데이터 정규성(normality)이란 측정된 데이터의 분포가 정규분포 모양과의 근접한 정도를 의미합니다.
데이터의 정규성을 평가하기 위해서는 첨도(kurtosis)와 왜도(skewness)를 조사하여 정규성을 평가할 수 있습니다.
첨도는 분포 모양의 뾰족한 정도를 나타내는 통계량입니다. 그리고 왜도는 분포 모양의 비대칭도를 나타내는 통계량입니다. 정규분포나 t-분포와 같이 평균을 중심으로 대칭 모양의 분포의 경우, 왜도의 값은 0 입니다.
모수 기반의 통계적 기법(parametric test)을 사용하는 경우에는 데이터의 정규성을 반드시 평가해야 합니다.
특히, 최대 우도 추정법(maximum likelihood estimation; MLE)을 사용하여 구조방정식 모형(structural equation model)을 분석하기 위해서는 측정된 데이터가 정규성의 특징을 가지는 지에 대해서 반드시 평가해야 합니다(Benson & Fleishman, 1994).
데이터의 첨도와 왜도의 모든 절대값 들이 2.3을 넘지 않으면 정규성을 위반하지 않는다고 판정합니다(Lei & Lomax, 2005).
테이블이 나타내는 첨도와 왜도의 모든 절대값들은 2.3을 넘지 않습니다. 따라서 데이터는 정규성을 위반하지 않는 것으로 평가할 수 있습니다.
Benson, J. & Fleishman, J. A. (1994). The robustness of maximum likelihood and distribution-free estimators to non-normality in confirmatory factor analysis. Quality and Quantity, 28(2), 117-136.
Lei, M., & Lomax, R. G. (2005). The effect of varying degrees of non-normality in structural equation modeling. Structural Equation Modeling, 12(1), 1-27.
