문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 변인 (문단 편집) === 독립 변인 === {{{+1 Independent Variable (IV[* IV라고는 써놨지만 도구 변인(Instrumental Variable)과도 혼용되기에 많이 쓰진 않는다.] )}}} (흔히 [math(X)] 혹은 [math(x)]로 쓴다.) [[독립 변수]](independent variable), [[설명 변수]](explanatory variable), 선행 변인 또는 예측 변인이라고도 한다. 종속 변인[* 실험이 아닌 연구에서는 기준 변인(criterion variable)이라고도 한다.]에 선행하면서, 종속 변인에 영향을 줄 것으로 기대되거나 종속 변인의 변화를 예측(predict)할 수 있다고 여겨지는 변인이다. 사실상 연구의 주제가 되며, 연구자의 처치(treatment)가 가해지는 변인이기도 하다. 대부분의 [[실험]] 연구는 어떤 독립 변인이 특정 종속 변인과 인과관계를 갖고 있는 게 맞는지 검토하는 방식으로 이루어진다. 한 마디로 말하자면 '''원인,''' [[수학]]의 '''x 값'''. [[함수]]에서도 그렇듯이, 독립 변인은 연구자 맘대로 조절할 수 있다. 다시 말해서 취급이 자유롭다. 쉽게 비유하자면 이렇다. 종속 변인은 독립 변인의 변화에 따라 자기 값을 일정하게 정해서 따라가야 하는 운명인지라 이름이 '종속 변인' 이 되었고, 독립 변인은 자신이 원하는대로 값을 정할 수 있으므로 그 자유로움 덕분에 이름이 '독립 변인' 이 되었다는 것.[* 함수에 다시 비유하자면 y=x+2 라는 식이 있을 때, x 에 무엇을 넣을지는 맘대로지만 y 값은 자신이 투입하는 x 값에 의해서만 결정된다고 봐도 되겠다.] 독립 변인은 엄밀히 말하자면 "종속 변인에 영향을 주는 변인" 이 아니라 "종속 변인에 영향을 준다고 간주되는 변인" 이라고 하는 쪽이 안전하다. 왜냐하면 인과관계는 [[증명]]이 불가능하고, 어디까지나 입증의 영역이기 때문이다. 즉 연구자들은 나날이 쌓여가는 긍정적인 연구 데이터들을 토대로 해서 "이 정도라면 [[인과관계]]가 존재한다는 주장을 신뢰할 수 있겠어" 라는 결론을 얻을 따름이지, "이 변인은 종속 변인에 영향을 미친다고 확실히 증명되었어" 라는 결론을 얻지는 않는다. 물론 일상적으로는 그런 식으로 말해도 통하긴 한다. 만일 어느 [[대학원생]]에게 지도교수가 "이 변인이 독립인가 종속인가?" 라고 묻는다면, 그 의미는 "이 변인을 연구자가 조작할 수 있는가? (독립) 없는가? (종속)"와 같다. 여러 개의 독립 변인이 하나의 종속 변인에 영향을 끼친다고 간주할 경우에는, 전체 독립 변인들의 효과를 각각 나누어 분석한 '''주효과'''(main effect), 그리고 한 독립 변인 값의 변화에 따라 다른 독립 변인이 종속 변인에 끼치는 효과의 크기가 달라지게 되는 '''상호작용 효과'''(interaction effect)가 서로 구분되어야 한다. 상호작용 효과가 유의할 경우에 주효과는 결과분석에서 생략되는 경향이 있다. 그래프를 그려 보면 주효과만 유의할 때에는 두 선분이 평행하여 = 형태로 그려지지만, 상호작용 효과가 유의하다면 기울기 차이로 인해 <, >, × 모양으로 엇갈리게 그려진다. 일반적으로는 2개의 독립변인이 존재할 때 회귀식은 다음 형태로 출력된다. |||||||| [math( X_1 + X_2 + (X_1 \times X_2) + \varepsilon)] || || [math(X_1)] || [math(X_2)] || [math(X_1 \times X_2)] || [math(\varepsilon)] || || 독립변인 1 주효과 || 독립변인 2 주효과 || 두 변인의 상호작용 효과 || 오차 || 영문 위키피디아에 실린 대표적인 상호작용의 예시로, [[https://en.wikipedia.org/wiki/Interaction_(statistics)#/media/File:GSS_sealevel_interaction.png|진보주의자들은 교육을 많이 받을수록 지구온난화를 걱정하지만, 거꾸로 보수주의자들은 교육을 많이 받을수록 (분산이 커지기는 하나) 지구온난화를 불신한다는 연구]]가 있다. 상호작용 효과는 같은 처치(treatment)를 하더라도 결과가 달라질 수 있다는, 속칭 "[[케바케]]" 를 통계적으로 엄밀하게 제시하는 것이라고도 할 수 있으며, 이 때문에 대개 [[연구]] 활동에 있어서 '''통찰이 매우 크다.''' ||[[파일:hypothetical-main-effect.jpg|width=375px]]||[[파일:hypothetical-interaction.jpg|width=375px]]|| ||<:>'''주효과가 관찰되는 가설적 그래프.'''||<:>'''상호작용이 관찰되는 가설적 그래프.'''|| ||로그인 사용자와 IP 사용자 양쪽 모두 나무위키 편집을 많이 할수록 토론에 많은 코멘트를 다는 정적 상관의 경향이 나타나지만, IP 사용자보다는 로그인 사용자들이 어떤 경우에서든 토론에 적극 참여하려 하는 경향이 있다는 해석이 가능하다.||IP 사용자들은 많은 문서들을 열람할수록 많은 편집을 하는 경향을 보이는 정적 상관의 경향이 나타나지만, 로그인 사용자들은 얼마나 많은 문서들을 열람하건 간에 어차피 자신이 관심을 갖고 주시 중인 일정량의 문서들 위주로 편집하는 경향을 보인다는 해석이 가능하다.|| ||<-2><:>'''실제로 [[설문조사]]를 하지 않은 가설적인 기대효과임에 유의.'''[BR]'''여기서는 두 상황에서 그래프의 모양이 이렇게 달라질 수 있다는 점에만 집중하여 보도록 하자.'''|| 독립 변인이 연구에 여러 개 포함되었다는 것은 곧 다시 말하면 그 연구가 잠재적인 상호작용 효과에 관심이 있으며 이를 통계적으로 검증해 보겠다는 의도를 지닌다는 뜻도 된다. 따라서, 만일 분석결과에서 주효과는 정말 기막히게 잘 나왔는데 상호작용 효과가 아예 존재하지 않는다면, 달랑 주효과만 해석하고 뿌듯해할 것이 아니라 상호작용 효과가 왜 나타나지 않았는지도 적절하게 설명을 해야 나중에 문제제기가 나오지 않는다. 또한 여러 독립 변인들을 따로따로 분석할 때는 그럴싸하게(?) 뽑혀나오던 데이터가 그 독립 변인들을 한꺼번에 넣고 분석했을 때는 죄다 엉망이 되어버리는 경우도 있다. 이 경우에는 이들 독립 변인들이 서로간에 상관관계가 있어서 종속 변인의 분산을 보완적으로 설명하는 것이 아니라 경쟁적으로 설명하려 하기 때문인 것은 아닌지 일차적으로 의심해 보고, 상관관계가 없다는 확신이 있다면 지도교수님이나 박사급 연구원 분들에게 도움을 요청하자. 간혹 독립 변인 그 자체를 규명하기 위해 진행되는 탐색적인 연구도 있다. 어떤 대상의 선행요인(antecedent)이나 예측요인(predictor)을 알아보기 위한 연구는 어떤 종속 변인에 영향을 줄 수 있으리라 여겨지는 가설적인 독립 변인 다수를 선정하여[* 이 단계에서 대체로 개방형 [[면접법]]과 같은 질적 연구가 필요하다.] 어떤 것이 실제로 효과를 주는지 관찰하는 것이다. 수학으로 비유하자면, 거꾸로 "만약 y 값의 절댓값이 10이 되려면 이 함수식이 성립하기 위한 x 값은 얼마가 될까?" 의 질문을 하는 것이다. 물론 여기서도 연구자가 독립 변인만 조작할 수 있다는 점은 같다.저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기