같은 B반 점수 27쌍인데, T.TEST의 유형 칸에 3을 넣으면 p값이 0.208, 1을 넣으면 0.030입니다. 엑셀의 T.TEST는 두 범위와 꼬리 수, 유형을 받아 p값을 돌려주고, 유형은 1, 2, 3 가운데 하나를 사람이 직접 고릅니다. 유형은 자료가 어떻게 모였는지를 보고 정하는 값입니다.
가상의 누리대학교 사범대학 4학년 권나윤 씨는 한결중학교 1학년 두 반에서 교육실습을 하면서 같은 단원을 A반은 강의식으로, B반은 토론식으로 가르쳤습니다. 서술형 부분 점수를 포함한 단원 퀴즈(100점 만점)를 수업 전과 후에 같은 문항으로 보았고, 점수는 사전점수와 사후점수 두 시트에 따로 정리해 두었습니다. 실습 보고서에는 토론식으로 가르친 B반의 점수가 올랐는지, 두 반의 증가량이 다른지를 쓰려고 합니다. B반만 모아 T.TEST로 계산한 초안의 p값은 0.208이었고, 권 씨는 이 값을 보고 B반은 점수가 오르지 않았다고 쓸 뻔했습니다.
이 장에서 다루는 것
| 이런 분께 | 교육실습이나 연구에서 두 집단의 점수를 비교해야 하는 학부생·대학원생, 수업 전후 점수를 정리하는 교사 |
| 진행 방식 | ② Claude for Excel — 엑셀 사이드바에서 열린 점수 파일의 확인할 것을 묻고, 검정 유형과 유의수준은 사람이 정한 뒤, 점수·짝정리·검정표·요약·검산 시트를 수식으로 받기 |
| 준비 파일 | 가상 단원 퀴즈 점수(두 반 60명, 사전점수·사후점수 시트)가 든 엑셀 파일 한 개 |
| 완성 파일 | 두 반 비교 작업본(요약·점수·짝정리·검정표·검산 시트, 수업정보·초안·사전점수·사후점수 시트 포함) |
| 엑셀 기능 | T.TEST(유형 1·2·3), INDEX, MATCH, IFERROR, IF, AND, ISNUMBER, COUNTIFS, COUNTIF, COUNTA, SUM, SUMIFS, COUNT, AVERAGE, STDEV.S, VAR.S, SQRT, T.DIST.2T, T.INV.2T, ROUND, SUMPRODUCT, ABS, 조건부 서식 |
| 쓰는 도구 | Claude for Excel과 엑셀. 클로드 대화창에 파일을 첨부해도 됩니다 |
| 핵심 키워드 | 두 집단 비교 · T.TEST 유형 · 대응표본 · 독립표본 · 유의수준 · 증가량 비교 · 검산 |
| 난이도 | ●●○ 중급 — 검정 유형과 해석은 사람이 정하고, 짝 맞추기와 검정 수식은 클로드가 짭니다 |
먼저 답부터
검정할 수 있습니다. 점수 파일을 열어 둔 채 Claude for Excel에 “검정하기 전에 확인할 것부터 알려 줘”라고 하면, 빈 점수와 두 시트의 순서, 초안이 쓴 T.TEST 유형을 셀 위치와 함께 받아 볼 수 있습니다. 두 점수가 같은 학생에게서 나온 짝인지, 유의수준과 꼬리 수, 무엇을 비교할지는 사람이 정합니다. 이 사례에서 B반의 사전·사후는 같은 학생 27명의 점수라서 유형 1을 썼고 p값은 0.030이었습니다. A반은 같은 방식으로 0.442였지만, 두 반의 증가량을 직접 비교한 p값은 0.256이어서 B반이 A반보다 더 올랐다고 쓸 수는 없습니다. 보고서에 옮기기 전에 확인할 것을 목록으로 받고, 검산 열다섯 줄이 모두 맞는지 본 뒤 결과를 씁니다. 두 반은 무작위로 나눈 것이 아니므로 결과를 수업 방식의 효과로 단정하지 않습니다(가상 사례의 설정입니다).
SECTION 22-1
22-1 같은 점수, 다른 p값
이 장의 학교와 학생, 점수는 모두 가상입니다. 학번은 가명 ID(A01~A30, B01~B30)이고, 사례를 위해 정한 값이 많습니다.
권 씨의 파일에는 시트가 넷 있습니다. 수업정보 시트에는 대상과 수업 방식, 측정 날짜(사전 9월 22일, 사후 10월 6일)가 적혀 있습니다. 사전점수 시트는 출석번호 순서로 학번, 반, 점수를 적었고 결시한 학생의 점수 칸은 비어 있습니다. 사후점수 시트는 시험지가 걷힌 순서로 적었고 결시한 학생은 줄이 없습니다. 초안 시트는 권 씨가 B반 점수를 모아 처음 검정해 본 시트입니다. 두 반 각 30명 가운데 사전 점수가 비어 있는 학생이 2명(A07·B19), 사후 시트에 없는 학생이 4명(A07·A25·B04·B22)이고, A07은 두 경우에 모두 해당합니다. 사전과 사후 점수가 모두 있는 학생은 55명(A반 28명, B반 27명)입니다.
권 씨는 B반 학생 가운데 두 점수가 모두 있는 27명을 초안 시트에 모아 사전과 사후를 나란히 놓고 =T.TEST(B5:B31,C5:C31,2,3)을 넣었습니다. 유형 칸의 3은 서로 다른 두 집단을 비교할 때 쓰는 값입니다. 사전 평균은 68.4점, 사후 평균은 70.7점이었고 p값은 0.208로 유의수준 0.05보다 컸습니다.
같은 학생이 두 번 잰 점수
Microsoft의 T.TEST 안내는 유형을 셋으로 나눕니다. 1은 짝을 이룬 자료(paired, 대응표본), 2는 분산이 같다고 보는 두 집단, 3은 분산이 같다고 보지 않는 두 집단입니다(2와 3은 독립표본). 사전과 사후가 같은 학생에게서 나왔다면 한 학생의 두 점수가 짝을 이룹니다. 유형 1은 학생마다 사후에서 사전을 뺀 차이를 구해 그 차이의 평균이 0과 다르다고 볼 수 있는지를 봅니다. 유형 2와 3은 두 줄을 서로 다른 사람들의 점수로 놓고 두 평균을 견줍니다.
B반 학생들의 사전 점수는 58점에서 78점까지 퍼져 있고, 사전 점수가 높은 학생은 사후에도 대체로 높습니다(두 점수의 상관계수 0.71). 서로 다른 집단으로 계산하면 학생마다 다른 점수 수준이 오차에 그대로 들어갑니다. 같은 학생끼리 짝지으면 학생 개인의 수준은 차이를 구하는 단계에서 상쇄되어, 학생별 차이의 흩어짐만 오차로 남습니다. 사전·사후 점수의 상관이 높을수록 두 방식의 p값이 크게 벌어집니다. 유형 2와 3은 두 줄의 인원이 27명씩으로 같아 t값이 같고, p값도 0.2075와 0.2079로 거의 같습니다.
| 유형 | 자료를 이렇게 본다 | B반 사전→사후 p값 |
|---|---|---|
| 1 | 짝을 이룬 자료 (같은 학생의 사전·사후) | 0.030 |
| 2 | 서로 다른 두 집단, 분산이 같다고 봄 | 0.208 |
| 3 | 서로 다른 두 집단, 분산이 같다고 보지 않음 | 0.208 |
학생별로 선을 그어 보면 같은 학생을 이어서 보는 이유가 드러납니다. 반 평균만 보면 두 점이지만, 한 줄 한 줄은 학생 한 명의 사전과 사후입니다.
올라간 학생은 A반이 28명 가운데 17명, B반이 27명 가운데 16명(점수가 같은 학생 1명, 내려간 학생 10명)으로 비슷합니다. 평균 증가량은 B반이 더 큽니다.
한 반만 유의하다는 말의 함정
A반도 같은 방식으로 계산하면 유형 1의 p값이 0.442이고, 평균 차이는 0.75점입니다. B반은 2.37점에 p값 0.030입니다. 한 반은 0.05보다 크고 한 반은 작으니 두 반이 다르다고 쓰고 싶어집니다. 그러나 반마다 따로 한 검정으로는 두 반의 차이를 판단할 수 없습니다.
Gelman과 Stern(2006)은 이 문제를 논문 제목으로 삼았습니다. “The Difference Between ‘Significant’ and ‘Not Significant’ is not Itself Statistically Significant”입니다. 한쪽 결과는 유의하고 다른 쪽은 유의하지 않다는 사실만으로는 두 결과 사이에 차이가 있다고 할 수 없고, 두 결과의 차이를 직접 검정해야 한다는 주장입니다. 이 사례에서 학생별 증가량(사후−사전)을 두 반 사이에 비교하면 유형 3의 p값은 0.256입니다. 증가량의 평균은 A반 0.75점, B반 2.37점으로 1.62점 차이가 나지만, 유의수준 0.05를 기준으로 하면 두 반의 증가량이 다르다고 판단하기 어렵습니다. 사후 점수끼리만 비교하는 방법도 적절하지 않습니다. 사전 평균이 71.4점과 68.4점으로 달라 처음 차이와 수업의 영향이 섞이기 때문입니다. 사후 평균만 보면 오히려 A반이 1.40점 높고(72.14점, 70.74점) p값은 0.500입니다.
순서가 어긋난 짝
사전 시트는 출석번호 순서이고 사후 시트는 제출 순서입니다. 두 시트의 줄 위치를 그대로 짝으로 삼아 유형 1을 계산하면 서로 다른 학생을 짝지은 셈이 됩니다. 사후 시트에서 B반 학생은 B10, B14, B05 순서로 나오고 사전 시트에서는 B01, B02, B03 순서로 나옵니다. 점수가 있는 B반 학생 27명을 두 시트의 줄 순서대로 짝지어 보면 p값이 0.244입니다. 계산은 되지만 해석할 수 없는 값입니다. 같은 학생끼리 짝을 지으려면 학번으로 맞춥니다.
| 파일에 있던 것 | 초안에서 생길 수 있는 일 | 이 사례의 값 |
|---|---|---|
| 사전·사후 점수가 없는 학생 | 사전 빈 칸 2명, 사후 시트에 없는 학생 4명 → 짝이 없는 학생 5명 | 5명 |
| 사전은 출석번호, 사후는 제출 순서 | 줄 위치로 짝지으면 서로 다른 학생끼리 비교됨 | 줄 순서 짝 p값 0.244 |
| 초안이 고른 유형 | 같은 학생의 사전·사후를 서로 다른 집단으로 계산 | 유형 3 p값 0.208 |
| 두 반의 시작 점수 차이 | 사후 점수끼리 비교하면 처음 차이가 섞임 | 사전 평균 71.4점과 68.4점 |
| 한 반만 유의하다는 결과 | 두 반의 차이를 직접 검정하지 않음 | 증가량 차이 p값 0.256 |
엑셀왕 TIP p값을 구하기 전에 자료가 어떻게 모였는지부터
같은 사람에게서 두 번 잰 값인지, 서로 다른 사람들의 두 집단인지를 먼저 확인합니다. 유형 칸에는 이 설계가 들어가므로 결과를 본 뒤에 p값이 작은 쪽을 고르지 않습니다. 유의수준과 꼬리 수도 계산하기 전에 정합니다.
SECTION 22-2
22-2 사본 열기에서 검산까지 다섯 단계
예제 zip의 ‘원본’ 폴더에 ‘교육방법_점수.xlsx’가 들어 있습니다. 학교, 학생, 점수는 모두 가상이고 학번은 가명 ID입니다. 이 파일을 엑셀에서 열어 순서대로 따라 합니다.
클로드에서는 Claude for Excel로 열린 통합문서 읽기
Claude 문서(2026년 10월 31일 확인)는 Claude for Excel이 엑셀 사이드바에서 열려 있는 통합문서를 읽고 답하며, 답에 셀 단위 인용이 붙어 누르면 그 셀로 이동한다고 안내합니다. 수식 관계를 유지한 채 값을 바꾸고, 정렬·필터·피벗·조건부 서식·데이터 유효성 목록을 다룰 수 있으며, 기존 데이터를 덮어쓰기 전에 경고하고 위험한 작업은 실행 전에 확인을 받습니다. Pro, Max, Team, Enterprise 요금제에서 쓸 수 있습니다.
데이터 표와 매크로(VBA)는 지원하지 않고, Excel 2016·2019 영구·볼륨 라이선스, iPad, Android에서는 쓸 수 없습니다. 웹 엑셀, Windows의 Microsoft 365(16.0.13127.20296 이상), Mac(16.46 이상)에서 지원합니다. 문서는 신뢰할 수 있는 스프레드시트에만 쓰고, 넓게 고치기 전에 신뢰하는 사본에서 시작하며, 감사 수준의 정확성이 필요한 계산은 검증 없이 쓰지 말고, 최종 산출물은 사람이 검토하라고 안내합니다. Claude for Excel에 물으면 통합문서 내용이 클로드 쪽으로 보내져 처리되고, 문서에 따르면 입력과 출력은 30일 안에 백엔드에서 삭제됩니다. 학생 점수는 실습 학교의 자료이므로 이름과 연락처는 지우고 가명 학번으로 바꾼 사본에서 작업하며, 실습 학교와 지도교사의 자료 사용 안내가 있으면 그 기준을 따릅니다. 이 글의 답변은 재현이라 실제 답과 다를 수 있으니, 받은 수식은 STEP 5의 검산 시트로 확인합니다.
STEP 1 사본을 열고 확인할 것 묻기
사전점수 시트와 사후점수 시트에서 같은 학생을 이어 주는 열은 학번뿐이므로, 학번이 두 시트에서 같은 표기인지만 확인합니다. 이름과 연락처가 있으면 지운 사본을 만들고, 정리는 이 사본에서 합니다. 줄 순서는 원래대로 두고, 어긋난 순서도 클로드가 확인할 정보로 남깁니다. 사전점수·사후점수 시트의 칸은 작업이 끝날 때까지 그대로 둡니다.
이렇게 말하기
한결중학교 1학년 두 반 사전·사후 점수야. 두 반의 점수 차이를 검정하고 싶어. 검정하기 전에 확인할 것부터 알려 줘. 고치지는 말고 어디에 있는지만 알려 줘.
답에 들어가야 할 내용
· 사전 시트와 사후 시트의 점수 수를 세고, 빈 점수와 사후 시트에 없는 학생을 학번으로 알려 줍니다.
· 두 시트의 줄 순서가 같은지 확인하고, 다르면 학번으로 맞춰야 한다고 알려 줍니다.
· 초안의 T.TEST 유형을 읽고, 같은 학생이 두 번 쟀다면 유형이 맞는지를 되묻습니다.
· 두 반의 사전 평균이 다른지 살펴, 사후 점수끼리 비교할 때 생기는 문제를 알려 줍니다.
· 표본 수와 극단값, 차이의 분포에 대한 가정을 알려 줍니다.
재현 화면의 답에서 클로드는 초안의 유형이 틀렸다고 단정하지 않고, 같은 학생을 두 번 쟀다면 짝을 이룬 자료로 볼 수 있다고 되묻습니다. 두 점수가 같은 학생에게서 나왔는지는 점수만 봐서는 알 수 없습니다. 수업 전후에 같은 학생에게 같은 문항으로 시험을 보았다는 사실을 아는 사람이 정합니다.
STEP 2 연구 설계와 기준 정하기
클로드가 물은 것은 권 씨가 정합니다. 아래는 이 사례를 위해 정한 기준입니다. 실제로는 연구 설계와 지도교사·지도교수의 안내에 맞춥니다.
| 정할 것 | 이 사례의 답 |
|---|---|
| 짝 | 한 반 안의 사전과 사후는 같은 학생의 점수이므로 학번으로 맞춘 짝으로 보고 유형 1을 씁니다 |
| 빠진 점수 | 사전이나 사후가 없는 학생은 빼고, 몇 명이 빠졌는지 적습니다 |
| 유의수준과 꼬리 수 | 0.05, 양측 |
| 두 반 비교 | 학생별 증가량(사후−사전)을 두 반 사이에 견주고, 서로 다른 학생 집단이므로 유형 3을 씁니다 |
| 원본 | 사전점수·사후점수 시트의 칸은 고치지 않습니다 |
유형 2는 두 집단의 분산이 같다고 가정하는데, 권 씨는 그 가정을 따로 확인하지 않아 두 반 비교에 유형 3을 골랐습니다. 초안의 p값을 이미 보았더라도, 유형 1을 고른 근거는 같은 학생을 두 번 잰 설계에 있습니다. 이 근거를 방법 절에 적어 둡니다.
이렇게 답하기
같은 반 안의 사전과 사후는 학번으로 맞춰 짝을 이룬 자료로 보고 T.TEST 유형 1을 써 줘. 사전이나 사후가 없는 학생은 빼 줘. 유의수준은 0.05, 꼬리 수는 양측으로 하고 설정 칸에 적어 줘. 두 반을 비교할 때는 학생별 증가량(사후−사전)을 비교하고 유형 3을 써 줘. 사전점수와 사후점수 시트는 고치지 마.엑셀왕 노트 표본이 작을 때는 극단값부터
표본이 27~28명이라 점수가 크게 달라진 학생 한두 명이 평균 차이와 p값을 움직일 수 있습니다. 학생별 변화를 그림으로 보고, 극단값이 있으면 채점 실수인지 결시 뒤 재시험인지처럼 원인을 확인합니다. 원인이 분명하지 않은 점수는 빼지 말고 그대로 두며, 확인한 내용을 보고서에 적습니다.
STEP 3 점수·짝정리·검정표 받기
이렇게 말하기
점수 시트에 학번 목록을 두고 사전과 사후를 학번으로 찾아와 줘. 두 점수가 모두 있는지, 차이, 반별 짝 순번을 붙이고, 짝이 완전한 학생만 반별로 모은 짝정리 시트를 만들어 줘. 검정표 시트에는 A반·B반 사전→사후(유형 1), 두 반 사후 점수(유형 3), 두 반 증가량(유형 3)을 넣고, 같은 B반 값을 유형 3과 유형 2로 계산한 줄도 비교용으로 나란히 보여 줘. 유형 1 줄은 손계산과 95% 신뢰구간도 붙이고, 숫자를 모은 요약 시트도 만들어 줘.답에 들어가야 할 내용
· 점수 시트에 학번으로 사전과 사후 점수를 찾아오고, 두 점수가 모두 있는지(짝 완전), 차이, 반별 짝 순번, 짝 키를 수식으로 붙입니다.
· 짝정리 시트에 반별로 짝이 완전한 학생의 사전·사후·차이를 이어서 모읍니다.
· 검정표 시트에 비교 여섯 줄의 유형, 표본 수, 평균, 평균 차이, p값, 판정을 만듭니다. 유의수준과 꼬리 수는 설정 칸을 참조합니다.
· 유형 1 줄은 t값과 p값을 손계산으로도 구하고 평균 차이의 95% 신뢰구간을 붙입니다.
점수 시트의 E열은 사전과 사후가 모두 숫자인 학생에게 1, 아니면 0을 줍니다. 사전과 사후를 학번으로 가져올 때 원본이 빈 칸이면 빈 문자열을 돌려주도록 식을 짭니다. INDEX가 빈 칸을 그대로 가져오면 0이 되어 0점으로 계산에 들어가기 때문입니다. 사후 시트에 없는 학생은 MATCH가 오류를 내므로 IFERROR로 같은 빈 문자열을 돌려줍니다. 이렇게 하면 ISNUMBER가 거짓이어서 짝 완전이 0이 됩니다. 짝 순번은 같은 반에서 짝이 완전한 학생이 몇 번째인지를 COUNTIFS로 세고, 짝 키는 ‘A반-1’처럼 반과 순번을 이어 붙인 값입니다. 짝정리 시트는 이 키를 INDEX와 MATCH로 찾아 사전과 사후를 가져옵니다.
수식 읽기 점수 G5
=IF(E5=1,COUNTIFS($B$5:B5,B5,$E$5:E5,1),"")· $B$5:B5 → 범위의 시작은 고정하고 끝만 이 줄을 따라 내려갑니다. 이 줄까지 같은 반이 몇 번 나왔는지를 셉니다.
· $E$5:E5, 1 → 짝 완전이 1인 줄만 셉니다. 짝이 없는 학생은 순번을 받지 않습니다.
· IF(E5=1, …, “”) → 짝이 없는 학생의 칸은 빈 문자열로 둡니다.
짝 없는 학생을 짝정리에서 빼는 것은 T.TEST 때문입니다. Microsoft 안내는 유형 1에서 두 범위의 자료 개수가 다르면 #N/A가 나온다고 합니다. 빈 칸이 들어간 범위를 T.TEST가 어떻게 다루는지는 이 장에서 확인하지 않았으므로, 모든 칸이 채워진 범위만 씁니다.
수식 읽기 검정표 J9
=T.TEST(짝정리!$G$5:$G$31,짝정리!$H$5:$H$31,$B$4,1)· 짝정리!$G$5:$G$31과 $H$5:$H$31 → B반 27명의 사전과 사후 점수 범위입니다.
· $B$4 → 꼬리 수를 적어 둔 설정 칸이고 값은 2(양측)입니다.
· 마지막 1 → 유형 1, 짝을 이룬 자료입니다.
같은 시트의 손계산 열은 유형 1이 하는 일을 풀어 놓은 것입니다. t값(I열)은 평균 차이를 표준오차(차이의 표준편차 STDEV.S를 √짝 수로 나눈 값)로 나눈 값이고, 식은 =H9/(STDEV.S(짝정리!$I$5:$I$31)/SQRT(D9))입니다. p값은 =T.DIST.2T(ABS(I9),D9-1)로 구합니다. T.DIST.2T는 x가 0 이상이어야 하므로 ABS를 씌우고, 자유도는 짝 수에서 1을 뺀 값입니다. B반은 t값 2.29, 자유도 26에서 p값 0.030이 나와 T.TEST의 값과 같습니다. 유형 2 줄(4번)에도 두 집단의 분산을 합쳐 구한 t값과 p값 손계산이 있어, 검산 시트에서 T.TEST 값과 대조합니다. 유형 3 줄은 t값만 손계산하고, 자유도를 소수로 계산하는 식이라 p값 손계산은 생략했습니다.
평균 차이의 95% 신뢰구간은 T.INV.2T로 구합니다. A반은 0.75점(−1.22점~2.72점), B반은 2.37점(0.25점~4.50점)입니다. A반의 구간은 0을 포함하고 B반의 구간은 0을 포함하지 않으므로 p값의 판단과 일치합니다. p값이 0.05보다 크다는 사실만으로 변화가 없었다고 말할 수는 없습니다. A반의 구간이 −1.22점에서 2.72점까지 넓은 것이 그 예입니다. 두 구간의 폭이 4점 안팎이어서 평균 차이가 정확히 얼마인지는 이 표본으로 좁게 말하기 어렵습니다.
두 반의 비교는 5번과 6번 줄입니다. 5번 줄의 평균 차이 −1.40은 B반 사후 평균에서 A반 사후 평균을 뺀 값입니다. 사후 점수끼리는 p값이 0.500이고, 증가량끼리는 0.256입니다. 둘 다 0.05보다 큽니다.
STEP 4 확인 목록과 요약
보고서에 결과를 옮기기 전에, 사람이 기록과 맞춰 볼 항목을 클로드에게 추리게 합니다. 보고서 문장을 쓰는 일은 권 씨가 합니다.
이렇게 말하기
검정표를 보고서에 옮기기 전에 내가 확인할 것을 알려 줘. 보고서 문장은 아직 쓰지 마.
요약 시트는 학생 수와 짝 수, 두 반의 평균 차이, 검정표의 p값을 한곳에 모으고, 맨 아래 검산 결과 칸은 STEP 5에서 검산 시트를 만든 뒤 채웁니다. B반 유형 1의 p값 0.030 옆에는 같은 값을 유형 3으로 잘못 계산한 0.208이 붉은 칸으로 함께 있어, 보고서에 옮길 값과 비교용 값을 구별할 수 있습니다.
STEP 5 검산하고 결과 읽기
검산 시트는 열다섯 줄이고, 줄마다 계산한 값과 기대하는 값, 차이를 나란히 둡니다. 첫 열두 줄은 시트끼리 맞춰 봅니다. 원본 시트의 점수 수가 점수 시트로 그대로 왔는지, 짝 완전과 짝 없음을 더하면 학생 수인지, 짝정리의 점수 합이 점수 시트와 같은지, 유형 1과 유형 2의 p값이 손계산과 같은지를 봅니다. 나머지 세 줄은 짝 완전 학생 수와 B반 유형 1의 p값, 두 반 증가량의 p값을 따로 구한 기대값과 비교합니다.
이렇게 말하기
계산이 맞는지 검산 시트에 열다섯 줄로 확인해 줘. 원본 시트와 점수 시트의 점수 수, 짝 완전 + 짝 없음 = 학생 수, A반 짝 수 + B반 짝 수 = 짝 완전, 반별 사전·사후 합이 짝정리와 점수 시트에서 같은지, 짝 순번 수, 유형 1과 유형 2의 p값이 손계산과 같은지 보고, 짝 완전 학생 수와 B반 유형 1 p값, 두 반 증가량 p값(소수 셋째 자리)은 내가 불러 주는 기대값과 비교해 줘. 기대값: 짝 완전 55명, B반 p값 0.030, 증가량 p값 0.256.답에 들어가야 할 내용
· 점수 수와 합계가 시트 사이에서 맞는지 수식으로 맞춰 봅니다.
· T.TEST의 p값과 손계산한 p값을 소수 열째 자리까지 비교합니다.
· 짝 완전 학생 수와 p값 두 개를 따로 구한 기대값과 비교합니다(예제 파일에서는 파이썬으로 계산한 값이며, 내 파일에서는 손으로 세거나 통계 프로그램으로 구해 넣습니다).
· 차이를 계산해 모두 0이면 점검 결과를 ‘일치’로 표시합니다.
검산이 일치하면 점수가 시트 사이에서 빠지거나 바뀌지 않았고, T.TEST 값이 손계산과 같다는 것까지 확인됩니다. 유형을 연구 설계에 맞게 골랐는지, 짝이 없는 학생이 왜 빠졌는지는 검산이 알려 주지 못하므로 STEP 4의 확인 목록으로 사람이 확인합니다. 보고서에는 p값 하나만 쓰지 않고 평균 차이와 신뢰구간, 사용한 검정과 짝 수를 함께 씁니다.
보고서에 쓸 문장 예
B반에서 같은 학생의 사전과 사후 점수를 짝지어 대응표본 t 검정을 한 결과, 평균 차이는 2.37점(95% 신뢰구간 0.25~4.50, n = 27, p = 0.030)이었다. A반의 평균 차이는 0.75점(95% 신뢰구간 −1.22~2.72, n = 28, p = 0.442)이었다. 서로 다른 두 반의 증가량을 독립표본 t 검정(분산이 같다고 보지 않는 방식)으로 비교한 결과 평균 차이는 1.62점(95% 신뢰구간 −1.21~4.45, A반 n = 28, B반 n = 27, p = 0.256)으로 통계적으로 유의하지 않았다. 사전이나 사후 점수가 없는 5명은 분석에서 제외했다. 두 반은 무작위로 배정되지 않았고 같은 문항으로 두 번 시험을 보았으므로 이 결과를 수업 방식의 효과로 해석하지 않는다.
엑셀왕 노트 통계 방법은 지도교수와 맞추기
이 장은 대응표본 t 검정과 증가량 비교까지만 다룹니다. 사전 점수를 보정해 두 반을 비교하는 방법처럼 다른 분석을 쓰는 경우도 있습니다. 보고서에 어떤 방법을 쓸지는 지도교사나 지도교수와 맞춥니다. 같은 문항으로 두 번 시험을 보면 두 번째 점수가 문항에 익숙해져 오르는 효과도 있을 수 있습니다.
SECTION 22-3
22-3 누가 무엇을 하나
| 맡는 쪽 | 하는 일 |
|---|---|
| 연구자 | 가명 학번 사본을 만들고, 자료가 짝을 이루는지, 유의수준과 꼬리 수, 무엇을 비교할지를 계산 전에 정합니다. 확인 목록대로 결시 기록과 한계를 맞춰 보고, 결과를 연구 설계에 맞게 읽어 보고서에 적습니다. |
| 클로드 | 빈 점수, 시트 순서, 초안의 유형을 셀 위치와 함께 짚고, 짝 맞추기와 검정·요약·검산 수식을 짭니다. 같은 값을 다른 유형으로 계산한 결과도 비교용으로 보여 주고, 확인할 것을 목록으로 정리합니다. |
| 엑셀 | 학번으로 짝을 맞추고, T.TEST로 p값을 계산하고, 손계산과 신뢰구간을 내고, 열다섯 줄의 차이를 계산합니다. |
통계 프로그램에도 대응표본·독립표본 t 검정 기능이 있습니다. 엑셀에서 식을 직접 세우면 어떤 줄이 어떤 짝으로 계산에 들어갔는지를 칸 단위로 볼 수 있고, 프로그램의 결과와 견주어 볼 수도 있습니다.
요청문 모아 보기
이렇게 말하기
[STEP 1] 한결중학교 1학년 두 반 사전·사후 점수야. 두 반의 점수 차이를 검정하고 싶어. 검정하기 전에 확인할 것부터 알려 줘. 고치지는 말고 어디에 있는지만 알려 줘.
[STEP 2] 같은 반 안의 사전과 사후는 학번으로 맞춰 짝을 이룬 자료로 보고 T.TEST 유형 1을 써 줘. 사전이나 사후가 없는 학생은 빼 줘. 유의수준은 0.05, 꼬리 수는 양측으로 하고 설정 칸에 적어 줘. 두 반을 비교할 때는 학생별 증가량(사후−사전)을 비교하고 유형 3을 써 줘. 사전점수와 사후점수 시트는 고치지 마.
[STEP 3] 점수 시트에 학번 목록을 두고 사전과 사후를 학번으로 찾아와 줘. 두 점수가 모두 있는지, 차이, 반별 짝 순번을 붙이고, 짝이 완전한 학생만 반별로 모은 짝정리 시트를 만들어 줘. 검정표 시트에는 A반·B반 사전→사후(유형 1), 두 반 사후 점수(유형 3), 두 반 증가량(유형 3)을 넣고, 같은 B반 값을 유형 3과 유형 2로 계산한 줄도 비교용으로 나란히 보여 줘. 유형 1 줄은 손계산과 95% 신뢰구간도 붙이고, 숫자를 모은 요약 시트도 만들어 줘.
[STEP 4] 검정표를 보고서에 옮기기 전에 내가 확인할 것을 알려 줘. 보고서 문장은 아직 쓰지 마.
[STEP 5] 계산이 맞는지 검산 시트에 열다섯 줄로 확인해 줘. 원본 시트와 점수 시트의 점수 수, 짝 완전 + 짝 없음 = 학생 수, A반 짝 수 + B반 짝 수 = 짝 완전, 반별 사전·사후 합이 짝정리와 점수 시트에서 같은지, 짝 순번 수, 유형 1과 유형 2의 p값이 손계산과 같은지 보고, 짝 완전 학생 수와 B반 유형 1 p값, 두 반 증가량 p값(소수 셋째 자리)은 내가 불러 주는 기대값과 비교해 줘. 기대값: 짝 완전 55명, B반 p값 0.030, 증가량 p값 0.256.같은 요청을 다시 보내도 결과가 똑같이 나온다는 보장은 없으므로 검산 시트로 확인합니다. 클로드 대화창에 파일을 첨부해 같은 요청을 보내도 됩니다.
내 자료에 바꿔 쓰기
| 자료 | 첫 문장 바꿔 쓰기 |
|---|---|
| 같은 학생의 수업 전후 점수 | “같은 학생의 사전·사후 점수야. 학번으로 맞춰 짝을 이룬 자료로 보고 유형 1로 검정해 줘 …” (짝 없는 학생은 빼고, 몇 명이 빠졌는지 적기) |
| 남학생과 여학생의 점수 비교 | “두 집단의 점수 비교야. 서로 다른 학생이므로 유형 3으로 검정해 줘 …” (집단 크기가 크게 다르면 그 점을 확인하게 하기) |
| 같은 사람이 두 방식으로 과제를 한 경우 | “같은 사람이 방식 A와 방식 B로 과제를 했어. 짝을 이룬 자료로 검정해 줘 …” (어느 방식을 먼저 했는지의 순서 효과는 연구자가 확인) |
| 세 집단 이상의 비교 | T.TEST는 두 집단을 비교하는 함수입니다. 집단이 셋 이상이면 이 장의 범위를 넘으므로 분산분석 같은 방법을 지도교수와 정하기 |
이 장의 핵심
T.TEST의 유형은 자료가 어떻게 모였는지로 계산 전에 정합니다. 같은 학생의 사전·사후는 짝을 이룬 자료(유형 1), 서로 다른 학생의 두 집단은 유형 3 또는 유형 2입니다. 같은 B반 점수가 유형 1에서 0.030, 유형 3에서 0.208이었습니다.
짝은 학번으로 맞춥니다. 두 시트의 줄 순서를 믿지 않고, 짝이 없는 학생은 빼고 몇 명이 빠졌는지 적습니다. 원본 시트의 칸은 고치지 않습니다.
두 집단이 다른지는 두 집단의 차이를 직접 검정해 판단합니다. 한 집단만 유의하다는 결과로는 판단할 수 없습니다. 열다섯 줄의 검산이 맞는지 본 뒤 평균 차이와 신뢰구간을 함께 씁니다.
직접 해 보기 C반 사전·사후
예제 파일의 ‘직접해보기/교육방법_점수_C반.xlsx’에는 같은 단원 퀴즈 점수를 같은 방식으로 정리한 C반 24명의 사전점수와 사후점수 시트가 들어 있습니다. 사전 점수가 빈 학생 1명(C12)과 사후 시트에 없는 학생 2명(C06, C18)이 있습니다. 사전·사후 점수가 모두 있는 학생이 몇 명인지 세고, 그 학생들의 점수를 같은 학생의 짝으로 보아 유의수준 0.05, 양측으로 검정해 봅니다. 같은 점수를 서로 다른 두 집단으로 계산하면 어떻게 달라지는지도 비교해 봅니다.
답 예시
(교육방법_점수_C반.xlsx를 연 채로) C반의 사전점수와 사후점수 시트야. 학번으로 맞춰서 사전·사후 점수가 모두 있는 학생이 몇 명인지 알려 줘. 그 학생들의 사전·사후를 짝을 이룬 자료로 보고 T.TEST 유형 1로 검정해 줘. 유의수준 0.05, 양측으로 하고, 같은 값을 유형 3으로 계산한 결과도 비교용으로 보여 줘. 평균 차이의 95% 신뢰구간도 구해 줘.사전·사후 점수가 모두 있는 학생은 21명입니다. 사전 평균은 64.43점, 사후 평균은 67.14점으로 평균 차이는 2.71점(95% 신뢰구간 0.13점~5.30점)입니다. 유형 1의 p값은 0.041로 0.05보다 작고, 같은 점수를 유형 3으로 계산하면 0.327입니다. B반과 같은 모양의 결과입니다. 사후 시트는 제출 순서이므로 학번으로 맞췄는지를 먼저 확인하고, 짝이 없는 학생 3명이 빠졌다는 점을 함께 적습니다.
C반 점수는 사례를 위해 만든 자료입니다.
APPENDIX
예제 파일
두 반 60명의 사전·사후 점수를 담은 ‘원본/교육방법_점수.xlsx’, 요약·점수·짝정리·검정표·검산 시트를 더하고 수업정보·초안·원본 점수 시트를 함께 담은 ‘완성예시/누리대_두반_비교.xlsx’, ‘직접해보기/교육방법_점수_C반.xlsx’, 파일 설명을 적은 ‘읽어보기.txt’를 한 번에 받을 수 있습니다. 학교, 학생, 점수는 모두 가상 데이터입니다.
이 글에 대하여
예제 파일의 수식과 본문 숫자는 2026년 10월 31일 LibreOffice로 다시 계산해 확인했습니다. 점수 짝 맞추기와 p값, 신뢰구간은 같은 규칙을 파이썬으로 따로 계산한 값과 맞춰 보았고, 본문의 ‘줄 순서대로 짝지은 p값’, 보고서 예시문의 증가량 차이 신뢰구간, ‘직접 해 보기’의 숫자는 파이썬으로 계산했습니다. 엑셀에서 열었을 때 수식 결과가 같게 보이는지는 직접 확인해 보시기 바랍니다. 이 글의 화면은 모두 예제 파일 값으로 다시 그린 ‘재현 화면’이며, Claude for Excel 사이드바의 답변은 설명을 위해 구성한 재현이어서 실제 응답은 다를 수 있습니다. 점수는 B반의 p값이 유형에 따라 0.030과 0.208로 갈리고 A반은 유의하지 않도록 설계한 가상 데이터이고, 두 반의 수업 방식과 학생 수는 사례를 위해 정한 값입니다.
T.TEST의 유형 1(짝을 이룬 자료)·2(분산이 같다고 보는 두 집단)·3(분산이 같다고 보지 않는 두 집단) 구분과 유형 1에서 두 범위의 자료 개수가 다르면 #N/A가 나온다는 설명은 Microsoft 지원 문서 T.TEST function(2026년 10월 31일 확인)을 기준으로 적었습니다. T.DIST.2T의 x가 0 이상이어야 한다는 설명은 T.DIST.2T function을 기준으로 했습니다. 두 집단의 유의성 차이를 직접 검정해야 한다는 설명은 Gelman & Stern(2006), The Difference Between “Significant” and “Not Significant” is not Itself Statistically Significant을 기준으로 적었습니다. Claude for Excel의 지원 환경과 기능은 Claude 문서 Claude for Excel(2026년 10월 31일 확인)을 기준으로 적었습니다. 서비스 화면과 지원 범위는 바뀔 수 있습니다.
이 연재는 저자가 기획하고 AI 도구의 도움을 받아 집필·정리했습니다. 구성, 사실 확인, 표현, 최종 판단과 출판 책임은 저자와 출판사에 있습니다. 클로드와 엑셀의 화면과 기능은 바뀔 수 있으며, 이 글은 2026년 10월 기준입니다. 2026년 10월 31일 개정: 검산을 열다섯 줄로 늘리고, 보고서에 옮기기 전 확인 목록을 더했습니다.
『클로드 엑셀왕』 연재 목록 · 이전 편: 참고문헌 목록 정리하기, 참고문헌 목록을 정리하고 중복을 찾을 수 있나요? · 다음 편: 선행연구 정리표 만들기, 논문 여러 편을 한 표로 정리할 수 있나요?