[ 이토록 쉬운 통계&R 100일 프로젝트 ] 90일차

공부 페이지

334 페이지 ~ 335 페이지

배운 개념

다른차이들의 분산분석 결과 살펴보기

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

> summary(aov(통화건수~연령대, data=call_chicken))               Df   Sum Sq Mean Sq F value Pr(>F)     연령대         5  8228983 1645797    1027 <2e-16 *** Residuals   8384 13432951    1602                    --- Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1   > summary(aov(통화건수~성별, data=call_chicken))               Df   Sum Sq Mean Sq F value   Pr(>F)     성별           1   138583  138583   54.01 2.18e-13 *** Residuals   8388 21523351    2566                      --- Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1   > summary(aov(통화건수~요일, data=call_chicken))               Df   Sum Sq Mean Sq F value Pr(>F)     요일           6   946229  157705   63.82 <2e-16 *** Residuals   8383 20715704    2471                    --- Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

cs

모든 변수의 p-값이 조금씩 다르긴 하지만, 유의수준 0.05보다 훨씬 작기 때문에 모든 변수들이 차이를 설명해준다. 즉, 연령대와 성별, 요일에 따라 치킨주문 통화량에 차이가 있다고 결론을 낼 수 있다.

따라서 치킨주문 통화량은 연령대, 성별, 요일, 그리고 시군구마다 다르다, 라는 결론인데 어떻게 보면 당연하다. 조금만 관점을 바꿔보자.

차이를 잘 설명하는 변수 중 가장 통화량의 차이를 크게 설명하는 변수는 무엇일까?

지금까지 살펴본 분석마느로 판단할 수가 없다. p-값이 더 작으면 중요한 변쉴 것 같지만, p-값은 유의성 검정에만 활용될 뿐, 서로 조건이 다른 변수들의 p-값을 비교하는 것은 의미가 없다.

이런 상황에서 통계 모형을 활용한다. 회귀모형을 비롯한 다양한 통계 모형 중 이번에는 의사결정나무, 줄여서 트리 모형을 살펴보자

다음 시간에 배울 것

의사결정나무