은행문제 사례연구

2026.09.21 권세혁

일변량분석 통계적 가설검정 개념 이해도

성별(Gender) 매출액(Sales) 차이에 대한 분석: 히스토그램

성별(Gender) 매출액(Sales) 차이에 대한 분석: 가설검정

[해석]

p-value < 0.05 이므로 귀무가설을 기각한다. 즉, Male CEO 기업의 평균 Sales가 Female CEO 기업보다 통계적으로 유의하게 높다.

Male 평균 1183.1 vs Female 평균 551.6 (차이 631.6, Cohen d = 1.81: 큰 효과)

성별(gender) 기업유형(business) 연관분석? 교차분석 개념

성별 기업유형 상대빈도 바차트 그리기

그래프를 보면 성별에 따라 기업유형의 분포가 다릅니다. Female CEO 기업은 유형 1이 30.7%로 Male(17.0%)보다 약 1.8배 높고, Male CEO 기업은 유형 3이 75.0%로 Female(59.4%)보다 15.6%p 높습니다. 유형 2는 9.9%와 8.0%로 큰 차이가 없습니다. 요약하면 두 집단 모두 유형 3이 가장 많지만, Female CEO 기업은 유형 1 쪽으로, Male CEO 기업은 유형 3 쪽으로 더 치우쳐 있습니다. 각 성별의 합을 1로 맞춘 성별 내 상대빈도이므로, 표본 크기가 101개와 952개로 크게 달라도 비교가 공정합니다.

이 차이가 우연이 아닌지 카이제곱 독립성 검정으로 확인했습니다. 결과는 χ² = 12.75, 자유도 2, p = 0.0017이므로 유의수준 0.05에서 "성별과 기업유형은 독립이다"라는 귀무가설을 기각합니다. 즉, 성별에 따라 기업유형 분포가 통계적으로 유의하게 다릅니다. 기대빈도로 비교하면 Female CEO 기업은 유형 1이 기대(18.5개)보다 많은 31개이고 유형 3은 기대(74.2개)보다 적은 60개입니다. 이 차이가 유의성을 만드는 주된 원인입니다. 다만 연관성의 크기(Cramér's V ≈ 0.11)는 작은 편이어서, 통계적으로는 분명한 차이지만 실질적인 차이는 크지 않습니다. 또한 Business 코드 1·2·3이 각각 어떤 기업유형인지에 따라 실질적인 해석이 달라지므로, 유형의 의미를 알려 주시면 더 구체적으로 풀이해 드리겠습니다. 이 결과는 연관성일 뿐 원인을 뜻하지는 않습니다.

성별에 따른 기업유형 차이가 있나? 카이제곱 독립성 검정

첫째 문단은 가설과 검정 결과입니다. 이 연구문제에 대한 귀무가설은 "성별과 기업유형은 독립이다(성별에 따른 기업유형 분포 차이가 없다)"이고, 대립가설은 "독립이 아니다(성별에 따라 기업유형 분포가 다르다)"입니다. 카이제곱 검정 결과 검정통계량이 12.75(자유도 2)이고 유의확률이 0.0017로 유의수준 0.05보다 훨씬 작습니다. 따라서 귀무가설을 기각하며, 성별에 따라 기업유형의 분포가 통계적으로 유의하게 다르다고 결론 내립니다. 기대빈도가 5 미만인 셀이 없어서 카이제곱 검정의 적용 조건도 충족합니다.

둘째 문단은 차이의 내용입니다. 행 퍼센트(성별 내 비율)를 보면 Female CEO 기업은 개인 30.7%, 파트너십 9.9%, 기업 59.4%이고, Male CEO 기업은 개인 17.0%, 파트너십 8.0%, 기업 75.0%입니다. 두 집단 모두 "기업" 유형이 가장 많지만, Male CEO 기업은 기업 유형 쪽으로 더 치우쳐 있습니다(약 15.6%p 높음). 반면 Female CEO 기업은 개인사업 형태의 비중이 Male보다 약 1.8배 높습니다. 파트너십은 두 집단의 차이가 작습니다. 개인 유형이 차이에 가장 크게 기여했으며, Female의 개인 유형 빈도는 기대빈도(18.5개)보다 많은 31개입니다(피어슨 잔차 2.90). 다만 연관성의 크기(Cramér's V = 0.110)는 작은 편이라, 통계적으로는 분명한 차이이지만 실질적인 차이는 크지 않습니다. 또한 이 결과는 성별과 기업유형이 연관되어 있다는 뜻일 뿐, 성별이 기업유형을 결정한다는 인과관계를 뜻하지는 않습니다.

​