따라 하기 — 표본 파일에서 APA 문장까지
작은 설문 표본 하나로 끝까지 걸어 봅니다. 파일을 내려받아 올리고, 두 집단의 차이를 검정하고, 그대로 붙여 쓸 수 있는 APA 문장을 받는 데까지 여섯 마디입니다.
이 표본은 설명을 위해 지어낸 자료입니다 — 실제 응답이 아닙니다. 두 집단의 차이를 일부러 넣어 두었기 때문에 결과가 무엇을 말할지 미리 알 수 있습니다.
- 1
표본을 내려받습니다
60명 · 여섯 열(응답자 번호 · 성별 · 나이 · 부서 · 만족도 · 점수)짜리 CSV 한 장입니다. 엑셀에서 그대로 열립니다.
- 2
핵심통계에 올립니다
핵심통계는 빈도·기술통계·교차분석·t검정·ANOVA·상관·회귀를 한 자리에서 돌리는 작업대입니다. 방금 받은 파일을 그대로 올리면 됩니다.
- 3
무엇을 볼지 고릅니다
「성별에 따라 점수가 다른가」를 봅니다. 집단 변수로 성별을, 검정 변수로 점수를 고르면 독립표본 t검정이 섭니다. 어떤 검정이 맞는지 헷갈리면 화면이 자료 모양을 보고 먼저 권합니다.
- 4
돌립니다
계산은 통계 엔진이 합니다 — AI가 수를 만들지 않습니다. 같은 자료에는 언제나 같은 결과가 나옵니다.
- 5
결과를 읽습니다
집단별 평균과 표준편차, t 값과 자유도, 유의확률, 효과크기가 한 표에 옵니다. 등분산 가정이 지켜졌는지도 같은 자리에서 알려 줍니다. 아래가 이 표본으로 실제로 나온 값입니다.
- 6
ChatGPT·Claude 안에서도 같은 답
같은 자료를 AI 대화 안에서 물어도 같은 엔진이 돌고 같은 수가 돌아옵니다. 커넥터로 붙이는 방법은 안내 화면에 있습니다.
이 표본으로 실제로 나온 값
아래 수는 문서에 적어 둔 것이 아니라, 이 저장소의 시험이 위 표본을 엔진에 넣어 만든 값입니다.
| 집단 | N | 평균 | 표준편차 |
|---|---|---|---|
| F | 30 | 4.11 | 0.657 |
| M | 30 | 3.39 | 0.713 |
- t
- 4.058
- df
- 58
- p
- < .001
- Cohen's d
- 1.048
SPSS와 같은 자료로 대조해 3개 항목 중 3개가 일치했습니다.
그대로 붙여 쓰는 문장
gender에 따른 score의 차이를 검정하기 위해 독립표본 t검정을 실시하였다(N = 60). score에 대한 독립표본 t-검정 결과, F(M = 4.11, SD = 0.66)와(과) M(M = 3.39, SD = 0.71) 간에 유의한 차이가 있었다(t(58) = 4.06, p < .001, Cohen's d = 1.05, 평균차 = 0.72, 95% CI [0.36, 1.07]). 등분산 가정은 충족되었다(Levene p = .399).
엔진이 낸 문장 그대로입니다 — 화면이 다시 쓰지 않습니다.
ChatGPT·Claude에 그대로 붙여 넣기
Statory를 연결한 ChatGPT·Claude에 이 표를 붙여 넣고 성별에 따른 점수의 독립표본 t검정을 요청하세요. 답하는 엔진이 위 표를 낸 그 엔진입니다.
gender: F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M, F, M score: 4.12, 2.93, 1.91, 2.46, 4.90, 3.26, 4.67, 3.25, 4.45, 4.09, 4.17, 4.04, 3.93, 3.19, 3.09, 3.09, 4.12, 4.00, 4.09, 3.39, 4.25, 2.56, 4.11, 3.55, 4.79, 2.72, 3.95, 2.12, 4.26, 3.19, 3.38, 3.96, 4.97, 3.72, 4.72, 4.96, 2.87, 3.27, 4.12, 3.58, 3.64, 4.05, 4.56, 4.57, 5.00, 3.94, 3.98, 1.73, 3.62, 2.68, 4.29, 3.17, 4.04, 4.33, 4.54, 3.49, 4.29, 3.08, 4.42, 3.34