통계는 정확하게, 분석은 편리하게
대조군을 포함한 2~5개 그룹의 날짜별 비교 · ANOVA–Dunnett 또는 Kruskal–Wallis–Dunn. 모든 통계 계산은 브라우저에서 수행합니다.
어떤 데이터에 사용하나요?
대조군을 포함한 2~5개 그룹의 연속형 측정값을 각 측정일별로 비교합니다. 선택한 분산 검정 결과에 따라 일원분산분석(ANOVA) 또는 Kruskal–Wallis 검정을 적용하며, 전체 검정이 유의한 경우 Dunnett 또는 Dunn 검정으로 각 투여군을 대조군과 비교합니다.
1. Study Information
| Study No. | Test Article | ||
|---|---|---|---|
| Species / Strain | Sex | ||
| Study Director | Study Date |
2. 원자료 불러오기
데이터 입력 안내
본 프로그램은 여러 시점에 측정한 자료를 각 Day별로 비교합니다. 데이터 입력 형식은 아래와 같습니다.
반복 측정 데이터 · 여러 Day의 자료
같은 개체에서 여러 날짜에 측정한 자료를 입력할 때 사용합니다. 한 행에 개체 한 마리의 자료를 넣고, Group 열로 그룹을 구분합니다. 식별번호 열은 선택 사항이며, 날짜별 측정값을 각각의 Day 열에 입력합니다.
반복 측정 데이터 입력 예시
| Group | Subject ID | 0 day | 7 day | 14 day | … | 70 day |
|---|---|---|---|---|---|---|
| control | 1M01 | 210.1 | 222.4 | 234.0 | … | 330.5 |
| control | 1M02 | 212.3 | 224.5 | 235.2 | … | 331.0 |
| T1 | 2M01 | 211.5 | 228.6 | 246.7 | … | 340.2 |
그룹명과 식별번호 형식은 자유입니다. 날짜 열은 0 day 또는 Day 0처럼 작성하고, 같은 Day를 중복하지 마세요. 최대 200개 Day와 2~5개 그룹을 지원합니다. 그룹별·날짜별 데이터 개수가 달라도 분석할 수 있습니다. 측정값이 없으면 빈칸으로 두세요. 빈칸은 분석에서 제외되며, 숫자 0은 실제 데이터로 인식합니다. 결과는 Day별 비교표와 그룹 추이 그래프로 표시됩니다.
본 프로그램은 각 날짜에서 대조군과 시험군을 비교합니다. ID·번호 열은 분석 제외로 지정하세요.
위 표의 숫자와 …는 형식 설명용입니다. 실제 입력 파일에는 실제 측정값을 사용하며, 생략 기호 …를 측정값으로 입력하지 마세요.
CSV·붙여넣기는 오프라인에서 작동합니다. XLSX는 파일 해석용 SheetJS 라이브러리를 인터넷에서 불러와야 합니다.
파일을 불러오면 그룹 수·개체 수·측정 시점 수를 표시합니다.
불러온 원자료 확인
표를 좌우로 스크롤해 모든 Day를 확인할 수 있습니다.
숫자 0은 관측값입니다. 빈 셀은 제외하며, 자료 중간의 빈 셀을 제거해 위아래 값을 합치지 않습니다. 번호·ID·기타 열은 위에서 분석 제외로 선택하세요. 제외된 열의 원자료는 유지됩니다.
3. 그룹 간 비교 설정
Group 열에 입력된 실제 그룹명을 기준으로 구분합니다. Day별로 그룹을 비교하며 Day는 그룹이 아닙니다. 대조군은 아래에서 선택합니다.
번호·ID 등은 제외를 권장합니다. 체크한 열은 분석용 원자료에서도 표시되지 않습니다.
4. 통계처리방법 및 실행
Bartlett 기반 · 분석 경로 자동 선택 (독성시험 통계분석)
각 Day의 Bartlett p값에 따라 아래 모식도의 경로로 자동 분석합니다.
Flow Chart / Explanation(Open / Close)(Open / Close)
일원 ANOVA
전체 p < 0.05
Dunnett 대조군 비교Kruskal–Wallis
전체 p < 0.05
Dunn 대조군 비교Bonferroni 보정
Detailed Flow Chart Explanation(Open / Close) ▾
1. 최상단: 분산 동질성 검정 (Test for Homogeneity of Variance)
Bartlett's test
- 여러 용량군(대조군, 저·중·고용량군 등)의 분산(Variance)이 서로 같은지(등분산성)를 확인하는 검정입니다.
- 독성시험 통계에서는 데이터가 정규성을 만족한다는 전제 하에, 이 분산 동질성 여부에 따라 모수적 방법을 쓸지 비모수적 방법을 쓸지 갈림길이 나뉘게 됩니다.
2. 왼쪽 경로: 분산 동질성이 충족될 때 (p > 0.05)
One-way ANOVA
- 분산이 서로 비슷하다는 가정(p > 0.05, 등분산 만족)이 성립하므로, 모수적 방법인 일원 ANOVA를 수행하여 전체 그룹 간에 유의한 차이가 있는지 확인합니다(전체 p < 0.05).
Dunnett's test
- 전체 ANOVA 결과 유의성이 확인되면, 앞서 다른 것처럼 오직 대조군과 각 용량군을 1:1로 비교하는 데 최적화된 던넷 검정을 사후검정으로 실시하여 구체적인 독성 발현 용량을 찾습니다.
3. 오른쪽 경로: 분산 동질성이 충족되지 않을 때 (p ≤ 0.05)
Kruskal–Wallis test
- 분산이 서로 다르거나(이분산성, p ≤ 0.05) 정규성 가정이 심각하게 깨질 경우, 순위(Rank) 기반의 비모수적 방법인 Kruskal-Wallis 테스트를 통해 전체 집단 간 차이를 검정합니다.
Dunn's test with Bonferroni correction
- 비모수 환경에서 대조군과 각 투여군을 비교하기 위해 Dunn 검정을 사용하며, 다중 검정으로 인해 발생하는 제1종 오류(위양성)를 통제하기 위해 본페로니 보정(Bonferroni correction)을 함께 적용합니다.
검정은 모두 양측입니다. 유의성은 반올림 전 p값 기준(* p<0.05, ** p<0.01)입니다.
\n
댓글 쓰기