박주영이 오늘은 안 나오네요. 첫 경기를 그렇게 못한 것은 아닌데. 처음에 조금 쫀 것 같았지만 아직 손발이 안 맞아서 그렇지 앞으로는 잘 할 거라 봅니다. 군 입대전에 가고 싶은 영국으로 가서니까 마음이 우선 많이 편해진 것 같아요. 골 결정력이 있어 다른 선수들 보다 잘 할 것으로 예상됩니다.
이 글은 사회계열, 경영학과 석, 박사 논문 쓰시는 분을 위해서 쓰는 글이니까 아닌 분들은 구태여 읽을 필요가 없습니다. 급한 일을 아직 못 끝내서 간단히 쓰겠습니다. 더 알고 싶으신 분은 댓글을 달아 주시면 제가 답변을 해 드리겠습니다. 혹시 논문 쓰시는 분이 있으면 데이터 분석은 제가 통상 받는 가격보다 싸게 해드리겠습니다.
통상 논문은 문헌조사해서 통계없이 쓰는 논문이 있고요, 설문지나 통계자료 가지고 분석해서 쓰는 논문이 있습니다. 통계없이 쓰는 논문이 힘들고 설문지 돌려서 쓰는 논문이 제일 쉽습니다.
설문지 돌려서 쓰는 논문도 두가지 경우가 있는데 하나는 현황을 분석하는 것이고 또 하나는 인과관계를 밝히는(검증하는) 논문이 있습니다. 현황을 분석하는 논문이 어렵고 인과관계를 검증하는 논문이 쉽습니다. 그러나 학술적으로는 현황을 분석하는 논문은 가치를 낮게 평가합니다.
현황을 분석하는 것은 통상 기업이나 공공기관에서 많이 합니다. 예를 들어 방송사 사장 같으면 연예, 뉴스, 스프츠 이런 프로그램을 누가 많이 보는지 알고 싶습니다. 즉 남녀에 따라, 연령에 따라, 또는 직업에 따라 어떤 프로그램을 좋아하는지 알고 싶다는 것이죠. 그래서 이런 경우 가장 많이 쓰는 방법이 교차분석이고 통계는 우리나라 논문에서는 Pearson의 chi(카이라고 읽습니다) 제곱값을 많이 구합니다. 하여간 이런 논문은 학술저널에서는 잘 안 받아 줍니다.
그 다음 인과관계를 검증하는 논문이 있는데 여기에 세 가지 유형이 있습니다. 아래 그림을 참조하시고요.
A)가 가장 흔한 독립변수-종속변수 관계입니다. A에서 B로 영향을 미친다는 것이죠.
B)를 매개변수 모형, 매개효과 모형이라고 합니다. 삼각형으로 된 앞의 것이 부분매개모형, 뒤의 것이 완전매개 모형이라 합니다.
C)를 조절변수모형, 조절효과 모형이라 합니다.
A)의 경우 통상 회귀분석 방법을 사용합니다. A,B,C가 독립변수이고 D가 종속변수입니다. 즉 A,B,C가 D에게 영향을 미친다는 것이죠. 통상 회귀분석은 독립변수가 하나일 때 단순회귀, 여러개 일 때 다중회귀라고 하는데 고급 통계학에서는 다 회귀분석이라 합니다. 이론적으로 상수항도 변수라고 단순회귀도 수학적으로는 독립변수가 사실상 2개이기 때문에 다중회귀랑 이론적으로 다를게 하나도 없습니다. 단순회귀의 검증은 상관분석에서의 검증과 결과가 같습니다.
B)의 경우에서는 중간에 있는 변수 B를 매개변수라 합니다. 우선 뒤에 있는 완전매개의 경우 변수 A가 변수 C에 영향을 미치려면 항상 매개 변수 B을 거쳐야 한다는 것이죠. 앞의 삼각형 모양인 부분매개가 박사급 논문에서 많이 사용됩니다. 개념이 잘 안들어 오니까 예로서 설명할게요.
A를 고양이 수, B를 쥐의 수, C를 농작물 수확량이라고 하죠. 그럼 고양이 수가 많아지면 밭에 들어가 농작물을 망칠 가능성이 많기 때문에 농작물 수확량이 떨어질겁니다(A-->C). 이런 효과를 직접효과라 합니다. 그러나 한편 고양이가 많아지면 쥐의 수가 적어집니다(A-->B). 또 쥐가 적어지면 농작물 수확량이 올라갈겁니다(B-->C). 이렇게 A-->B-->C로 가는 효과를 간접효과라고 합니다.
그래서 우리 눈에서 관찰되는 고양이가 농작물에 미치는 영향인 총효과=직접효과+간접효과 이 두부분으로 구성되어 있다는 것이죠. 어떤 정책을 실행할 때 부작용 효과가 간접효과가 될 수 있습니다. 직접효과는 좋다고 생각되지만 다른 변수에 영향을 줘 오히려 전체적으로 총효과는 부정적으로 나올 수 있다는 것이죠.
이 매개효과 모형을 하려면 구조방정식(SEM)모형을 돌려야 하는데 통상 리즈렐이나 SPSS의 경우 AMOS 프로그램을 돌려야 합니다. 통계학과에서는 아직까지 교과서에 잘 안하는데 이론적으로 좀 그렇습니다. 그리고 이쪽에 아직 권위 있는 교과서가 없는 것 같습니다. 한국 교수들도 잘 몰라 교수마다 중구난방입니다.
C)의 경우 B를 조절변수라 합니다. B의 경우 A와 인과관계가 없는 경우 많이 사용합니다. 매개효과 모형에서는 A와 B와는 논리적으로 인과관계가 있어야 하고요.
조절효과는 이런 것입니다. 예를 들어 직장에서 스트레스가 쌓이면 이직가능성이 높아집니다. 그런데 스트레스가 이직가능성에 미치는 영향력이 남녀에 따라 다를 수가 있다는 것이죠. 실제로 다른지 이런 모형을 만들어 검증할 수 있습니다. 즉, A는 스트레스 정도, B는 성별, C는 이직의도로 놓고 설문지를 만들어 설문조사한 다음 통계분석해서 검증할 수 있습니다.
통상 이 모형을 사회과학에서는 Baron & Kenny의 위계적 회귀분석이라는 방법을 씁니다. Baron & Kenny 방법으로 B)의 매개효과 모형도 할 수 있는데 최근에는 잘 안하고 구조방정식을 많이 합니다.
여기서 사람들이 많이 착각합니다. Baron & Kenny 방법으로 하면 SPSS의 회귀분석에서 block을 설정해서 합니다. 그래서 많은 사회과학 교수들이 이 block 설정하는 것을 위계적 회귀분석이라 알고 있습니다. 그렇지 않고요. block 설정은 다중 검증이고 추가적 변수의 검증을 위해서 사용하는 것입니다. Baron & Kenny 방법을 위계적 회귀분석이라고 하는 것은 회귀모형의 독립변수에 교호항, 상호작용항이 들어갔기 때문입니다.
즉 A*B, A*C, B*C 이런 곱하기 형태의 변수가 들어갔기 때문에 위계적 회귀분석이라 부릅니다. 특히 사회복지학과 저널에서 많이 틀립니다. 누가 처음에 잘못해서 한 걸 다른 사람들이 계속 빼겨서 그런 것 같습니다.
위계적 회귀분석은 제가 알기로는 두 가지 경우가 있습니다. 하나는 독립변수에 매크로 변수와 마이크로 변수가 같이 있는 경우입니다. 이 경우는 SPSS에서는 안되고 SAS에서는 될 겁니다. 예를 들어 이런 경우가 있습니다, 유럽 공동체에 대한 찬성 정도에 대해 알고 싶다는 것이죠. 그래서 유럽 각 나라의 사람들에 대해서 설문조사를 합니다.
사람의 성별, 나이, 이런 것은 개인적인 변수입니다. 그래서 마이크로 변수이고요. 그러나 나라라는 변수, 또는 각 나라의 GDP 이런 것은 한 국가에 해당하는 설문 응답자에 대해서 똑 같은 값을 가집니다. 즉 영국 사람 30명 조사했다면 그 30명에 대해 나라에 해당하는 값은 똑같고, 또 GDP 값도 똑같습니다. 이런 경우 이 변수들을 매크로 변수라 합니다. 이런 마이크로 변수와 매크로 변수가 독립변수로 같이 있으면 위계적 회귀분석을 사용한다고 합니다.
제가 이론을 안봐서 모르겠지만(아직 기존 통계 교과서에 소개되지 않았습니다) 통상적으로 하는 추정방법에서 조금 문제가 있는 것 같습니다. 그러나 그냥 회귀분석해도 별 차이는 없을 것이라 봅니다. 어떤 문제가 있는지는 시물레이션 해보면 금방 알 수 있습니다.
또 하나는 조절효과 검증하는데 사용하는 방법입니다. 이건 회귀분석 방법의 문제가 아니라 모형의 문제입니다. 즉 회귀분석 추정하고 검증하는 것은 기존의 회귀분석 방법과 똑같습니다. 자세한 이야기는 궁금한 분이 있으면 설명드리겠습니다. 이것 이해하는데 수학도 안나오고 별 어려운 것도 없는데 한국 사회과학 교수들이 한번 찾아 보지도 않는 것 같습니다.
이 글의 관련글(트랙백) 주소 :: http://blog.ohmynews.com/sambapati/rmfdurrl/386881
