목차
논문 통계분석을 마치고 결과표를 확인했는데 예상했던 것과 전혀 다른 결과가 나왔다면 당황스러울 수 있습니다.
선행연구에서는 직무 스트레스가 직무만족도에 부정적인 영향을 미친다고 했는데, 내 연구에서는 오히려 긍정적인 관계가 나타나는 경우도 있습니다.
심지어 통계적으로 유의한 결과가 나왔는데도 방향이 반대라면 어떻게 해석해야 할지 막막해집니다.
“내가 통계분석을 잘못한 걸까?”
“선행연구와 결과가 다르면 논문을 다시 써야 할까?”
“가설이 기각되면 연구 자체가 실패한 걸까?”
논문을 처음 작성하는 대학원생이라면 충분히 고민할 수 있는 부분입니다.
하지만 선행연구와 다른 결과가 나왔다고 해서 반드시 분석이 잘못되었거나 연구의 가치가 낮아지는 것은 아닙니다.
오늘은 논문 통계분석 결과가 선행연구와 다르게 나타나는 이유와 가설이 지지되지 않았을 때 확인해야 할 사항, 논문에서 결과를 해석하는 방법을 정리해보겠습니다.

1. 선행연구와 결과가 다르면 잘못된 분석일까?
논문에서는 선행연구를 바탕으로 연구가설을 설정하는 경우가 많습니다.
예를 들어 기존 연구에서 직무 스트레스와 직무만족도 사이에 부정적인 관계가 반복적으로 보고되었다면 다음과 같은 가설을 설정할 수 있습니다.
가설 1. 직무 스트레스는 직무만족도와 부(-)의 관계를 보일 것이다.
그런데 실제 설문조사 데이터를 분석했더니 다음과 같은 결과가 나왔다고 가정해보겠습니다.
| 구분 | 선행연구의 결과 | 내 연구의 결과 |
|---|---|---|
| 변수 관계 | 부(-)의 관계 | 정(+)의 관계 |
| 회귀계수 | -0.35 | +0.18 |
| p값 | 0.002 | 0.030 |
| 가설 방향 | 일치 | 불일치 |
※ 이해를 돕기 위한 가상의 수치이며, 동일한 분석 조건에서 비교했다는 의미는 아닙니다.
이 경우 내 연구에서는 통계적으로 유의한 관계가 확인되었지만, 예상한 가설의 방향과는 반대입니다.
따라서 단순히 p값이 0.05보다 작다는 이유로 가설이 지지되었다고 판단해서는 안 됩니다.
가설에서 예상한 관계의 방향과 실제 분석 결과가 일치하는지도 확인해야 합니다.
반대로 선행연구와 결과가 다르다는 사실만으로 분석 오류라고 단정할 수도 없습니다.
연구대상과 조사 시점, 측정도구, 분석모형 등이 다르다면 결과에 차이가 나타날 수 있기 때문입니다.
중요한 것은 결과가 예상과 다르게 나왔을 때 무조건 수정하려고 하기보다 그 차이가 발생한 이유를 체계적으로 검토하는 것입니다.

2. 연구대상과 조사환경이 다르면 결과도 달라질 수 있습니다
선행연구와 다른 결과가 나타나는 대표적인 이유 중 하나는 연구대상의 차이입니다.
예를 들어 직무 스트레스와 직무만족도의 관계를 연구한다고 가정해보겠습니다.
선행연구는 대기업 정규직 근로자를 대상으로 진행되었지만, 내 연구는 스타트업 재직자를 대상으로 진행되었다면 어떨까요?
두 집단은 업무환경과 조직문화, 고용 안정성, 직무 특성 등에서 차이가 있을 수 있습니다.
이러한 차이가 변수 사이의 관계와 연결될 가능성이 있습니다.
조사 시점도 중요한 요소입니다.
같은 연구대상이라도 경제 상황이나 근무환경, 사회적 변화에 따라 응답자의 인식이 달라질 수 있기 때문입니다.
선행연구와 결과가 다르게 나타났다면 다음 사항을 비교해보는 것이 좋습니다.
① 연구대상의 특성
연령, 직업, 산업군, 근무 형태 등 연구대상이 유사한지 확인합니다.
② 조사 시점
선행연구와 현재 연구의 자료 수집 시기에 차이가 있는지 살펴봅니다.
③ 조사환경
온라인 조사와 오프라인 조사 등 자료 수집 방식이 다른지 확인합니다.
④ 측정도구
동일한 개념을 측정했더라도 문항과 응답 척도가 다르지는 않은지 검토합니다.
⑤ 분석모형
통제변수나 다른 설명변수의 포함 여부가 다른지 확인합니다.
다만 이러한 차이가 존재한다는 사실만으로 결과가 달라진 원인을 입증할 수는 없습니다.
논문에서는 가능한 설명을 제시하되, 실제 자료로 확인하지 못한 부분은 신중하게 표현하는 것이 좋습니다.

3. 분석 결과가 반대로 나왔다면 먼저 확인해야 할 것
예상과 반대 방향의 결과가 나타났다면 본격적인 해석에 앞서 데이터와 분석 과정을 점검할 필요가 있습니다.
특히 다음 항목은 실제 통계분석에서 확인할 가치가 있습니다.
① 역코딩이 제대로 되었는가?
설문 문항 중에는 다른 문항과 반대 방향으로 작성된 역문항이 포함될 수 있습니다.
예를 들어 직무만족도를 측정하면서 다음 두 문항을 사용했다고 가정해보겠습니다.
- 나는 현재 직무에 만족한다.
- 나는 현재 직무에 불만이 많다.
두 번째 문항은 첫 번째 문항과 반대 방향의 의미를 갖습니다.
이러한 문항을 적절하게 역코딩하지 않고 점수를 합산하면 측정값의 의미가 달라질 수 있습니다.
따라서 역문항이 포함되어 있다면 점수 처리 방식부터 확인해야 합니다.
② 변수 코딩이 올바른가?
예를 들어 성별이나 집단 구분처럼 숫자로 코딩한 범주형 변수는 기준집단이 무엇인지에 따라 회귀계수의 해석이 달라질 수 있습니다.
숫자 1과 2가 어떤 집단을 의미하는지 확인하지 않으면 결과를 반대로 해석할 가능성이 있습니다.
③ 회귀계수의 종류를 확인했는가?
비표준화 회귀계수(B)와 표준화 회귀계수(β)는 서로 다른 정보를 제공합니다.
결과를 해석할 때 어떤 계수를 사용했는지 명확하게 구분해야 합니다.
④ 다른 변수를 통제하면서 방향이 달라졌는가?
단순 상관분석에서는 부정적인 관계가 나타났지만, 회귀분석에서 다른 변수를 통제한 이후에는 긍정적인 계수가 나타날 수 있습니다.
이러한 변화는 변수 사이의 관계와 분석모형의 특성에 따라 발생할 수 있습니다.
특히 독립변수 사이의 상관관계가 높거나 억제효과가 존재하는 경우에는 회귀계수의 방향이 예상과 다르게 나타날 수 있습니다.
⑤ 이상치나 결측값의 영향을 확인했는가?
일부 극단적인 관측값이나 결측값 처리 방식이 분석 결과에 영향을 줄 수 있습니다.
다만 예상과 다른 결과가 나왔다는 이유만으로 특정 응답을 삭제해서는 안 됩니다.
데이터 점검은 연구목적과 합리적인 기준에 따라 진행해야 합니다.

4. 통계적으로 유의하지 않으면 가설은 실패한 걸까?
논문에서 자주 나타나는 상황 중 하나는 가설에서 예상한 방향으로 회귀계수가 나타났지만 통계적으로 유의하지 않은 경우입니다.
예를 들어 다음과 같은 결과가 나왔다고 가정해보겠습니다.
가설: 직무 스트레스는 직무만족도와 부(-)의 관계를 보일 것이다.
분석 결과: β = -0.12, p = 0.180
이 경우 회귀계수의 방향은 가설과 일치하지만, 유의수준 0.05를 기준으로 통계적으로 유의한 관계가 확인되지 않았습니다.
따라서 일반적으로 해당 가설은 지지되지 않았다고 보고합니다.
그렇다고 해서 직무 스트레스와 직무만족도 사이에 아무런 관계가 없다는 사실이 입증된 것은 아닙니다.
통계적으로 유의하지 않은 결과는 표본 수와 효과크기, 자료의 변동성, 측정오차 등 여러 요인의 영향을 받을 수 있습니다.
또한 p값이 0.05보다 크다는 이유만으로 실제 효과가 존재하지 않는다고 단정해서도 안 됩니다.
가능하다면 회귀계수와 신뢰구간, 효과크기 등을 함께 검토하는 것이 좋습니다.
논문에서는 결과를 다음과 같이 작성할 수 있습니다.
“직무 스트레스와 직무만족도 사이의 부적 관계를 예상하였으나, 분석 결과 통계적으로 유의한 관계가 확인되지 않아 가설 1은 지지되지 않았다.”
이처럼 예상과 다른 결과도 연구에서 확인한 사실에 근거해 정확하게 보고하는 것이 중요합니다.

5. 선행연구와 다른 결과는 논문에서 어떻게 해석할까?
논문에서 선행연구와 다른 결과가 나타났다면 단순히 “기존 연구와 차이가 있었다”라고 작성하는 것만으로는 충분하지 않을 수 있습니다.
어떤 점에서 차이가 있었는지, 그 차이를 어떻게 이해할 수 있는지 설명하는 과정이 필요합니다.
예를 들어 다음과 같은 흐름으로 논의할 수 있습니다.
① 본 연구의 결과를 명확하게 제시합니다.
먼저 어떤 변수 사이에서 예상과 다른 관계가 나타났는지 설명합니다.
② 선행연구의 결과와 비교합니다.
기존 연구에서 보고된 관계의 방향과 크기, 연구대상 등을 확인합니다.
③ 결과가 달라진 가능한 이유를 검토합니다.
연구대상과 조사환경, 측정도구, 분석모형의 차이 등을 살펴봅니다.
④ 연구의 한계를 함께 설명합니다.
현재 자료만으로 결과 차이의 원인을 충분히 설명하기 어렵다면 그 한계를 명시합니다.
⑤ 후속 연구 방향을 제안합니다.
다른 연구대상이나 조사환경에서도 동일한 결과가 나타나는지 추가 검토할 필요성을 제시할 수 있습니다.
예를 들어 논문의 논의 부분에서는 다음과 같이 작성할 수 있습니다.
“본 연구에서는 직무 스트레스와 직무만족도 사이에 정적인 관계가 확인되어 부적인 관계를 보고한 선행연구와 차이를 보였다. 이러한 차이는 연구대상의 직무 특성이나 조직환경과 관련될 가능성이 있다. 다만 본 연구에서는 해당 요인의 영향을 직접 검증하지 않았으므로 결과의 원인을 단정하기는 어렵다.”
이러한 방식은 예상과 다른 결과를 무리하게 정당화하지 않으면서도 연구 결과의 의미를 설명하는 데 도움이 됩니다.

6. 결과가 마음에 들지 않는다고 분석을 바꿔도 될까?
논문 통계분석에서 가장 주의해야 할 부분입니다.
예상했던 가설이 지지되지 않거나 선행연구와 반대 방향의 결과가 나타나면 분석 방법을 바꾸고 싶은 생각이 들 수 있습니다.
하지만 유의한 결과를 얻기 위해 분석을 반복적으로 변경하는 것은 연구의 신뢰성을 떨어뜨릴 수 있습니다.
예를 들어 다음과 같은 행동은 주의해야 합니다.
- p값을 낮추기 위해 특정 응답자를 임의로 제외하는 경우
- 예상한 결과가 나올 때까지 통제변수를 반복적으로 변경하는 경우
- 유의한 결과가 나온 분석만 논문에 제시하는 경우
- 연구가설을 분석 결과에 맞춰 사후적으로 수정하고 처음부터 예상했던 것처럼 작성하는 경우
물론 분석 과정에서 실제 오류가 발견되었다면 수정해야 합니다.
예를 들어 역코딩이 잘못되었거나 변수 입력에 오류가 있었다면 이를 바로잡는 것은 필요한 과정입니다.
또한 추가적인 탐색분석을 진행하는 것 자체가 잘못된 것은 아닙니다.
다만 사전에 계획한 분석과 결과를 확인한 뒤 진행한 탐색분석을 구분하고, 변경한 이유를 투명하게 기록하는 것이 중요합니다.
논문에서는 원하는 결과를 만드는 것보다 실제 데이터가 보여주는 결과를 정확하게 설명하는 것이 우선입니다.

7. 가설이 지지되지 않았을 때 확인하면 좋은 사항
가설이 지지되지 않았다고 해서 곧바로 연구모형을 다시 만들 필요는 없습니다.
우선 다음 사항을 차례대로 점검해보는 것이 좋습니다.
① 연구가설의 방향이 명확한가?
선행연구를 바탕으로 설정한 가설의 방향과 실제 분석 결과를 비교합니다.
② 변수 코딩과 데이터 처리가 올바른가?
역코딩, 결측값, 이상치, 변수 계산 과정에 오류가 없는지 확인합니다.
③ 분석 방법이 연구모형에 적절한가?
상관분석, 회귀분석, 매개효과 분석 등 연구질문에 맞는 분석을 사용했는지 검토합니다.
④ 표본의 특성을 확인했는가?
연구대상과 표본 수, 응답 분포 등이 선행연구와 어떻게 다른지 살펴봅니다.
⑤ 통계적 유의성 외의 정보도 확인했는가?
회귀계수의 방향과 크기, 신뢰구간 등을 함께 검토합니다.
⑥ 결과를 설명할 수 있는 선행연구가 있는가?
기존 연구 중 비슷한 결과를 보고한 사례가 있는지 추가로 검토할 수 있습니다.
이 과정에서 중요한 것은 예상과 다른 결과를 억지로 설명하는 것이 아니라 가능한 해석과 실제로 확인된 사실을 구분하는 것입니다.

선행연구와 다른 결과도 연구의 의미가 될 수 있습니다
논문을 작성하다 보면 가설이 모두 지지되어야 좋은 연구라고 생각하기 쉽습니다.
하지만 연구의 목적은 처음 예상한 결과를 확인하는 데만 있는 것이 아닙니다.
기존 연구에서 제시한 관계가 다른 연구대상이나 환경에서도 동일하게 나타나는지 검토하는 것 역시 의미 있는 연구가 될 수 있습니다.
특히 선행연구와 다른 결과가 나타났다면 연구대상의 특성이나 분석모형의 차이를 살펴보면서 새로운 논의의 가능성을 찾을 수 있습니다.
물론 결과가 다르다는 이유만으로 새로운 이론을 발견했다고 주장할 수는 없습니다.
분석 과정의 적절성을 확인하고, 연구자료가 뒷받침하는 범위 안에서 신중하게 해석해야 합니다.
SPSS나 AMOS 통계분석을 진행하면서 예상과 다른 결과가 나타났다면 분석 과정에 오류가 없는지 점검하는 것도 중요합니다.
직접 확인하기 어렵다면 더브레인처럼 논문 통계분석을 다루는 업체에 연구모형과 가설, 분석 결과를 전달해 필요한 검토 범위를 문의하는 방법도 있습니다.
다만 분석 결과에 대한 최종적인 해석과 연구의 학술적 의미는 연구자가 충분히 이해하고 설명할 수 있어야 합니다.

📌 정리
논문 통계분석 결과가 선행연구와 다르게 나타났다고 해서 반드시 잘못된 연구인 것은 아닙니다.
- 연구대상 차이: 연령, 직업, 산업군 등 표본 특성에 따라 결과가 달라질 수 있음
- 조사환경 차이: 자료 수집 시점과 환경이 결과에 영향을 줄 가능성
- 데이터 처리 확인: 역코딩, 결측값, 이상치, 변수 코딩 등을 점검
- 분석모형 검토: 통제변수와 분석 방법에 따라 결과 해석이 달라질 수 있음
- 가설 지지 여부: 통계적 유의성뿐 아니라 예상한 관계의 방향도 확인
- 논문 결과 해석: 선행연구와의 차이를 설명하되 확인되지 않은 원인은 단정하지 않기
특히 가설이 지지되지 않았다는 이유로 데이터를 임의로 수정하거나 분석 방법을 반복해서 변경하는 것은 주의해야 합니다.
논문에서 중요한 것은 모든 가설을 지지하는 결과를 얻는 것이 아닙니다.
실제 데이터에서 확인된 결과를 정확하게 보고하고, 선행연구와 비교하면서 그 의미와 한계를 설명하는 것입니다.
예상과 다른 결과가 나왔다면 실패라고 생각하기보다 왜 이러한 차이가 나타났는지 검토해보세요.
때로는 예상하지 못했던 결과가 연구에서 가장 깊이 있게 논의할 수 있는 부분이 되기도 합니다.
