비즈니스 데이터로 배우는 분산분석 (ANOVA)

분산분석(ANOVA, Analysis of Variance)은 세 개 이상의 그룹 간 평균 차이를 검정하는 통계 기법입니다. 비즈니스 현장에서 마케팅 캠페인 효과 비교나 여러 지점의 매출 차이처럼 여러 그룹의 성과를 비교해야 할 때 유용하게 활용됩니다. 이번 포스트에서는 일원배치 분산분석(One-way ANOVA)과 이원배치 분산분석(Two-way ANOVA)의 개념을 살펴보고, Python으로 실제 비즈니스 데이터를 분석하는 실습을 해보겠습니다. 특히 Kaggle의 공개 데이터셋을 활용하여, 마케팅 캠페인 실험 데이터와 슈퍼마켓 지점 매출 데이터를 예제로 다뤄보겠습니다.

1. 아노바 분석 개념

일원배치 분산분석 (One-way ANOVA)

일원배치 분산분석은 **하나의 요인(factor)**에 따른 여러 그룹의 평균을 비교하는 분석입니다. 예를 들어 세 가지 다른 마케팅 캠페인(A, B, C)의 효과를 비교하고자 할 때, 각 캠페인 그룹의 평균 매출에 유의한 차이가 있는지 검정할 수 있습니다. 귀무가설 $H_0$는 “모든 그룹의 모평균이 같다”이며, 대립가설 $H_1$는 “적어도 한 그룹의 평균이 다르다”입니다. ANOVA는 그룹 간 분산과 그룹 내 분산의 비율로 F-통계량을 계산하고, 이를 통해 $p$-값을 산출합니다. $p$-값이 유의수준(alpha)보다 작으면 귀무가설을 기각하고 그룹 간 평균 차이가 통계적으로 유의함을 인정합니다.

이원배치 분산분석 (Two-way ANOVA)

이원배치 분산분석은 두 개의 요인이 동시에 종속변수에 미치는 영향을 분석합니다. 예를 들어 지점 (서울, 부산, 대구)과 고객 유형 (멤버십 고객, 일반 고객) 두 가지 요인이 매출에 미치는 효과를 동시에 분석할 수 있습니다. 이원분산분석은 각 요인의 **주 효과(main effect)**와 두 요인의 **상호작용 효과(interaction)**를 검정합니다. 상호작용이란 한 요인의 효과가 다른 요인의 수준에 따라 달라지는지를 의미합니다. 예를 들어 멤버십 여부에 따른 매출 증감 효과가 지점별로 다르게 나타난다면 두 요인 간 상호작용이 존재한다고 볼 수 있습니다. 이원 ANOVA의 귀무가설은 각 요인에 대해 “각 수준의 평균이 같다”이며, 추가로 “상호작용 효과가 없다”를 함께 검정합니다.

ANOVA의 가정 (정규성, 등분산성 등)

ANOVA를 사용하려면 몇 가지 전제 조건을 만족해야 합니다 ( Understanding one-way ANOVA using conceptual figures - PMC  ):

• 정규성: 각 그룹의 데이터 분포는 정규분포를 따른다고 가정합니다. 표본 크기가 충분히 크다면 중심극한정리에 의해 크게 문제되지 않지만, 작을 경우 Shapiro-Wilk 검정 등으로 정규성을 확인할 수 있습니다.
• 등분산성: 모든 그룹의 모분산이 동일해야 합니다 (Homoscedasticity). 이를 위해 Levene’s test나 Bartlett’s test 등을 사용해 등분산 검정을 수행할 수 있습니다. 등분산성이 크게 깨진 경우 Welch의 ANOVA 등을 고려합니다.
• 독립성: 각 표본은 서로 독립적으로 추출되어야 합니다 ( Understanding one-way ANOVA using conceptual figures - PMC  ). 실험 설계 상 한 그룹 내 관측치들이 서로 독립이어야 하고, 그룹 간에도 독립적이어야 합니다. 이러한 가정을 만족하지 않으면 ANOVA 결과의 신뢰도가 떨어질 수 있으므로, 사전에 검정하거나 대안을 사용해야 합니다. 예를 들어 정규성 가정이 어긋나면 비모수 검정인 Kruskal-Wallis 테스트를, 등분산성이 어긋나면 Welch ANOVA를 사용할 수 있습니다.

2. 비즈니스 활용 사례

마케팅 캠페인 효과 비교

신제품을 출시한 패스트푸드 체인이 세 가지 다른 마케팅 캠페인을 시험했다고 가정해봅시다. 각각의 캠페인을 적용한 지역에서 4주간 주별 매출을 측정한 데이터가 있다고 하면, 어느 캠페인이 가장 효과적인지 알고 싶을 것입니다. 이 경우 캠페인 종류라는 한 가지 요인이 매출에 영향을 준다고 보고 일원배치 ANOVA를 활용할 수 있습니다. 귀무가설은 “세 캠페인의 평균 매출에 차이가 없다”가 되고, 이를 ANOVA로 검정하여 $p$-값이 유의수준보다 작으면 캠페인 간 효과 차이가 있다고 결론내립니다. 이후 어떤 캠페인끼리 유의한 차이가 있는지 확인하려면 **사후검정(post-hoc test)**으로 Tukey HSD 같은 방법을 적용할 수 있습니다.

예시 시나리오: 한 패스트푸드 회사가 신메뉴 출시를 앞두고 세 가지 프로모션 (프로모션 1, 2, 3)을 시범 운영했습니다. 무작위로 선택된 여러 매장에 각각 다른 프로모션을 적용하고 4주간 신메뉴 매출(천 달러 단위)을 추적했습니다 (BITM 215 Customer Analytics Data Set.xlsx - Scenario A fast food chain plans to add a new item to its menu. However they are still undecided between | Course Hero). 이제 어느 프로모션이 매출 상승에 가장 효과적인지 분석해야 합니다.

지점별 매출 차이 분석

프랜차이즈 소매업체에서 **여러 지점(branch)**의 매출 실적에 차이가 있는지 파악하고자 할 때 ANOVA를 사용할 수 있습니다. 예를 들어 A, B, C 세 지점의 1인당 구매금액 혹은 영수증 당 매출액을 비교해 봄으로써, 특정 지점의 판매 성과가 유의하게 높은지 알 수 있습니다. 이 경우 지점이라는 하나의 요인에 대해 일원배치 ANOVA를 수행하면 됩니다. 하지만 비즈니스에서는 종종 매출에 영향을 미칠 다른 요인들도 함께 고려하고 싶습니다. 예를 들어 고객 유형(멤버십 가입 여부)이 매출 규모에 영향이 있고, 지점별 고객 구성에 차이가 있다면, 지점 효과와 고객 유형 효과를 분리해서 보고 싶을 것입니다. 이런 경우 이원배치 ANOVA를 통해 지점 요인과 고객 유형 요인의 주효과 및 상호작용을 동시에 검정할 수 있습니다. 이를 통해 “지점에 따른 매출 차이”와 “멤버십 여부에 따른 매출 차이”를 모두 한 번의 분석으로 평가하고, 두 요인이 결합되어 독특한 영향을 미치는지도 파악할 수 있습니다.

예시 시나리오: 한 슈퍼마켓 체인은 세 도시의 지점(A=양곤, B=만달레이, C=네피도)을 운영하며, 고객을 멤버십 회원과 일반 고객으로 구분하고 있습니다. 3개월 간 수집된 판매 거래 데이터를 통해, 지점별 거래당 평균 매출에 차이가 있는지, 또 멤버십 회원 여부에 따라 구매 금액 차이가 있는지 분석하려고 합니다. 이 사례에서는 지점 (A, B, C)과 고객 유형 (회원, 일반) 두 요인이 결합된 이원배치 ANOVA를 적용할 수 있습니다.

3. Python 실습: ANOVA 분석

두 가지 비즈니스 사례에 대해 실제 데이터를 가지고 Python으로 분석을 수행해보겠습니다. 첫 번째는 패스트푸드 마케팅 캠페인 실험 데이터, 두 번째는 슈퍼마켓 지점 매출 데이터입니다. 데이터를 불러오고 전처리한 뒤, scipy, statsmodels 라이브러리를 사용해 ANOVA를 실행하고 결과를 해석해보겠습니다. 또한 시각화를 통해 그룹 간 분포와 차이를 직관적으로 살펴보겠습니다.

예제 1: 일원분산분석 – 마케팅 캠페인 효과

먼저 Kaggle에서 제공된 패스트푸드 마케팅 캠페인 A/B 테스트 데이터셋을 사용하겠습니다 (A/B Testing: A Data-Driven Approach to Boost Fast-Food Sales - Around Data Science ). 이 데이터에는 여러 매장에서 실시한 프로모션 1, 2, 3의 주차별 매출이 포함되어 있습니다. 각 행은 특정 매장의 주차별 매출로, 주요 컬럼은 다음과 같습니다.

• Promotion: 시행한 프로모션 종류 (1, 2, 3)
• SalesInThousands: 해당 주의 매출액 (단위: 천 달러)(이 외에도 MarketID, LocationID 등의 정보가 있으나, 여기서는 프로모션과 매출만 사용) 먼저 데이터를 불러오고 프로모션별 요약 통계를 확인해보겠습니다.

import pandas as pd
 
# 데이터 불러오기 (로컬에 CSV를 다운로드 받았다고 가정)
df_campaign = pd.read_csv('WA_Marketing-Campaign.csv')
print(df_campaign[['Promotion', 'SalesInThousands']].head())
print(df_campaign['Promotion'].value_counts())
print(df_campaign.groupby('Promotion')['SalesInThousands'].mean())
 

예를 들어 위 코드의 출력으로 프로모션별 건수와 평균 매출을 보면 다음과 같을 것입니다:

   Promotion  SalesInThousands
0          3             33.73
1          3             35.67
2          3             29.03
3          3             39.25
4          2             27.81

1    44건
2    44건
3    36건
Name: Promotion, dtype: int64

Promotion
1    40.72
2    30.15
3    33.99
Name: SalesInThousands, dtype: float64

(예시는 가상 출력이며, 실제 데이터와 다를 수 있습니다.) 위 결과를 해석하면, 프로모션 1의 평균 매출이 약 40.72 (천 달러)로 가장 높고, 프로모션 2가 약 30.15로 가장 낮습니다. 프로모션 3은 33.99로 중간 정도입니다. 이제 이 차이가 통계적으로 유의한지 ANOVA로 검정해보겠습니다.

정규성 및 등분산성 검정

ANOVA를 수행하기 전에 각 그룹이 ANOVA의 가정을 만족하는지 확인해보겠습니다. 우선 정규성은 각 프로모션 그룹의 분포를 살펴보고 Shapiro-Wilk 검정을 적용해볼 수 있습니다. 그리고 등분산성은 Levene 검정을 통해 세 그룹의 분산이 동일한지 확인합니다.

from scipy.stats import shapiro, levene
 
# 각 프로모션 그룹의 Shapiro-Wilk 정규성 검정
for promo, group_data in df_campaign.groupby('Promotion')['SalesInThousands']:
    stat, pval = shapiro(group_data)
    print(f'Promotion {promo} 정규성 p-value: {pval:.3f}')
 
# 등분산성 검정 (Levene)
stat, pval = levene(df_campaign[df_campaign['Promotion']==1]['SalesInThousands'],
                    df_campaign[df_campaign['Promotion']==2]['SalesInThousands'],
                    df_campaign[df_campaign['Promotion']==3]['SalesInThousands'])
print(f'등분산성 검정 p-value: {pval:.3f}')
 

Promotion 1 정규성 p-value: 0.053
Promotion 2 정규성 p-value: 0.146
Promotion 3 정규성 p-value: 0.888
등분산성 검정 p-value: 0.954

위 결과 (가상)에서 각 그룹의 Shapiro-Wilk 검정 $p$-값이 0.05보다 크므로 정규성 가정을 받아들일 수 있고, Levene 등분산성 검정의 $p$-값도 0.95로 등분산 가정을 충족한다고 볼 수 있습니다. 따라서 ANOVA를 적용하기에 적절한 조건이 만족되었습니다.

ANOVA 수행 및 결과 해석

SciPy의 f_oneway 함수를 사용하여 일원배치 ANOVA를 수행하겠습니다.

from scipy.stats import f_oneway
 
# 그룹별 데이터 준비
sales_p1 = df_campaign[df_campaign['Promotion']==1]['SalesInThousands']
sales_p2 = df_campaign[df_campaign['Promotion']==2]['SalesInThousands']
sales_p3 = df_campaign[df_campaign['Promotion']==3]['SalesInThousands']
 
Fstat, pval = f_oneway(sales_p1, sales_p2, sales_p3)
print(f'ANOVA F 통계량: {Fstat:.3f}, p-value: {pval:.6f}')
 

ANOVA F 통계량: 20.766, p-value: 0.000000

ANOVA 결과 $p$-값이 매우 작게 나왔습니다 (예: $2.94\times10^{-7}$로 0.000001 미만). 이는 세 프로모션 간 평균 매출에 유의한 차이가 있다는 것을 의미합니다. 다시 말해 적어도 한 프로모션은 다른 프로모션들과 평균 매출이 다릅니다. F 통계량이 약 20.77로 상당히 높게 나온 것도 그룹 간 변동이 그룹 내 변동에 비해 크다는 것을 보여줍니다. 이제 어떤 프로모션끼리 차이가 있는지를 알아보기 위해 **사후검정(Tukey HSD)**을 수행해 보겠습니다.

import statsmodels.api as sm
from statsmodels.stats.multicomp import pairwise_tukeyhsd
 
# 데이터 프레임에서 Tukey 검정 수행
tukey = pairwise_tukeyhsd(df_campaign['SalesInThousands'], df_campaign['Promotion'], alpha=0.05)
print(tukey)
 

 Multiple Comparison of Means - Tukey HSD, FWER=0.05
=====================================================
 group1 group2 meandiff p-adj   lower    upper  reject
-----------------------------------------------------
      1      2  -10.567  0.001  -14.564  -6.570   True
      1      3   -6.730  0.003  -11.345  -2.114   True
      2      3    3.837  0.121   -0.778   8.453  False
-----------------------------------------------------

Tukey HSD 결과에 따르면 (숫자는 예시):

• 프로모션 1과 2 사이의 평균 차이는 약 10.57 (천달러)로, p-값 0.001 미만으로 유의합니다. 즉 프로모션 1이 2보다 매출이 크게 높다는 것을 확인했습니다.
• 프로모션 1과 3 사이도 평균 차이 약 6.73으로 유의합니다 (p≈0.003). 프로모션 1이 3보다 매출이 높습니다.
• 프로모션 2와 3 사이의 차이는 약 3.84로 보이지만 p-값 0.12로 유의수준 0.05보다 크므로 차이가 통계적으로 유의하지 않습니다. 즉 프로모션 2와 3의 평균 매출은 유의미한 차이를 보이지 않았습니다. 종합하면, 프로모션 1이 가장 효과적이며 2, 3에 비해 매출을 유의하게 높였습니다. 프로모션 3은 프로모션 2보다 평균적으로 매출이 높았지만 통계적으로는 확실한 차이를 보이지 않았습니다.

시각화를 통한 확인

박스플롯을 사용하면 각 프로모션의 매출 분포 차이를 시각적으로 비교할 수 있습니다.

import seaborn as sns
import matplotlib.pyplot as plt
 
sns.boxplot(x='Promotion', y='SalesInThousands', data=df_campaign)
plt.title('프로모션 종류별 주당 매출 분포')
plt.xlabel('프로모션 종류')
plt.ylabel('매출 (천달러)')
plt.show()
 

만약 그래프를 그린다면, 프로모션 1 상자의 중앙값과 위치가 2, 3보다 훨씬 위에 있고 분포도 전체적으로 높게 나타날 것입니다. 프로모션 2와 3의 분포는 서로 약간 겹치지만 3이 2보다 다소 높은 경향을 보일 것입니다. (여기서는 그래프를 텍스트로 대체합니다.) 이 결과를 바탕으로, 회사는 프로모션 1이 가장 효과적인 캠페인 전략임을 데이터로 입증할 수 있습니다. 따라서 신메뉴 전국 출시에 프로모션 1 방식을 채택하는 것을 고려할 수 있습니다.

예제 2: 이원분산분석 – 지점 및 고객유형에 따른 매출

다음으로 슈퍼마켓 지점별 매출 데이터를 활용해 보겠습니다. Kaggle의 “Supermarket Sales” 데이터셋에서 일부를 가져왔습니다. 이 데이터는 미얀마의 세 개 도시 지점(A, B, C)의 판매 기록으로, 약 3개월간의 거래 내역 1000건을 포함합니다. 주요 컬럼은:

• Branch: 지점 (A = Yangon, B = Mandalay, C = Naypyitaw)
• Customer type: 고객 유형 (Member = 멤버십 회원, Normal = 일반 고객)
• Total: 거래 한 건당 총 매출 금액 (USD)(그 외 상품 유형, 날짜 등 여러 정보가 있으나 여기서는 위 변수들만 사용) 목표는 지점에 따른 평균 매출의 차이를 검정하고, 동시에 고객 유형에 따른 매출 차이도 확인하는 것입니다. 또한 지점과 고객 유형 간에 상호작용 효과(예: 어떤 지점에서는 멤버십 고객이 특히 더 많이 구매하는 패턴)가 있는지도 살펴보겠습니다. 우선 데이터를 불러와 확인합니다.

df_sales = pd.read_csv('supermarket_sales.csv')
print(df_sales[['Branch','Customer type','Total']].head())
print(df_sales['Branch'].value_counts())
print(df_sales['Customer type'].value_counts())
print(df_sales.groupby('Branch')['Total'].mean())
print(df_sales.groupby('Customer type')['Total'].mean())
 

가상 출력:

  Branch Customer type   Total
0      A        Member 549.00
1      C        Normal  80.22
2      A        Normal 340.53
3      A        Member 489.05
4      A        Normal 634.38

A    340
B    332
C    328
Name: Branch, dtype: int64

Member    501
Normal    499
Name: Customer type, dtype: int64

Branch
A    322.98
B    312.37
C    315.23
Name: Total, dtype: float64

Customer type
Member    336.54
Normal    296.72
Name: Total, dtype: float64

위에서 지점별 건수와 평균을 보면, 지점 A의 거래당 평균 매출이 약 $322.98로 가장 높고 B가$312.37로 가장 낮습니다. 멤버십 고객의 1회 구매액 평균($336.54)이 일반 고객($296.72)보다 높게 나타납니다. 이제 이 차이들이 통계적으로 유의한지 이원배치 ANOVA로 검정해보겠습니다.

이원분산분석 수행

statsmodels의 선형 모형(OLS)을 사용하면 이원배치 ANOVA를 편리하게 수행할 수 있습니다. 공식(formula)을 이용해 종속변수를 ~ 요인1 * 요인2 형태로 지정하면 상호작용까지 포함됩니다.

import statsmodels.formula.api as smf
 
# Branch와 Customer type이 범주형임을 모델에 알리기 위해 C() 처리
model = smf.ols('Total ~ C(Branch) * C(Customer type)', data=df_sales).fit()
anova_table = sm.stats.anova_lm(model, typ=2)  # typ=2: Type II ANOVA
print(anova_table)
 

                           sum_sq    df           F        PR(>F)
C(Branch)                47000.5     2    0.872314     0.418
C(Customer type)       523400.2     1   19.481921     0.000
C(Branch):C(Customer type)  6000.8     2    0.223215     0.800
Residual              2643200.7   994         NaN       NaN

(수치는 예시입니다.) ANOVA 결과를 해석하면:

• 지점(Branch) 요인의 F(2,994)=0.87, p=0.418으로 지점 간 평균 매출 차이는 유의하지 않다고 나옵니다. 즉 A, B, C 지점 간 거래당 평균 매출에는 통계적으로 유의한 차이가 없다는 뜻입니다.
• 고객 유형(Customer type) 요인의 F(1,994)=19.48, p<0.001로 멤버십 고객과 일반 고객의 평균 구매 금액 차이가 유의합니다. 멤버십 고객의 1회 구매액이 더 크다는 것을 이전 평균에서 확인했는데, 이 차이가 통계적으로도 확실함을 보여줍니다.
• 지점 * 고객유형 상호작용 항의 p=0.800으로 매우 유의하지 않습니다. 즉 지점에 따른 고객 유형 효과 차이(상호작용)는 없다고 볼 수 있습니다. 멤버십의 효과는 모든 지점에서 비슷하게 나타나고, 지점별 매출 패턴도 멤버십 여부와 무관하게 비슷한 경향이라는 의미입니다. 이 결과를 바탕으로, 지점간 매출 차이는 크지 않지만 멤버십 여부가 매출에 큰 영향을 준다고 결론지을 수 있습니다. 멤버십 고객이 일반 고객보다 한 번에 더 많은 금액을 쓰는 경향이 유의하게 관찰되므로, 전 지점에 걸쳐 멤버십 프로그램 강화를 통해 매출을 높이는 전략을 생각해볼 수 있습니다.

교차표와 시각화

더 직관적으로 이해하기 위해 지점별 * 고객유형별 평균을 피벗테이블로 만들어보겠습니다.

pivot_table = df_sales.pivot_table(values='Total', index='Branch', columns='Customer type', aggfunc='mean')
print(pivot_table)
 

Customer type    Member    Normal
Branch
A              341.50    304.46
B              331.28    293.46
C              336.85    292.12

(예시 수치) 모든 지점에서 Member 평균이 Normal 평균보다 높습니다. 지점 A, B, C 모두 멤버십 고객이 약 $40 정도 더 많이 구매하며, 지점 간 Member끼리, Normal끼리의 차이는 크지 않네요. 이는 상호작용이 없고 고객 유형 주효과만 있다는 ANOVA 결과와一致합니다. 시각화로는 seaborn의 barplot 등을 활용해보겠습니다.

sns.barplot(x='Branch', y='Total', hue='Customer type', data=df_sales, ci=95)
plt.title('지점별 고객유형에 따른 평균 구매금액')
plt.xlabel('지점')
plt.ylabel('평균 거래 금액')
plt.show()
 

이 그래프는 지점 A, B, C 각각에 대해 Member와 Normal 두 그룹의 평균 막대를 보여줄 것입니다 (오차막대는 95% 신뢰구간). 세 지점 모두 파란(Member) 막대가 주황(Normal) 막대보다 높게 나타나며, 지점 간에 막대 높이 차이는 크지 않을 것입니다. 이로써 멤버십 가입 고객이 비회원보다 구매 금액이 높다는 점을 한눈에 파악할 수 있습니다. 지점 간에는 큰 차이가 없으므로, 특정 지점이 유난히 성과가 낮거나 높다고 보긴 어렵습니다.

4. 분석 결과 해석 및 시사점

첫 번째 사례인 마케팅 캠페인 효과 비교에서는 세 가지 프로모션 중 프로모션 1이 가장 높은 매출 성과를 보였으며 통계적으로도 유의하게 우수함을 확인했습니다. 이는 의사결정자에게 프로모션 1에 마케팅 예산을 집중 투입하는 전략을 뒷받침해주는 근거가 됩니다. 반면 프로모션 2와 3은 큰 차이가 없었으므로, 프로모션 2의 성과를 끌어올리거나 보다 효율적인 캠페인으로 대체하는 방안을 고려할 수 있습니다. 두 번째 사례인 지점별 매출 ANOVA에서는 멤버십 고객 여부가 매출에 유의한 영향을 주지만 지점 간 차이는 크지 않다는 결론이 나왔습니다. 이는 모든 지점에서 회원 고객의 구매력이 높다는 것을 의미하며, 멤버십 프로그램을 강화하여 일반 고객을 회원으로 전환하도록 유도하면 전반적인 매출 상승을 기대할 수 있습니다. 지점 간 매출 평균에 유의한 차이가 없다는 것은, 특정 지점의 문제보다는 전사적인 고객 관리 전략이 중요함을 시사합니다. 물론 각 지점의 총매출은 고객 수에 따라 다를 수 있지만, 1인당 구매금액 측면에서는 큰 차이가 없으므로 지점 운영상 특별한 편차는 없어 보입니다. 요약하면, ANOVA 분석을 통해:

• 캠페인 효과: 가장 효과적인 캠페인을 식별하고 우선순위를 결정.
• 고객 세그먼트 효과: 멤버십 등 고객 세분화 전략의 가치를 정량적으로 확인.
• 지점 평가: 지점별 성과 차이가 크지 않음을 확인하여 인센티브나 리소스 분배에 참고. 이처럼 분산분석은 비즈니스 의사결정에 유용한 인사이트를 제공합니다. 단순 평균 비교를 넘어 통계적으로 신뢰할 수 있는 차이인지 검증함으로써, 근거 기반의 전략 수립을 도울 수 있습니다.

5. 주의사항 및 한계

마지막으로 ANOVA 적용 시 고려해야 할 사항과 한계를 짚어보겠습니다:

• 데이터의 독립성: ANOVA는 표본들이 독립이라는 전제가 있습니다. 첫 번째 사례에서 한 매장에서 4주의 매출을 반복 측정한 데이터는 사실 반복측정(Repeated Measures) 설계입니다. 이런 경우 일원배치 ANOVA를 그대로 적용하면 독립성 가정이 위배될 수 있습니다. 이상적으로는 반복측정 ANOVA 또는 혼합모형 등으로 매장별 효과를 고려해야 하나, 교육 목적상 단순화했습니다. 실무에서도 같은 대상의 반복 관찰 데이터에는 이를 고려한 모형을 써야 합니다.
• 정규성/등분산성 위배 시 대처: 가정이 크게 어긋나면, 데이터 변환(예: 로그 변환)이나 Welch ANOVA, 혹은 비모수 검정을 사용해야 합니다. 예를 들어 매출 데이터의 분포가 한쪽으로 치우쳤다면 로그 변환으로 분포를 정규화한 뒤 ANOVA를 할 수 있습니다. 또는 그룹 분산 차이가 크다면 Welch의 ANOVA는 등분산 가정 없이 평균 차이를 검정해 줍니다.
• 사후검정 다중비교 보정: 일원ANOVA에서 유의한 결과가 나와 여러 그룹을 비교할 때는 Tukey 검정처럼 다중비교 보정을 적용해야 합니다. 그룹이 많을수록 유의확률을 보정하지 않으면 오류 I종이 증가합니다. 본 예시에서는 Tukey HSD를 사용하여 보정된 $p$-값으로 검정했습니다.
• 해석상의 주의: ANOVA는 차이가 “있는지 없는지”를 말해주지만, 어떤 요인이 얼마나 영향력이 큰지 직접 알려주지는 않습니다. 예를 들어 이원 ANOVA에서 한 요인이 유의하더라도, 실무적 중요도는 효과 크기나 평균차의 **크기(effect size)**를 함께 고려해야 합니다. 또한 통계적 유의성과 비즈니스상 의미가 반드시 일치하는 것은 아니므로, 현업 의사결정에는 도메인 지식과 함께 해석해야 합니다.
• 표본 크기와 검정력: 표본 수가 적으면 ANOVA에서 차이가 있어도 검출하지 못할 수 있습니다. 반대로 표본 수가 매우 크면 작은 차이도 유의하게 나올 수 있습니다. 예를 들어 지점 간 매출 차이가 실제로 소액이라도 수천 건의 데이터가 있으면 유의하게 나올 수 있습니다. 따라서 효과의 실질적 크기와 검정력을 함께 고려해야 합니다. 以上의 사항들을 염두에 두고 ANOVA를 적용하면, 비즈니스 데이터에 내재된 그룹 간 차이를 통계적으로 검증하여 보다 객관적인 의사결정을 할 수 있습니다. 데이터를 활용한 가설 검정은 **“직관을 데이터로 뒷받침”**하는 과정이며, ANOVA는 그 중 강력하고도 기본적인 도구로 활용될 수 있습니다. ( Understanding one-way ANOVA using conceptual figures - PMC  ) (A/B Testing: A Data-Driven Approach to Boost Fast-Food Sales - Around Data Science )