목차
논문 연구모형을 만들다 보면
처음에는 두 변수의 관계부터 생각하게 됩니다.
“직무스트레스가 직무만족에 영향을 줄까?”
“서비스 품질이 재이용의도에 영향을 줄까?”
그런데 선행연구를 찾아보다 보면
조금 더 궁금한 부분이 생깁니다.
“그런데 왜 영향을 주는 거지?”
직무스트레스가 높아졌다고 해서
직무만족이 바로 낮아지는 것일까요?
아니면 그 사이에 다른 변화가 생기고,
그 변화가 다시 직무만족에 영향을 주는 것일까요?
이처럼 X가 Y에 영향을 미치는 과정에서 중간에 어떤 변수가 작용하는지를 살펴보는 것이 매개효과입니다.
연구모형에서 자주 보이는
X → M → Y
구조도 여기에서 시작합니다.
1. X, M, Y부터 어렵게 생각하지 않아도 됩니다
매개효과를 처음 접하면
독립변수, 매개변수, 종속변수라는 용어부터 나오기 때문에 복잡하게 느껴질 수 있습니다.
먼저 역할만 구분해보겠습니다.
X = 독립변수
연구에서 원인이 되는 쪽으로 설정한 변수입니다.
M = 매개변수
X와 Y 사이에서 영향을 전달하거나 그 과정을 설명하는 변수입니다.
Y = 종속변수
연구에서 결과로 살펴보려는 변수입니다.
예를 들어
직무스트레스(X) → 직무소진(M) → 직무만족(Y)
이라는 연구모형을 생각해볼 수 있습니다.
이 연구에서 궁금한 것은
직무스트레스와 직무만족의 관계만이 아닙니다.
직무스트레스가 높아지면서 직무소진이 커지고,
그 결과 직무만족이 달라지는 과정이 존재하는지를 함께 살펴보는 것입니다.
즉, M은 X와 Y 사이에 들어간 장식 같은 변수가 아니라
‘X가 어떤 과정을 거쳐 Y와 연결되는가’를 설명하기 위해 설정한 변수입니다.
2. 매개효과는 ‘왜 그런 결과가 나타났는지’를 살펴봅니다
예를 하나 더 들어보겠습니다.
서비스 품질이 좋을수록
고객의 재이용의도가 높아진다는 결과가 있다고 가정해보겠습니다.
서비스 품질(X) → 재이용의도(Y)
이것만으로도 하나의 연구가 될 수 있습니다.
그런데 연구자가 이런 생각을 할 수도 있습니다.
“서비스 품질이 좋다고 사람들이 바로 다시 이용하고 싶어지는 걸까?”
“서비스에 만족했기 때문에 다시 이용하려는 것은 아닐까?”
그렇다면 고객만족을 중간에 넣어볼 수 있습니다.
서비스 품질(X) → 고객만족(M) → 재이용의도(Y)
이제 연구 질문이 조금 달라집니다.
서비스 품질이 재이용의도에 영향을 주는지를 확인하는 데서 끝나는 것이 아니라,
서비스 품질이 고객만족을 높이고, 높아진 고객만족이 다시 재이용의도와 연결되는가?
를 살펴보게 됩니다.
이것이 매개효과를 이해하는 가장 기본적인 흐름입니다.
3. X→M, M→Y만 각각 유의하면 끝나는 것은 아닙니다
매개효과 분석을 처음 하면
각 경로의 p값부터 확인하기 쉽습니다.
X가 M에 유의한 영향을 미쳤고,
M도 Y에 유의한 영향을 미쳤다면
“그러면 매개효과가 있는 것 아닌가?”
라고 생각할 수 있습니다.
하지만 최근에는 매개효과를 판단할 때
간접효과 자체를 직접 검정하는 방법이 많이 사용됩니다.
여기서 간접효과란 말 그대로
X → M → Y
라는 경로를 통해 전달되는 효과입니다.
예를 들어 X가 M에 미치는 효과를 a,
M이 Y에 미치는 효과를 b라고 한다면
간접효과는 a × b로 생각할 수 있습니다.
실제 분석에서는 부트스트래핑(bootstrapping)을 이용해
이 간접효과의 신뢰구간을 확인하는 방법이 많이 활용됩니다.
따라서 개별 경로의 유의성만 보고
매개효과가 있다고 바로 결론 내리기보다는
간접효과 검정 결과를 함께 확인하는 것이 좋습니다.
4. 부트스트래핑 결과에서는 신뢰구간을 확인합니다
SPSS PROCESS Macro 등을 이용해 매개효과를 분석했다면
결과표에서 부트스트랩 신뢰구간을 보게 될 수 있습니다.
처음 보면
BootLLCI
BootULCI
같은 항목 때문에 또 한 번 막힐 수 있습니다.
하지만 매개효과를 확인할 때는
우선 신뢰구간 안에 0이 포함되어 있는지를 살펴보면 됩니다.
예를 들어 간접효과의 95% 부트스트랩 신뢰구간이
0.12 ~ 0.35
라고 나왔다고 가정해보겠습니다.
0이 포함되어 있지 않습니다.
이 경우 일반적으로
간접효과가 통계적으로 유의하다고 해석합니다.
반대로
-0.05 ~ 0.28
이라면 어떨까요?
신뢰구간 안에 0이 포함되어 있습니다.
이 경우에는 해당 간접효과가 통계적으로 유의하다고 보기 어렵습니다.
즉, 매개효과 분석에서는
p값만 찾으려고 하기보다 간접효과와 그 신뢰구간을 함께 확인하는 습관을 들이는 것이 좋습니다.
5. 완전매개와 부분매개는 어떻게 다를까요?
매개효과를 공부하다 보면
‘완전매개’와 ‘부분매개’라는 표현도 자주 만나게 됩니다.
쉽게 생각하면
M을 고려한 이후에도 X와 Y 사이의 직접적인 관계가 남아 있는지를 보는 것입니다.
예를 들어
X → M → Y
라는 간접적인 경로가 유의하면서,
M을 포함한 상태에서도
X → Y의 직접효과가 유의하게 남아 있다면
부분매개로 설명하는 경우가 있습니다.
반대로 간접효과는 유의하지만
M을 포함한 이후 X에서 Y로 가는 직접효과가 유의하지 않다면
완전매개라고 표현해온 경우가 있습니다.
다만 여기서 주의할 부분이 있습니다.
최근의 매개분석에서는
직접효과가 유의한지 여부만으로 매개효과의 존재를 판단하지 않습니다.
직접효과가 유의하지 않아도
간접효과 자체는 유의할 수 있기 때문입니다.
따라서 ‘완전매개냐, 부분매개냐’를 먼저 구분하려 하기보다는
간접효과가 실제로 존재하는지를 먼저 확인하는 것이 더 중요합니다.
6. 통계적으로 유의하다고 아무 변수나 M에 넣을 수는 없습니다
매개효과를 분석하다 보면
연구모형에 변수를 하나 더 넣으면 논문이 더 풍부해 보일 것처럼 느껴질 수 있습니다.
하지만 매개변수는
분석 결과를 보고 나중에 임의로 끼워 넣는 변수가 아닙니다.
왜 X가 M에 영향을 주는지,
왜 M이 다시 Y와 연결되는지,
기존 이론이나 선행연구에서 이러한 과정이 설명되는지 먼저 생각해야 합니다.
예를 들어 분석 결과에서 우연히 관계가 유의하게 나왔다고 해서
그 변수를 바로 매개변수라고 설명하기는 어렵습니다.
특히 횡단자료처럼 한 시점에 모든 변수를 측정한 연구에서는
X→M→Y라는 화살표가 있다고 해서 실제 시간적·인과적 순서까지 증명되는 것은 아닙니다.
그래서 연구모형을 만들 때는
“M을 넣으면 유의할까?”
보다
“왜 X의 영향이 M을 거쳐 Y로 이어진다고 설명할 수 있을까?”
를 먼저 생각해보는 것이 좋습니다.
매개효과는 통계분석 방법이기도 하지만,
그전에 연구자가 설명하려는 하나의 과정이기 때문입니다.
✔ 마치며..
논문에서 매개효과를 처음 접하면
경로계수와 직접효과, 간접효과, 부트스트래핑까지 한꺼번에 등장해 어렵게 느껴질 수 있습니다.
하지만 기본 구조부터 보면 생각보다 단순합니다.
X가 Y에 영향을 미친다.
여기에서 한 단계 더 들어가
X가 M을 변화시키고, 그 변화가 Y와 연결되는 과정이 있는가?
를 확인하는 것입니다.
따라서 분석 프로그램의 결과표부터 보기보다는
내 연구모형에서 X, M, Y가 각각 무엇이고
왜 이런 순서로 연결했는지를 먼저 설명해보세요.
그 흐름이 명확해야
매개효과 분석 결과도 훨씬 이해하기 쉬워집니다.
📌 정리
매개효과는
X가 Y에 영향을 미치는 과정에서 M이라는 변수가 중간에 작용하는지를 살펴보는 것입니다.
✔ X = 독립변수
✔ M = 매개변수
✔ Y = 종속변수
✔ X→M→Y를 통한 효과 = 간접효과
✔ 부트스트랩 신뢰구간에 0이 포함되지 않으면 일반적으로 간접효과가 유의하다고 판단
✔ 직접효과가 유의하지 않아도 간접효과는 유의할 수 있음
그리고 가장 먼저 확인해야 할 것은
통계 결과보다 왜 M이 X와 Y 사이에 있어야 하는지 설명할 수 있는가입니다.
매개변수를 하나 추가했다고 연구모형이 자동으로 좋아지는 것은 아닙니다.
X에서 시작된 변화가 왜 M을 거쳐 Y와 연결될 것이라고 예상했는지,
그 흐름을 이론과 선행연구로 설명할 수 있을 때 매개효과 분석도 자연스럽게 이어질 수 있습니다.