회귀분석과 매개분석: 연구 통계 파이프라인을 자동화하는 법

회귀분석과 매개분석은 설문 기반 연구에서 가장 자주 쓰이는 방법이에요. 한 변수가 다른 변수를 예측하는지, 또는 그 관계가 어떤 매개 메커니즘을 거쳐 작동하는지를 검정하는 연구라면, 둘 중 하나(또는 둘 다)는 거의 반드시 다루게 됩니다.

이 글에서는 핵심 개념과 흔히 빠지는 함정, 그리고 자동화된 파이프라인이 실무 워크플로를 어떻게 바꾸는지를 풀어 봅니다.

다중 회귀분석: 설문 연구의 일꾼

다중 회귀분석은 두 개 이상의 예측 변수에서 결과 변수를 예측합니다. 설문 연구에서는 보통 이런 모습이에요.

• 지각된 유용성과 지각된 사용 용이성이 기술 수용 의도를 예측하는가?
• 어떤 요인(근무 환경, 급여 만족, 관리 품질)이 이직 의도를 가장 잘 예측하는가?

회귀식은 각 예측 변수의 계수를 추정해서, 다른 변수를 통제한 상태에서 그 변수와 결과 사이 관계의 방향과 강도를 알려줍니다.

반드시 점검해야 할 가정

회귀 결과는 다음 가정이 성립할 때만 유효해요.

• 선형성: 예측 변수와 결과 변수의 관계가 대체로 선형이어야 함
• 다중공선성 부재: 예측 변수끼리 너무 강하게 상관되지 않아야 함(VIF 값 점검 — 10을 넘으면 문제)
• 등분산성: 잔차의 분산이 예측값 수준에 걸쳐 거의 일정해야 함
• 잔차의 정규성: 잔차가 대체로 정규분포를 따라야 함
• 영향력 큰 이상치 부재: Cook's distance로 극단치 점검

가정 점검을 건너뛰는 건 논문이 거절되거나 대대적인 수정 요청을 받는 가장 흔한 원인이에요. 리뷰어들은 무엇을 봐야 하는지 잘 알고 있습니다.

회귀 결과 보고하기

표준 회귀 표에는 다음이 들어갑니다.

• 비표준화 계수(B)와 표준오차
• 상대적 중요도 비교를 위한 표준화 계수(β)
• 유의성 검정용 t값과 p값
• 모형 적합도용 R²와 조정된 R²
• 전체 모형 유의성용 F 통계량

해석은 "X가 Y를 유의하게 예측한다(p < .05)"에서 멈추지 말아야 해요. 실용적 유의성, 효과 크기 비교, 가설과의 연결까지 함께 풀어내야 합니다.

매개분석: 메커니즘 검정

매개분석은 좀 더 구체적인 질문에 답합니다. X가 Y에 미치는 효과가 제3의 변수 M을 통해 작동하는가?

예를 들면,

• 리더십 스타일(X)이 팀 신뢰(M)를 통해 팀 성과(Y)에 영향을 주는가?
• SNS 사용(X)이 브랜드 인지(M)를 통해 구매 의도(Y)에 영향을 주는가?

전통적인 Baron and Kenny(1986) 접근은 별도의 회귀 모형 4개에 걸쳐 4가지 조건을 충족해야 했어요. 현대 실무는 부트스트래핑 방법으로 거의 옮겨갔고, 특히 Hayes(2013)의 접근(SPSS의 PROCESS macro 또는 R의 mediation 패키지)이 표준에 가깝습니다.

PROCESS macro의 진입 장벽

SPSS에서 매개분석을 하려면 PROCESS macro(서드파티 애드온)를 설치하고, 모형을 번호로 지정해야 해요(단순 매개는 Model 4, 조절된 매개는 Model 7 등).

PROCESS 프레임워크에 익숙하지 않다면 이런 장애물이 줄줄이 따라옵니다.

• 본인의 이론 모형에 어느 모델 번호가 맞는지 찾기
• 총효과, 직접효과, 간접효과의 차이 이해하기
• 간접효과의 부트스트랩 신뢰구간 해석하기
• 변수를 언제 평균 중심화해야 하는지 판단하기

분석 자체는 무엇을 해야 하는지 알면 10분이면 끝나요. 그런데 그 지점에 도달하기까지 문서를 읽고 튜토리얼을 보는 데 몇 시간이 들곤 합니다.

매개분석 결과 보고

매개분석 보고에는 다음이 포함돼야 해요.

• X가 Y에 미치는 총효과 (경로 c)
• M을 통제한 X의 Y에 대한 직접효과 (경로 c')
• M을 통한 간접효과 (a × b)
• 간접효과의 부트스트랩 신뢰구간 (CI에 0이 포함되지 않으면 간접효과 유의)
• 간접효과의 효과 크기 (예: 부분 표준화 간접효과)

조절분석: 경계 조건 검정

조절분석은 X와 Y의 관계가 제3의 변수 W에 따라 달라지는지를 검정합니다. 매개분석이 "어떻게"를 묻는다면, 조절분석은 "언제" 또는 "누구에게"를 묻는 거예요.

예를 들면,

• 직무 성과에 미치는 교육의 효과가 경력 수준에 따라 달라지는가?
• 가격 민감도와 구매 의도의 관계가 저소득 소비자에게서 더 강한가?

회귀 관점에서 조절은 모형에 상호작용항(X × W)을 넣어서 검정합니다. 상호작용이 유의하다면, X가 Y에 미치는 효과가 W의 값에 따라 달라진다는 뜻이에요.

실무 단계

1. 예측 변수(X)와 조절 변수(W)를 중심화 또는 표준화
2. 상호작용항(X × W) 생성
3. X, W, X × W로 Y를 예측하는 회귀 실행
4. 상호작용이 유의하면 단순 기울기 분석으로 패턴 탐색
5. 상호작용 그래프로 패턴 시각화

수작업 워크플로의 부담

회귀, 매개, 조절을 모두 포함하는 연구를 SPSS로 한다면 다음 작업이 줄줄이 이어집니다.

• 사전 분석 실행(상관, 기술통계)
• 회귀 가정 점검
• 주 회귀 모형 실행
• PROCESS macro 설치와 설정
• 부트스트래핑으로 매개 모형 실행
• 상호작용항으로 조절 모형 실행
• 유의한 상호작용 탐색
• 분석마다 표와 그림 만들기
• 분석마다 해석 문장 작성

각 단계를 이미 알고 있다고 가정해도 집중해서 2~3일은 잡아야 합니다.

Data2Paper가 이 파이프라인을 자동화하는 방식

Data2Paper는 회귀와 매개분석 워크플로 전체를 처리합니다.

• 연구 프레임워크에 따라 예측 변수, 매개 변수, 조절 변수, 결과 변수를 자동 식별
• 가정 점검(VIF, 정규성, 등분산성)을 포함한 회귀 실행
• 부트스트랩 신뢰구간이 포함된 매개분석 실행
• 상호작용항과 단순 기울기로 조절 검정
• 학술 표준에 맞는 계수표 생성
• 연구 맥락에서 결과를 풀어내는 해석 문장 생성

산출물에는 결과 섹션에 필요한 모든 것 — 표, 그림, 텍스트 — 이 Word, PDF, LaTeX 형식으로 들어 있습니다. 분석의 기계적 작업에 며칠을 쓰는 대신, 결과가 연구 질문에 어떤 의미를 갖는지에 집중할 수 있어요.