문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 변인 (문단 편집) ==== 매개 변인 ==== ||[[파일:direct-mediator.png|width=350px]]||||[[파일:indirect-mediator.png|width=350px]]|| ||<:>직접(완전)매개변인||<:>간접(부분)매개변인|| {{{+1 Mediator}}} 독립 변인과 종속 변인 사이에 끼어서 인과적인 연쇄의 고리를 형성하는 변인. 즉 처음에는 독립 변인이 종속 변인의 원인이 되는 간단한 관계라고 생각했는데, 따져보니 그게 아니라 독립 변인의 결과 매개 변인이 따라오고, 매개 변인의 결과로 종속 변인이 따라오는 복잡한 케이스라고 할 수 있다. 물론 이론상으로는 독립 변인이 매개 변인에 완전하게 의존하여 종속 변인에 영향을 미치는 케이스도 가능은 하지만, 많은 경우에는 매개 변인에게도 일정 부분 의존하면서 종속 변인에게도 직접적으로 영향을 미치기도 한다. 매개모형의 분석은 [[통계적 방법]]을 활용하는 다양한 과학적 분야들 중에서도 '''여러 변인들 간의 관계성에 기초한 모형을 세우고 인과적 메커니즘을 규명'''하는 설명(explanation)의 비중이 큰 [[사회심리학]] 등의 분야에서 매우 인기가 있지만, 그보다는 여러 변인들로 총분산을 최대한 설명해 내거나 앞으로의 추이를 예측(prediction)하는 활동의 비중이 큰 사회과학적 분야들에서는 자주 접하기 힘들다. 양적 연구라고 해도 이처럼 [[VS놀이|설명이냐 예측이냐, 차이냐 상관이냐, 빈도주의냐 베이지안이냐]] 같은 방법론적인 괴리는 학문분야에 따라 상당한 수준이므로, 매개변인을 연구에 고려하는 것이 그다지 의미가 없는 분야들이 꽤 많다는 점은 유의할 것. 매개 변인을 분석할 때에 가장 기본적으로 전제되는 것이 삼각형 모양의 간접매개모형이다. 여기서는 편의를 위해 독립 변인을 X, 종속 변인을 Y, 그리고 매개 변인을 M이라고 부르기로 하자. 매개효과가 존재할 경우 적어도 X→M, M→Y 화살표만큼은 유의한 관계가 나타나야 한다. 여기서 X→M의 화살표를 a, M→Y의 화살표를 b, 그리고 X→Y의 화살표를 c'(c 프라임)이라고 부르기로 하자. a와 b를 곱한 결과를 '''간접효과'''(indirect effect), c'을 '''직접효과'''(direct effect), 그리고 이 둘을 합쳐놓은 결과인 '''총효과'''(total effect)를 c로 부를 수 있다.[* 엄밀히 정의하면, 간접효과는 X가 한 단위만큼 다를 때 M을 경유하여 Y에 끼치는 영향, 직접효과는 M이 잘 통제된 상태에서 X가 한 단위만큼 다를 때 Y에 끼치는 영향, 총효과는 X가 한 단위만큼 다를 때 Y에 끼치는 영향이 된다. 또한 총효과의 식이 c=c'+ab 로서 성립하려면 데이터 상에서 결측값이 없어야 함에 유의.] 여기서 직접매개모형은 M을 없애버리면 c'가 0이 되어 버리고, 간접매개모형은 M을 없애더라도 어쨌거나 c'는 줄어들기는 해도 아주 0이 되지는 않는 차이가 있다. 기존에는 매개효과에 대한 통계적 검정을 위해 흔히 일컬어지는 "3단계 검정"[* 실제로 실시해야 하는 회귀분석의 횟수는 4회이지만 통상 3단계로 일컬어진다.]에서 응용한 '''소벨의 검정'''(Sobel test)을 활용해 왔지만 이 바닥에서 워낙에 인기가 많은 것이 '''[[부트스트랩]]'''(bootstrap)이라서 그렇게 압도적인 위상은 아니다. 소벨의 검정은 표본분포의 정규성을 가정해야 하기 때문. 어쨌거나 3단계 검정에서의 논리는 연구자가 c의 회귀분석, a의 회귀분석, b의 회귀분석을 순차적으로 실시하여 각각의 단계에서 하나라도 유의한 결과가 나오지 않으면 그 즉시 fail. 이걸 모두 통과하면 어떤 형태로든 매개효과가 존재한다고 보고, 마지막 보너스(…)로 X와 M의 다중회귀분석을 돌려서 X가 유의한 경우에만 부분매개가 성립한다고 판정한다. 논문에 매개효과를 보고할 때는 비표준화 회귀계수를 가지고 보고한다. 만일 [[실험]]적 처치(조작) 또는 인구학적 변인 등의 다른 이유로 인해 독립 변인 X가 [[측정|명목 수준]]에서 측정되었을 때는 OLS 등에서의 [[표준화]]된 회귀계수로 보고하는 것은 오히려 권장되지 않는다. 독립 변인이 명목 수준일 경우, 모형의 각 숫자들이 갖는 의미는 실험(비교)집단 간의 평균차로 엄청나게 뒤바뀐다. 매개 변인이 개입하는 순간, 매개 변인은 독립 변인에게는 종속 변인으로서의 위상을 갖게 되고, 종속 변인에게는 독립 변인으로서의 위상을 갖게 된다. 물론 실제 독립 변인과는 달리, 그 기능이 규정되어 있지 않고 비가시적인 차원에서 불확실한 수준으로 변인 관계에 개입한다. 매개 변인은 현명한 연구자가 잘 활용하기만 하면 독립 변인과 종속 변인 사이의 논리적 관계에 대한 새로운 통찰을 제공한다. 연구는 전혀 예상치 못한 새로운 국면으로 접어들 수도 있고, 차후의 연구에 대한 좋은 길잡이가 될 수도 있다. 특히 일견 비상식적(?)인 상관관계 사이에는 뜻밖의 (직접)매개변인이 숨어있는 경우가 많다. 예컨대 [[포스코]]에서는 공장 내 기계들마다 "고장이 없어서 감사합니다" 라는 문장을 써붙이자 '''정말로''' 고장률이 감소했다(?!!)는 것을 확인하여 화제가 되기도 했다. 적어도 데이터가 조작된 게 아니라면, 섣불리 [[유사과학]] 딱지를 붙이기 전에 먼저 직접매개효과에 대한 의심을 할 수 있다. 실제로 포스코 자체 조사 결과, 사내 보수관리 인원들이 그 감사의 메시지를 읽으면서 전보다 더욱 정성껏 기계를 닦고 조이고 기름쳤으며(...) 그 때문에 고장이 덜해진 것으로 밝혀졌다. 즉 보수관리 인원들의 근로의 질이 잠재적인 매개효과로 작용하면서 서로 상관없어 보이던 두 변인을 연결시킨 것이다. 다른 정보는 없는 것 같지만, 만약 이 매개변인을 일정하게 통제한다면 두 변인은 (아마도 [[물은 답을 알고 있다|물이 사람 말을 알아듣거나]] 식물이 사람 욕설을 알아듣고 발육부진에 걸리는 세상이 아닌 이상에야) 상관관계를 보이지 않을 가능성이 높다. 즉 이 관계는 간접적이라기보다는 직접적인 매개효과일 가능성이 크다. 만일 [[논문]]에서 매개효과나 조절효과를 3단계 검정을 통해 알아보고자 한다면, 반드시 추가해야 하는 레퍼런스는 Baron & Kenny(1986)이다.[* 뒤집어 말하자면, 어디서 3단계 검정 이야기를 하면 이 문헌이라고 보면 된다. 이와 관련하여 나중에 제2저자인 데이비드 케니가 "난 그냥 바론이 와서 방법론 논문 쓰자고 졸라대는 통에 적당히 어울려 줬을 뿐인데 이게 이렇게 유명해질 줄은 몰랐다" 며 자뻑(?)성 회고를 했다는 후문이 떠돈다.] 단, 젊은 연구자들은 점차 Hayes(2009)의 매크로 PROCESS[* 사용법은 《매개분석ㆍ조절분석 및 조절된 매개분석》 이라는 제하의 한글 번역서를 참고하면 된다.]로 옮겨가는 추세이니 자기 학문분야의 트렌드를 잘 읽고 결정하자. [[http://www.processmacro.org/download.html|PROCESS 무료 다운로드]] 앤드루 헤이스에 따르면 기존의 문헌은 직접효과와 간접효과의 +/- 값이 서로 다를 가능성을 고려하지 않아,[* 즉 간접효과가 존재함에도 불구하고 직접효과가 이를 상쇄해 버려서 총효과의 값이 0이 되어버리는 상황.] 1단계 분석에서 총효과가 나타나지 않으면 매개효과가 없다고 잘못 판단하게 될 위험이 있다고 한다. ||[[파일:variable-mixed1.png|width=350px]]||[[파일:variable-mixed2.png|width=350px]]|| ||<-2><:>혼합형. 조건화 과정 모델링(conditional process modeling)이라고 부른다.[BR]이쯤되면 [[논문]]을 읽을 때 [[석사]] 수준까지는 슬슬 머리가 아파오기 시작한다.|| 복잡한 매개모형을 세울 경우 여러 개의 매개 변인들을 동시에 가정하고 분석하기도 한다. X→Y 에 더하여 X→M,,1,,→Y 와 X→M,,2,,→Y 까지 한번에 분석하는 모형은 '''다중매개모형'''이라고 하며, X→Y 에 더하여 X→M,,1,,→M,,2,,→Y 와 같은 연쇄적 인과관계까지 분석하는 모형은 '''직렬매개모형'''이라고 부른다. 여기에 조절변인까지 몇 개 추가하면 모형이 실로 [[크고 아름다운|크고 아름다워진다]](...). 직접매개모형이든 간접매개모형이든 간에, 유념해야 할 사실은 이 복잡한 인간사 속에는 그야말로 많고 많은 매개 변인들이 잠재적으로 존재한다는 것이다. 직접매개모형을 찾았다 해서 어떤 제3의 매개 변인도 이 관계에 영향을 끼치지 않는다고는 속단할 수 없다. 간접매개모형 역시 "설명되지 않는" 효과의 존재만을 규명할 뿐, 그것이 무엇으로 설명되어야 할지를 알려주진 않는다. 같은 맥락에서, 원론적으로 '''직접매개모형은 통계의 관점에서 간접매개모형보다 딱히 더 환영받을 이유가 없다.'''[* 오히려 직접매개모형은 표본의 수가 적을수록 잘 나타난다. 그러나 정작 학계에서는 소표본만으로 결과를 도출하는 것에 대해서 굉장히 의심스러워하며, [[재현성]] 연구의 대상으로 삼기도 한다. 대학원생들에게도 이런 분석은 권장하지 않는다.] 이를 들어서 앤드루 헤이스는 아예 직접이네 간접이네 하는 용어 자체가 문제라고 주장하고 있다. 마찬가지로 [[2011년]]에 크라우스 피들러(K.Fiedler) 등의 연구팀이 실험사회심리학 저널에 게재한 논문에 따르면, 어떤 매개분석이 통계적으로 유의하게 나타났다고 하여 우리가 그것을 꼭 고유한 인과적 매개모형이 입증되었다고 말할 수는 없다고 한다. 이들이 수행한 통계적 [[시뮬레이션]] 결과에 따르면, 같은 데이터로 수없이 많은 대안적인 인과적 모형들이 도출될 수 있으며 기존의 모형이 의사매개변인(spurious mediator)일 가능성도 있다고 한다. 결국 매개분석은 우리가 당초 상정했던 매개모형이 통계적으로 얼마나 유의한지 정도만을 보여줄 뿐인, 흔한 오해보다 훨씬 더 '''소박하고 조심스러운''' 종류의 분석이라는 것이다.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