다 높은가?
독립표본 t-test	서로 다른 두 집단	남학생과 여학생 비교
대응표본 t-test	같은 집단의 전후 비교	교육 전후 효과 비교

---

1. 단일표본 t-test

단일표본 t-test는 하나의 집단 평균을 특정 기준값과 비교하는 방법이다.
예를 들어 학생만족도를 조사했을 때 보통 수준인 3점보다 높은지를 확인할 수 있다.

연구 예시

항목	값
만족도 평균	4.12
비교 기준	3.00
연구문제	만족도는 보통 수준보다 높은가?

만약 분석 결과가 유의하게 나타난다면 학생들의 만족도는 평균 수준보다 높다고 해석한다.

2026.06.23 - [생산성 AI활용 통계분석] - 생산성 AI를 활용한 일표본 t-test(One-Sample t-test)

생산성 AI를 활용한 일표본 t-test(One-Sample t-test)

---

2. 독립표본 t-test

가장 많이 사용하는 t-test이다.
서로 다른 두 집단을 비교할 때 활용한다.

예를 들면

• 남학생 vs 여학생
• 수도권 vs 비수도권
• 공기업 vs 사기업

등이 있다.

연구 예시

구분	평균
남학생	3.75
여학생	4.21

여학생 평균이 더 높게 나타났지만 이것만으로는 결론을 내릴 수 없다.

t-test를 실시하여 실제 차이인지 확인해야 한다.

2026.06.23 - [생산성 AI활용 통계분석] - 생산성 AI를 활용한 독립표본 t-test(Independent Samples t-test)

생산성 AI를 활용한 독립표본 t-test(Independent Samples t-test)

독립표본 t-test의 핵심 확인 항목

항목	의미
Mean	평균
SD	표준편차
t	차이 정도
p	유의성 여부
Levene's Test	등분산성 검토

특히 Levene's Test는 독립표본 t-test에서 매우 중요하다.

등분산성 검토 기준

결과	해석
p > .05	등분산 가정 충족
p < .05	등분산 가정 위배

SPSS에서는 이 결과에 따라 위 행 또는 아래 행 결과를 선택한다.

---

3. 대응표본 t-test

같은 사람을 두 번 측정할 때 사용하는 방법이다.

교육 효과 연구에서 가장 많이 활용된다.

연구 예시

구분	평균
교육 전	3.12
교육 후	4.35

교육 후 점수가 증가했다고 해서 무조건 효과가 있다고 말할 수는 없다.
대응표본 t-test를 통해 통계적으로 유의한 향상인지 검증해야 한다.

2026.06.23 - [생산성 AI활용 통계분석] - 생산성 AI를 활용한 대응표본 t-test(Paired Samples t-test)

생산성 AI를 활용한 대응표본 t-test(Paired Samples t-test)

---

t값과 p값 이해하기

대부분의 연구자가 가장 많이 보는 수치는 t값과 p값이다.

t값: 평균 차이가 얼마나 큰지를 나타낸다.

t값	해석
0에 가까움	차이가 거의 없음
±2 이상	차이가 존재할 가능성
절대값이 클수록	차이가 큼

p값: 우연히 발생할 확률이다.

p값	해석
p > .05	차이가 없음
p < .05	차이가 있음
p < .01	매우 유의함
p < .001	매우 강한 유의성

연구에서는 보통 p < .05를 기준으로 사용한다.

---

효과크기(Cohen's d)

최근 논문에서는 p값만 보는 것이 아니라 효과크기를 함께 제시한다.
왜냐하면 통계적으로 유의하더라도 실제 영향력은 작을 수 있기 때문이다.

Cohen's d 기준

값	해석
0.20	작은 효과
0.50	중간 효과
0.80 이상	큰 효과

예를 들어, p < .001, Cohen's d = 0.92 라면 통계적으로도 유의하고 실제 영향력도 매우 큰 결과라고 해석할 수 있다.

---

t-test 분석절차

실제 연구에서는 다음 순서로 진행된다.

단계	수행 내용
1단계	연구문제 설정
2단계	가설 설정
3단계	데이터 수집
4단계	기술통계 분석
5단계	정규성 검토
6단계	등분산성 검토
7단계	t-test 실시
8단계	결과 해석

2026.06.23 - [생산성 AI활용 통계분석] - 생산성 AI를 활용한 일표본 t-test(One-Sample t-test)

생산성 AI를 활용한 일표본 t-test(One-Sample t-test)

2026.06.23 - [생산성 AI활용 통계분석] - 생산성 AI를 활용한 독립표본 t-test(Independent Samples t-test)

생산성 AI를 활용한 독립표본 t-test(Independent Samples t-test)

2026.06.23 - [생산성 AI활용 통계분석] - 생산성 AI를 활용한 대응표본 t-test(Paired Samples t-test)

생산성 AI를 활용한 대응표본 t-test(Paired Samples t-test)