조절된 매개효과 (Moderated Mediation)

언제 쓰나요?

X가 매개변수(M)를 거쳐 Y와 연결되는 간접효과가 조절변수(W)에 따라 달라지는지 알고 싶을 때 사용합니다.
X·M·Y·W를 정하고, W가 X→M 경로를 바꾸는지 M→Y 경로를 바꾸는지 이론으로 먼저 밝힙니다. 각 변수의 척도에 맞는 추정법도 필요합니다.
조절이 적용되는 경로에 상호작용을 넣고, W의 여러 수준에서 X→M→Y 간접효과를 각각 추정합니다.
조건별 간접효과와 그 차이의 신뢰구간을 제시합니다. 매개효과와 조절효과를 따로 검정한 결과만으로는 간접효과의 조건별 차이를 확인할 수 없습니다.

예를 들면

X는 학습 지원, M은 자기효능감, Y는 학습전이, W는 현업 활용기회 점수로 둡니다.
현업 활용기회가 자기효능감→학습전이 경로를 바꾼다는 가설을 세우고 M×W 상호작용을 포함합니다.
활용기회가 적을 때와 많을 때의 간접효과를 계산하고 두 조건의 차이를 신뢰구간으로 보여 줍니다.

선택할 때 확인할 점

매개는 경로를, 조절은 조건을 묻습니다.
조절된 매개는 그 경로 전체가 조건에 따라 달라지는지 묻습니다.

조절된 매개효과 (Moderated Mediation)에서 처음 볼 용어를 확인하세요 (절차·분석·해석)

먼저 질문과 핵심 개념을 확인하고, 설계·절차에서 분석과 결과 해석으로 이어서 읽어 보세요. 이 방법의 주요 용어를 이해하고 연구문제에 맞는 선택을 돕는 학습 안내입니다. 아래 분석 순서와 점검표도 함께 확인하세요.

1. 질문과 핵심 개념

매개기제와 조절조건: 조절된 매개는 X→M→Y 간접효과가 W에 따라 달라지는지를 묻습니다. 먼저 어떤 매개 경로가 왜 특정 조건에서 달라져야 하는지 이론으로 설명합니다.
1단계·2단계 조절: W가 X→M 경로를 바꾸면 1단계 조절, M→Y 경로를 바꾸면 2단계 조절이라고 부릅니다. 어느 경로에 상호작용이 들어가는지 모형 그림과 식으로 분명히 합니다.

2. 설계와 절차

조건부 과정 모형: 매개·조절 경로를 한 모형으로 표현한 분석 구조입니다. 번호가 붙은 템플릿을 고르기보다 자신의 질문에 필요한 경로만 정하고 대안모형과 비교합니다.
시간 순서와 인과 가정: 인과적 과정으로 해석하려면 X·M·Y의 시간 순서와 각 경로의 혼란요인을 고려해야 합니다. 조건부 간접효과가 추정됐다는 것만으로 그 과정이 인과적으로 확인되지는 않습니다.

3. 분석과 결과

조건부 간접효과: 조절변수 W의 특정 수준에서 계산한 X→M→Y 효과입니다. 여러 W 수준에서 추정치·신뢰구간을 제시해 효과 패턴을 보여 줍니다.
조절된 매개 지수: 선형 조건에서 W가 한 단위 변할 때 간접효과가 얼마나 달라지는지 요약하는 추정량입니다. 해당 모형의 형태에 맞을 때 사용하며, 비선형·복수 조절에 하나의 지수를 기계적으로 적용하지 않습니다.
간접효과 차이의 신뢰구간: 조건 간 간접효과의 차이를 직접 계산하고 불확실성을 평가합니다. 한 조건에서는 유의하고 다른 조건에서는 유의하지 않다는 비교만으로 차이를 주장하지 않습니다.
부트스트랩 추론: 간접효과와 조절된 매개 지수의 표집분포가 정규적이지 않을 수 있어 재표집 신뢰구간을 사용할 수 있습니다. 표집 단위와 결측·군집 구조에 맞는 절차를 정합니다.

4. 해석과 보고

조절된 매개 결과의 읽기: 조건별 간접효과와 그 차이 또는 지수의 구간을 함께 읽습니다. 어느 조건에서 값이 0과 구분되는지만으로 조건 간 변화의 증거를 대신하지 않습니다.
복잡도와 설명 범위: 경로와 조절변수가 늘수록 필요한 표본·가정·해석 부담이 커집니다. 이론과 자료가 지지하는 범위까지만 모형을 구성하고 탐색한 분석은 구별해 보고합니다.

이 용어를 각 방법의 연구 맥락에서 더 확인하려면 해당 방법론 논문을 보세요: 추천논문 1.

01 · 목적

언제, 어떤 목적으로 선택하나요?

중간 과정이 있다는 설명에서 한 걸음 더 나아가, 그 과정이 언제 잘 작동하는지 알고 싶을 때 선택합니다. 예를 들어 지원이 자기효능감을 거쳐 전이로 연결되는 경로가 현업 활용기회에 따라 달라지는지를 묻는 연구입니다.

이 방법으로 답하는 연구 목적

교육 지원이 자기효능감을 거쳐 학습전이로 이어지는 경로가 활용기회에 따라 달라지는지 밝힐 때 씁니다. 어느 경로가 조절되는지 이론으로 먼저 정하고, 조건부 간접효과를 직접 비교합니다.

대표 연구 질문

어떤 조건에서, 중간 과정을 거쳐 결과로 이어지는 관계가 더 강하거나 약해지는가?

필요한 변수·자료의 형태

선행변수 X, 매개변수 M, 결과 Y, 간접경로가 달라질 조건 W를 같은 분석 단위에 연결합니다. 예: 학습지원(X), 자기효능감(M), 전이(Y), 활용기회(W).
W가 X→M(a경로)를 바꾸는지 M→Y(b경로)를 바꾸는지 먼저 정합니다. 경로 위치에 따라 연구가설과 모형이 달라집니다.
변수의 척도와 시점·군집 구조에 맞는 추정법을 정하고, X 이후 M, M 이후 Y처럼 가능한 시간 순서를 반영합니다. 조건별 간접효과를 비교할 표본 규모도 검토합니다.

분석에서는 무엇을 하나요?

이론이 지정한 경로에 상호작용항을 넣고, W의 관측 범위 안에서 여러 조건값의 간접효과를 추정합니다.
조건별 간접효과와 신뢰구간을 산출합니다. 모형 가정이 허용할 때 조절된 매개 지수를 보고하거나, 관심 있는 두 조건의 간접효과 차이를 직접 검정합니다.
W가 a경로와 b경로를 모두 조절하거나 여러 W가 포함되면 해당 모형의 각 조건부 간접효과를 밝힙니다. 익숙한 프로그램의 모형 번호만으로 분석을 정하지 않습니다.

결과를 어떻게 해석하나요?

어느 경로가 조절되는지, 조건별 간접효과의 추정치·신뢰구간, 조건 간 차이 또는 조절된 매개 지수를 분명히 보고합니다.
한 조건의 간접효과만 유의하고 다른 조건에서는 유의하지 않다는 결과만으로 조건 차이를 결론내리지 말고, 차이를 직접 검정합니다.
복합 경로는 교란과 시간 순서에 민감합니다. 통계적 조건부 간접효과를 인과 메커니즘으로 해석할 수 있는지는 연구설계 근거와 함께 제한적으로 판단합니다.

이런 상황이면 이 분석을 고려하세요

1. 중간 과정과 조건을 함께 질문

교육 지원이 자기효능감을 거쳐 학습전이로 이어지지만, 그 간접경로가 현업 활용기회에 따라 달라지는지 궁금한 경우입니다. 매개와 조절을 함께 넣는 것보다 질문이 구체적입니다.

2. 어느 경로가 달라지는지 명시

W가 X→M을 바꾸는지, M→Y를 바꾸는지 등 조절 위치를 이론으로 정합니다. 같은 변수들을 사용하더라도 위치가 달라지면 다른 기제와 조건을 검정하게 됩니다.

3. 조건별 간접효과의 직접 비교

W의 수준별 간접효과와 신뢰구간, 모형에 맞는 조절된 매개 지수 또는 간접효과 차이를 제시합니다. 어느 조건에서만 유의한지 나열하는 데서 끝내지 않습니다.

4. 측정·시간 순서·표본계획

X·M·W·Y를 구별해 측정하고 교란과 검정력을 검토합니다. 설계가 부족한데 복잡한 모형을 사용한다고 설명의 인과적 타당성이 높아지는 것은 아닙니다.

어떤 질문이면 다른 방법을 비교해야 하나요?

매개효과 (Mediation, 다중매개 포함): 간접경로의 존재와 크기만 궁금하고 이를 바꾸는 조건에 대한 가설이 없다면 매개효과가 질문에 더 직접적입니다.
조절효과 (Moderation, 이중조절 포함): 중간 경로 없이 X–Y 관계가 조건에 따라 달라지는지만 궁금하다면 조절효과를 검토합니다.

선택 기준의 방법론 근거: 추천 논문 1. 아래 자료·해석 범위까지 확인해 최종 방법을 정하세요.

02 · 자료와 분석 구조

어떤 자료와 변수로, 어떤 구조를 분석하나요?

X → M → Y 간접효과의 크기가 조절변수 W에 따라 달라지는지를 보는 구조입니다. 매개(과정)와 조절(조건)을 한 모형에서 함께 검정합니다.

분석 구조 한눈에 보기

교육 참여(X) ──a──→ 효능감(M) ──b──→ 학습전이(Y)
                     ↑
        활용 기회(W) (a 경로를 조절: Model 7)
※ W가 b 경로를 조절하면 Model 14, 둘 다 조절하면 Model 58

식으로 보면

M = a0 + a1·X + a2·W + a3·(X×W) + e1 (Model 7)
Y = c0 + c1′·X + b·M + e2
조건부 간접효과 = (a1 + a3·W) × b

필요한 변수와 역할

역할	무엇인가요	예시	형태
독립변수(X)	원인 변수	교육 참여	연속형 또는 0/1
매개변수(M)	중간 과정	자기효능감	연속형
조절변수(W)	간접효과를 바꾸는 조건	활용 기회	연속형(평균중심화) 또는 범주
종속변수(Y)	결과	학습전이	연속형

분석용 자료 파일은 이렇게 만듭니다

ID	train(X)	efficacy(M)	chance_c(W)	transfer(Y)
A01	1	3.9	0.5	3.8
A02	0	3.1	-0.6	3.0
A03	1	4.4	0.8	4.1

예시 값입니다(실제 자료가 아님). 한 행은 한 사람의 응답입니다.

자료 파일을 만들 때 지킬 규칙

한 행에 한 사람(분석 단위)의 응답을, 한 열에 한 변수를 둡니다(‘넓은 형식’). 같은 사람의 여러 시점 응답은 열을 늘려(예: mot_t1, mot_t2) 같은 행에 둡니다.
ID 열을 맨 앞에 두고 중복이 없는지 확인합니다. 변수 이름은 짧은 영문·숫자(예: com1, sup_mean)로 정하고 한글 설명은 변수 설명(레이블)에 적습니다.
역채점 문항은 먼저 뒤집은 뒤 문항 평균(또는 합계) 점수를 만듭니다. 범주형 변수는 숫자 코드(예: 남 0·여 1)로 입력하고 값 설명을 붙입니다.
무응답은 빈칸(시스템 결측)으로 두거나 999 같은 값을 쓰고 ‘결측값’으로 지정합니다. 0으로 채우지 않습니다.
코드북(변수 이름·뜻·값 코드·측정 단위·역채점 여부)을 따로 만들어 분석 파일과 함께 보관합니다.
W는 평균중심화하고 곱셈항(X×W 또는 M×W)은 PROCESS가 자동 계산합니다. 직접 분석할 때는 곱셈항 열을 직접 만듭니다.

분석 프로그램에서 이렇게 설정합니다

SPSS PROCESS: 이론에 맞는 Model(7, 8, 14, 15, 58 등)을 고르고 Y, X, M, W를 지정, 부트스트랩 5,000회 이상.
출력에서 ① 경로별 상호작용 ② 조건부 간접효과(W 수준별) ③ ‘조절된 매개 지수’의 신뢰구간을 순서대로 읽습니다.

자료 조건과 주의점

X·M·Y와 조절변수 W를 측정합니다. 두 조절변수를 쓰는 확장 모형에는 Z도 필요합니다.
a경로(X→M), b경로(M→Y) 또는 다른 경로 중 어디가 조절되는지 사전에 밝힙니다.
시간 순서와 교란 통제, 결과 척도, 군집 구조에 맞는 조건부 과정모형을 사용합니다.
조절변수의 실제 관측 범위 안에서 해석하고 복잡한 간접효과의 검정력을 계획합니다.

03 · 예시 연구모형

이런 연구모형으로 분석합니다

연구모형은 연구에서 다룰 변수와 변수 사이의 가설 관계를 그림으로 나타낸 것입니다. 아래 예시에서 변수의 역할(독립·매개·조절·종속·외생·내생 등)과 화살표의 방향을 읽어 본 뒤, 내 연구의 변수를 같은 방식으로 배치해 보세요. 그 구조가 이 방법과 맞는지 보면 알맞은 분석 방법을 고를 수 있습니다.

모형 1. 첫 단계 조절된 매개모형 (PROCESS Model 7)

연구문제 예 교육 참여가 자기효능감을 거쳐 현업 적용으로 이어지는 간접효과는 활용 기회에 따라 달라지는가?

매개변수 (M)
조절변수 (W)
독립변수 (X)
종속변수 (Y)

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 교육 참여는 자기효능감을 높일 것이다.
H2: 이 효과는 활용 기회가 높을수록 더 클 것이다(조절).
H3: 자기효능감은 현업 적용을 높일 것이다.
H4: 교육 참여는 현업 적용에 직접 영향을 미칠 것이다.
H5: 간접효과의 크기는 활용 기회 수준에 따라 다를 것이다(조건부 간접효과).
H6: 조절된 매개 지수가 0이 아닐 것이다.

예시 분석 결과 읽기

H1~H3 지지, H4 기각(직접효과 .06은 유의하지 않음).
H5 지지: 조건부 간접효과 — 활용 기회 낮음(−1SD) .09 [.03, .17], 평균 .16 [.09, .25], 높음(+1SD) .23 [.13, .35]. 모두 0을 포함하지 않지만 활용 기회가 높을수록 커집니다.
H6 지지: 조절된 매개 지수 .07의 신뢰구간 [.02, .13]이 0을 포함하지 않아 ‘간접효과가 활용 기회에 따라 다르다’고 말할 수 있습니다. 조건별 간접효과가 각각 유의한 것만으로는 차이를 주장할 수 없습니다.

이렇게 읽습니다 매개경로 X→M에 조절변수가 작용하는 모형입니다. W의 수준(평균 −1SD, 평균, +1SD)별로 간접효과를 구하고, 조절된 매개 지수의 신뢰구간이 0을 포함하지 않아야 ‘간접효과가 W에 따라 다르다’고 말할 수 있습니다.

모형 2. 두 번째 단계 조절된 매개모형 (PROCESS Model 14)

연구문제 예 자기효능감이 현업 적용으로 이어지는 효과가 상사 지원에 따라 달라져서 간접효과도 달라지는가?

매개변수 (M)
조절변수 (W)
독립변수 (X)
종속변수 (Y)

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 교육 참여는 자기효능감을 높일 것이다.
H2: 자기효능감은 현업 적용을 높일 것이다.
H3: 이 효과는 상사 지원이 높을수록 더 클 것이다(조절).
H4: 교육 참여는 현업 적용에 직접 영향을 미칠 것이다.
H5·H6: 간접효과와 조절된 매개 지수가 상사 지원 수준에 따라 달라질 것이다.

예시 분석 결과 읽기

H3 지지: M×W 계수 .15가 유의해 상사 지원이 높을수록 자기효능감 → 현업 적용 효과가 커집니다.
조건부 간접효과 — 상사 지원 낮음 .07 [.01, .14], 평균 .13 [.07, .21], 높음 .20 [.11, .31].
H6 지지: 지수 .07 [.02, .13]이 0을 포함하지 않습니다. H4(직접효과 .07)는 유의하지 않습니다.

이렇게 읽습니다 조절이 M→Y 경로에 들어간 모형입니다. 조절변수가 어느 경로에 작용하는지(a 경로, b 경로, 둘 다)는 이론적으로 먼저 정하고 PROCESS 모델 번호를 선택합니다.

변수, 가설, 계수는 이해를 돕기 위해 교육·HRD 맥락으로 만든 학습용 예시이며 실제 연구 결과가 아닙니다. 특정 논문의 모형을 옮긴 것은 아닙니다. 이 방법을 실제로 쓴 논문의 예: Soane, E., Shantz, A., Alfes, K., Truss, C., Rees, C., & Gatenby, M. (2013).

04 · 제시하고 싶은 결과

분석 후 무엇을 보여 줄 수 있나요?

조건별로 중간 과정을 거쳐 결과와 연결되는 정도를 표와 그림으로 비교합니다.
조절된 매개 지수 또는 적절한 간접효과 차이 검정과 신뢰구간
어느 경로가 조절되는지 표시한 모형과 해석

유의한 결과나 높은 적합도를 얻는 것 자체가 연구의 목적은 아닙니다. 결과가 연구문제에 어떤 답을 주는지, 무엇이 아직 불확실한지 함께 설명해야 합니다.

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 조건부 간접효과와 조절된 매개 지수

조절변수 수준별 간접효과와 그 차이를 나타내는 조절된 매개 지수를 신뢰구간과 함께 제시합니다.

이렇게 읽습니다 조건별 간접효과가 모두 유의해도 ‘서로 다르다’고 말하려면 조절된 매개 지수의 신뢰구간이 0을 포함하지 않아야 합니다. 여기서는 지수 .07 [.02, .13]이므로 활용 기회가 높을수록 간접효과가 커집니다.

결과 그림 2. 조절변수에 따른 간접효과의 변화

조절변수가 높아질수록 간접효과가 어떻게 커지는지 선으로 보여 줍니다.

이렇게 읽습니다 기울기가 지수(.07)에 해당합니다. 선이 평평하면 간접효과가 조절변수에 따라 달라지지 않는다는 뜻입니다. 간접효과가 유의해지는 조절변수 범위(Johnson–Neyman)를 함께 제시하면 더 유용합니다.

그림의 값은 이해를 돕기 위해 만든 예시이며 실제 연구 결과가 아닙니다.

05 · 궁극적으로 밝힐 것

내가 끝까지 답하고 싶은 질문과 맞나요?

“왜 연결되는지와 언제 그 연결 경로가 강해지는지를 함께 밝히고 싶다.”

이 질문에 답하는 분석 구조

X → M → Y 간접효과를 구하되, 그 경로(a 또는 b)가 조절변수 W에 따라 달라지는 조건부 간접효과와 조절된 매개 지수를 추정합니다.

왜 하나요? ‘이 중간 과정이 모든 사람에게 같은가, 아니면 어떤 조건에서만 작동하는가’를 알고 싶을 때. 매개와 조절을 한 모형에서 함께 검증하기 위해 합니다.

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

매개효과 (Mediation, 다중매개 포함): 분석 구조 X → M → Y 구조에서 X가 중간 변수 M을 거쳐 Y로 전달되는 간접효과(a×b)와 M을 통제한 직접효과(c′)를 나누어 추정합니다.이럴 때 선택 ‘X가 왜(어떤 과정을 거쳐) Y로 이어지는가’를 알고 싶을 때. X와 Y가 관련된다는 사실을 넘어 중간 기제가 있는지 확인하기 위해 합니다.
조절효과 (Moderation, 이중조절 포함): 분석 구조 Y = b0 + b1X + b2W + b3(X×W)처럼 X와 조절변수 W의 곱(상호작용) 항을 넣고, W 수준별로 X→Y 기울기가 달라지는지 봅니다.이럴 때 선택 ‘X와 Y의 관계가 어떤 조건(집단·상황)에서 더 강하거나 약해지는가’를 알고 싶을 때. 평균적인 관계 뒤에 숨은 조건별 차이를 드러내기 위해 합니다.
구조방정식모형 (Structural Equation Modeling, SEM): 분석 구조 여러 문항으로 잰 잠재변수를 측정모형(요인분석)으로 나타내고, 그 잠재변수들 사이의 구조 경로를 한 번에 추정해 모형 전체 적합도를 평가합니다.이럴 때 선택 ‘직접 잴 수 없는 개념들이 서로 어떻게 연결되는가’를 알고 싶을 때. 측정오차를 반영해 개념 간 관계를 추정하고 이론 모형 전체가 자료와 맞는지 보려고 합니다.

06 · 분석 순서

분석은 어떤 순서로 진행하나요?

사용 도구 SPSS + PROCESS macro(Model 7, 8, 14, 15, 58 등) 기준.

기준의 출처 Hayes(2022), Hayes(2015), Preacher·Rucker·Hayes(2007), Edwards·Lambert(2007), Muller 외(2005).

연구설계와 표본 크기(검정력) 계획
어떻게 하나요
자료를 모으기 전에 분석 모형, 넣을 변수 수, 기대하는 효과 크기를 정해 필요한 표본 수를 계산합니다. G*Power(F 검정, 선형 다중회귀 등)나 해당 방법의 시뮬레이션 지침을 사용합니다. 조절된 매개는 매개와 상호작용을 동시에 검정하므로 가장 복잡한 경로를 기준으로 계산합니다.
확인할 값과 해석 기준
보통 유의수준 α = .05, 검정력 .80 이상으로 잡습니다. 효과 크기는 Cohen(1988)의 참고치(회귀 f² = .02 작음·.15 중간·.35 큼, 상관 r = .10·.30·.50, 평균차 d = .20·.50·.80)나 선행연구에서 가져옵니다. 기대하는 효과가 작을수록 표본이 많이 필요합니다. 상호작용 항이 둘 이상이면 표본 요구가 커집니다. 충분한 표본이 없으면 모형을 단순화합니다.
왜 하고, 무엇을 알 수 있나요
표본이 충분한지는 자료를 모으기 전에 따져 봐야 합니다. 표본이 부족하면 실제 효과가 있어도 유의하지 않게 나올 수 있고(제2종 오류), 나중에 표본 수를 끼워 맞추면 결과를 믿기 어렵습니다.
개념모형 선택: 조절이 어느 경로에 들어가는가
어떻게 하나요
이론으로 X → M → Y 경로 중 조절이 작용하는 위치를 정하고 PROCESS 모델을 고릅니다. Model 7은 X→M(a경로), Model 14는 M→Y(b경로), Model 58은 a·b 둘 다, Model 8은 a경로와 직접경로, Model 15는 b경로와 직접경로를 조절합니다.
확인할 값과 해석 기준
모델 번호와 조절변수 위치는 이론적 근거와 함께 미리 정해 보고서에 적습니다. 가능한 모델을 다 돌려 유의한 것만 보고하면 안 됩니다. 조절된 매개와 매개된 조절은 이론적 질문이 다릅니다(Muller et al., 2005).
왜 하고, 무엇을 알 수 있나요
‘어떤 과정을 거쳐’와 ‘어떤 조건에서’를 한 모형으로 묶습니다.
변수 정의, 척도 점수 계산, 역채점·더미 코딩
어떻게 하나요
SPSS [변환 > 변수 계산]·[다시 코딩]으로 역문항을 뒤집고(예: 5점 척도에서 6 − 응답), 하위 개념별 문항 평균(또는 합계) 점수를 만듭니다. 범주형 변수(성별, 직급 등)는 0/1 더미변수로 바꾸고 기준 집단을 정합니다. 변수 이름·값 설명을 코드북으로 정리합니다.
확인할 값과 해석 기준
역채점 후 같은 개념의 문항끼리 양의 상관인지 확인합니다. 범주가 k개이면 더미변수는 k−1개를 만들며, 기준 집단은 표본이 충분하고 의미 있는 집단으로 정합니다. 문항 평균을 쓸 때는 결측 문항 허용 기준(예: 한 척도에서 문항의 80% 이상 응답)을 미리 정합니다.
왜 하고, 무엇을 알 수 있나요
점수가 높을수록 무엇을 뜻하는지가 분명해집니다. 역채점을 빠뜨리면 상관과 신뢰도가 크게 왜곡되니 꼭 확인하세요.
결측치 확인과 처리
어떻게 하나요
[분석 > 결측값 분석]이나 빈도분석으로 변수별·사례별 결측 비율과 패턴을 확인하고, Little의 MCAR 검정으로 결측이 무작위인지 봅니다.
확인할 값과 해석 기준
변수별 결측이 5% 이하면 영향이 작다고 보는 관행이 있습니다. MCAR이 기각되지 않으면(p > .05) 목록별 삭제도 가능하지만 표본이 줄어듭니다. 결측이 많거나 무작위가 아닐 때는 다중대체(MI)나 완전정보 최대우도(FIML)를 사용합니다. 평균 대체는 분산을 줄여 권하지 않습니다. 결측 처리 방법과 최종 분석 표본 수를 보고합니다.
왜 하고, 무엇을 알 수 있나요
몇 명의 자료가 실제 분석에 쓰이는지, 결측 때문에 결과가 치우칠 위험은 없는지 가늠합니다.
이상값(극단값) 점검
어떻게 하나요
변수별 상자그림과 표준화 점수(z)로 단변량 이상값을, [분석 > 회귀분석 > 선형 > 저장]의 Mahalanobis 거리로 다변량 이상값을 확인합니다.
확인할 값과 해석 기준
|z| > 3.29(양측 p < .001)이면 단변량 이상값으로 봅니다(작은 표본에서는 |z| > 3 사용도 흔함). Mahalanobis 거리는 투입 변수 수를 자유도로 한 χ² 분포에서 p < .001이면 다변량 이상값 후보입니다. 입력 오류면 바로잡으면 됩니다. 실제 응답이면 지우지 말고 포함했을 때와 제외했을 때의 결과를 비교해 보고합니다.
왜 하고, 무엇을 알 수 있나요
극단적인 응답 몇 개가 평균, 상관, 회귀계수를 흔들고 있는지 봅니다.
기술통계와 분포(정규성) 확인
어떻게 하나요
[분석 > 기술통계량 > 탐색]으로 평균, 표준편차, 왜도, 첨도, 히스토그램, Q-Q 도표, Shapiro–Wilk 검정을 출력합니다.
확인할 값과 해석 기준
왜도 절댓값 2·첨도 절댓값 7 이내(West et al., 1995) 또는 왜도 3·첨도 10 이내(Kline)를 정규성에 큰 문제가 없는 참고치로 씁니다. 표본이 크면 Shapiro–Wilk가 사소한 이탈에도 유의해지므로 검정 하나로 판단하지 않고 도표와 함께 봅니다. 회귀·매개·조절에서 가정하는 것은 변수가 아니라 잔차의 정규성입니다(뒤 단계에서 확인).
왜 하고, 무엇을 알 수 있나요
각 변수의 중심, 퍼짐, 치우침과 척도의 천장·바닥효과가 보입니다. 변환이나 강건한 방법이 필요한지도 여기서 판단합니다.
척도 신뢰도 확인 (Cronbach α)
어떻게 하나요
[분석 > 척도 > 신뢰도 분석]에서 모형 ‘알파’, 통계량 ‘항목 삭제 시 척도’·‘항목-전체’를 선택해 하위 개념마다 실행합니다. 가능하면 McDonald ω도 함께 구합니다.
확인할 값과 해석 기준
α .70 이상 수용, .80 이상 양호가 일반적 기준입니다(Nunnally). .95를 넘으면 문항이 중복됐을 수 있습니다. 수정된 항목-전체 상관이 .30 미만이거나 삭제 시 α가 눈에 띄게 오르는 문항은 내용을 검토한 뒤 판단합니다. 문항 수가 적으면 α가 낮아질 수 있어 문항 간 평균 상관(.15~.50)도 참고합니다. 이미 타당화된 척도라도 이번 표본에서 다시 계산해 보고합니다.
왜 하고, 무엇을 알 수 있나요
같은 개념을 재는 문항에 사람들이 일관되게 답했는지(내적 일관성)를 봅니다. 신뢰도는 타당도의 필요조건일 뿐 충분조건은 아닙니다.
공통방법편향(동일방법편의) 점검
어떻게 하나요
같은 사람이 같은 시점에 같은 설문으로 모든 변수에 답한 자료라면 공통방법편향을 점검합니다. (1) 설계 단계: 측정 시점·출처 분리, 응답 익명성 보장, 문항 순서 조정. (2) 분석 단계: Harman의 단일요인 검정이나 CFA에서 ‘공통방법요인’을 추가한 모형 비교.
확인할 값과 해석 기준
Harman 검정은 모든 문항을 한 번에 요인분석했을 때 첫 요인이 전체 분산의 50% 미만이면 문제가 작다고 보지만 민감도가 낮다는 비판이 있어 CFA 방법요인 비교나 VIF(전체 공선성 VIF < 3.3) 같은 보조 근거를 함께 쓰기도 합니다. 한 가지 검정만으로 ‘편향이 없다’고 단정하지 않습니다.
왜 하고, 무엇을 알 수 있나요
상관과 회귀계수가 실제 관계보다 같은 방식으로 응답한 탓에 부풀려졌을 가능성을 가늠할 수 있습니다(Podsakoff et al., 2003).
상관분석: 변수 간 관계의 방향·크기와 중복 확인
어떻게 하나요
[분석 > 상관분석 > 이변량 상관계수]에서 모형에 넣을 모든 변수(통제변수 포함)를 한 번에 투입해 Pearson 상관행렬을 구합니다. 순서형이거나 분포가 크게 치우치면 Spearman을 씁니다. 평균·표준편차·신뢰도(α)·상관을 한 표에 정리합니다.
확인할 값과 해석 기준
부호는 방향, 절댓값은 크기입니다(참고치 |r| .10 작음·.30 중간·.50 큼). 설명변수끼리 |r| ≥ .80~.85이면 다중공선성을 의심합니다. 이론이 예측한 방향과 다르거나 지나치게 높은 상관(.90 이상)은 변수가 사실상 같은 개념을 재는 것은 아닌지 확인합니다. 상관은 선형 관계만 보여 주므로 산점도도 함께 봅니다.
왜 하고, 무엇을 알 수 있나요
어떤 변수가 함께 움직이는지, 변수끼리 겹치거나 이상한 패턴은 없는지 모형을 돌리기 전에 살핍니다. 상관이 원인을 뜻하지는 않습니다.
평균중심화와 회귀 가정·공선성 점검
어떻게 하나요
X, M, W의 중심화 변수를 만들고, 각 회귀식(M 예측식, Y 예측식)에서 선형성·독립성·등분산성·잔차 정규성·VIF·영향점을 확인합니다.
확인할 값과 해석 기준
VIF 5(엄격)~10 미만, Cook의 D 1 미만이면 됩니다. 상호작용이 많을수록 공선성과 이분산이 흔하니 강건 표준오차(HC3)를 켜 두기를 권합니다.
왜 하고, 무엇을 알 수 있나요
각 회귀식의 계수 추정이 안정적인지 점검합니다.
경로별 상호작용 확인
어떻게 하나요
PROCESS 출력에서 a경로 모형(M 예측식)의 X×W와 b경로 모형(Y 예측식)의 M×W 계수·p·신뢰구간을 읽습니다.
확인할 값과 해석 기준
해당 상호작용 계수가 유의하면 그 경로의 효과가 W에 따라 달라집니다. 유의하지 않은 경로 상호작용에 대해 조건부 간접효과의 차이를 주장할 수 없습니다.
왜 하고, 무엇을 알 수 있나요
조절이 실제로 작용하는 경로가 어디인지 찾습니다.
조건부 간접효과 확인
어떻게 하나요
W가 평균 −1SD, 평균, 평균 +1SD일 때 X→M→Y 간접효과와 부트스트랩 95% 신뢰구간을 읽습니다.
확인할 값과 해석 기준
각 조건에서 신뢰구간이 0을 포함하지 않으면 그 조건에서 간접효과가 유의합니다. 직접효과가 있는 모델이면 조건부 직접효과도 함께 봅니다.
왜 하고, 무엇을 알 수 있나요
‘활용 기회가 높은 직원에게서만 교육이 효능감을 거쳐 전이로 이어진다’처럼 조건별 결론을 낼 수 있습니다.
조절된 매개 지수(index of moderated mediation) 검정
어떻게 하나요
PROCESS 출력의 ‘Index of moderated mediation’과 부트스트랩 신뢰구간을 읽습니다.
확인할 값과 해석 기준
지수의 신뢰구간이 0을 포함하지 않아야 ‘간접효과의 크기가 W에 따라 다르다’고 말할 수 있습니다. 한 조건에서는 유의하고 다른 조건에서는 유의하지 않다는 사실만으로는 차이를 주장할 수 없습니다(Hayes, 2015). 연속 조절변수에서는 지수가 W 1단위당 간접효과의 변화량입니다.
왜 하고, 무엇을 알 수 있나요
조절된 매개가 통계적으로 있다고 말할 수 있는 근거는 이 지수입니다.
해석의 한계와 대안 모형 점검
어떻게 하나요
횡단 자료의 시간 순서, 교란변수, 표본 크기에 따른 검정력 한계를 논의하고 조절 경로를 바꾼 대안 모델과 결과를 비교합니다.
확인할 값과 해석 기준
부트스트랩은 5,000회 이상을 권합니다. 상호작용과 매개가 모두 있는 모형은 표본이 작으면 신뢰구간이 넓어집니다.
왜 하고, 무엇을 알 수 있나요
결과를 어디까지 일반화할 수 있는지 정합니다.
결과 정리와 보고
어떻게 하나요
평균·표준편차·신뢰도·상관 표, 모형 계수·신뢰구간·효과 크기 표와 그림을 만듭니다. 소프트웨어와 버전, 옵션, 표본 수, 결측·이상값 처리, 가정 점검 결과도 빠짐없이 적습니다. 개념모형 그림, 경로별 계수표, 조건부 간접효과표, 조절된 매개 지수를 함께 제시하고 PROCESS 모델 번호·버전·부트스트랩 설정을 적습니다.
확인할 값과 해석 기준
APA 보고 지침(JARS)을 따라 정확한 p값(p < .001은 이렇게 표기), 효과 크기, 신뢰구간을 함께 제시합니다. 설문처럼 한 시점의 자료는 ‘관련된다’까지만 말하고 인과를 단정하지 않으며, 표집 방법·표본 특성·측정의 한계를 적습니다.
왜 하고, 무엇을 알 수 있나요
독자가 결과를 재현해 보고 한계를 스스로 판단할 수 있게 합니다.

방법 선택을 위한 안내입니다. 실제 실행에서는 해당 방법의 원문과 교과서, 소프트웨어 문서를 함께 확인하세요.

07 · 사례

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

학습용 연구설계 사례입니다. 실제 논문의 연구 결과나 수집된 자료를 재현한 것이 아닙니다. 분석 방법의 근거는 아래 추천 문헌에서 확인할 수 있습니다.

사례 1 · HRD · 조직행동

학습 지원이 전이로 이어지는 조건

연구목적

학습 지원 → 자기효능감 → 학습전이의 경로가 현업 활용기회에 따라 달라지는지 봅니다.

알고 싶은 것

자기효능감이 높아도 활용기회가 적으면 간접경로가 약해지는가?

사용할 자료

사전 수준과 학습 지원
이후 자기효능감
후속 활용기회·학습전이

방법을 적용하는 방식

활용기회가 b경로를 조절하는 모형을 추정하고 활용기회 수준별 간접효과와 그 차이를 검정합니다.

제시할 결과

활용기회 수준에 따른 지원 → 자기효능감 → 전이의 간접효과
신뢰구간과 모형에 맞는 간접효과 차이 검정을 제시합니다

이 사례에서 밝힐 수 있는 것

조절효과와 매개효과를 각각 따로 유의성 검정한 것만으로는 이 질문에 답할 수 없습니다.

사례 2 · 학습분석

AI 피드백과 자기점검의 조건부 경로

연구목적

AI 피드백 → 자기점검 → 성취의 간접경로가 AI 리터러시에 따라 달라지는지 확인합니다.

알고 싶은 것

AI 리터러시가 높을수록 피드백을 자기점검으로 전환하는 경로가 강한가?

사용할 자료

피드백 조건
사전 AI 리터러시
학습 중 자기점검
사후성취 및 사전성취

방법을 적용하는 방식

리터러시가 a경로를 조절한다고 밝히고 조건부 간접효과를 추정합니다. 피드백 로그는 자기점검 개념을 실제로 측정하는지 타당화합니다.

제시할 결과

AI 리터러시 수준별 피드백 → 자기점검 → 성취의 간접효과 그림과 적절한 조절된 매개 검정 결과를 제시합니다

이 사례에서 밝힐 수 있는 것

사용량을 자기점검이라고 자동으로 해석하지 말고 측정의 의미와 경로 가설을 함께 검토합니다.

08 · 해석 범위

이 결과로 어디까지 말할 수 있을까요?

어느 조건에서만 간접효과가 유의하다는 사실은 조건 간 간접효과 차이를 직접 검정한 결과와 다릅니다.
모든 모형에 하나의 선형 지수를 기계적으로 적용할 수 없습니다. 비선형·다중 조절은 모형에 맞게 검정합니다.
복잡한 PROCESS 모형 번호를 고르는 것으로 연구목적이나 인과설계가 정해지지 않습니다.

09 · 나의 연구에 대입하기

이 방법의 선택 조건을 스스로 확인해 보세요

자신의 연구목적과 자료를 떠올리며 답해 보세요. 세 조건이 모두 맞더라도 실제 연구를 시작하기 전에는 표집·측정·윤리·분석 가정을 구체적으로 검토해야 합니다.

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문

아래 논문에서 방법의 논리와 실제 연구에 적용하는 방식을 확인할 수 있습니다. 읽을 초점을 따라 연구목적·자료·결과를 비교해 보세요.

방법 설명SSCI
Preacher, K. J., Rucker, D. D., & Hayes, A. F. (2007). Addressing Moderated Mediation Hypotheses: Theory, Methods, and Prescriptions. Multivariate Behavioral Research, 42(1), 185-227.
읽을 초점 간접효과가 조절변수의 수준에 따라 달라지는 가설을 모형과 추론으로 연결하는 방법을 읽어 보세요.
DOI: 10.1080/00273170701341316 · ISSN: 0027-3171 / 1532-7906
교수님 Research listSCOPUSESCI
Ro, Y. J., Nam, K. M., Lee, J. Y., Oh, S. K., & Song, J. H. (2025). Job stress, affective commitment and life satisfaction among female managers: a moderated moderated mediation analysis of supervisor and CEO support. European Journal of Training and Development, 49(9), 912-928. https://doi.org/10.1108/ejtd-04-2024-0053
읽을 초점 연구실의 관련 연구가 이 방법을 어떤 목적으로 사용했는지 읽어 보세요. 제목과 서지에서 방법과의 관련성을 확인한 논문이며, 구체적인 표집·분석 절차·결과는 원문에서 확인해야 합니다.
논문 찾아보기 ↗ · 교수님 목록 확인
적용 논문KCI
박소영, & Tak, J. (2022). 성장지향성과 주관적 경력성공이 삶의 만족에 미치는 영향: 긍정리더십의 조절된 매개효과. 한국심리학회지: 산업 및 조직, 35(4), 827-865.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.24230/kjiop.v35i4.827-865 · Crossref 인용 수 1회 (2026-11-02 확인)
적용 논문SSCI
Soane, E., Shantz, A., Alfes, K., Truss, C., Rees, C., & Gatenby, M. (2013). The Association of Meaningfulness, Well‐Being, and Engagement with Absenteeism: A Moderated Mediation Model. Human Resource Management, 52(3), 441-456.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.1002/hrm.21534 · Crossref 인용 수 159회 (2026-11-02 확인)

확인일 2026-11-02 · ‘방법 설명’ 논문의 SSCI 표시는 확보한 학술지 목록의 ISSN 대조 결과입니다. 다만 일부 문헌은 이 목록으로 대조하지 못했으니 Clarivate Master Journal List에서 다시 확인해 주세요. 표시는 현재나 출판 당시의 등재를 보증하지 않습니다. ‘적용 논문’은 Crossref 서지로 확인했고, SSCI·KCI 표시는 학술지 기준이며 목록과 전수 대조하지 않았습니다.

← 연구 고민 다시 살펴보기 나의 연구 발전시키기(실습) →

1. 질문과 핵심 개념

2. 설계와 절차

3. 분석과 결과

4. 해석과 보고

언제, 어떤 목적으로 선택하나요?

이 방법으로 답하는 연구 목적

대표 연구 질문

필요한 변수·자료의 형태

분석에서는 무엇을 하나요?

결과를 어떻게 해석하나요?

이런 상황이면 이 분석을 고려하세요

1. 중간 과정과 조건을 함께 질문

2. 어느 경로가 달라지는지 명시

3. 조건별 간접효과의 직접 비교

4. 측정·시간 순서·표본계획

어떤 질문이면 다른 방법을 비교해야 하나요?

어떤 자료와 변수로, 어떤 구조를 분석하나요?

분석 구조 한눈에 보기

식으로 보면

필요한 변수와 역할

분석용 자료 파일은 이렇게 만듭니다

자료 파일을 만들 때 지킬 규칙

분석 프로그램에서 이렇게 설정합니다

자료 조건과 주의점

이런 연구모형으로 분석합니다

모형 1. 첫 단계 조절된 매개모형 (PROCESS Model 7)

가설

예시 분석 결과 읽기

모형 2. 두 번째 단계 조절된 매개모형 (PROCESS Model 14)

가설

예시 분석 결과 읽기

분석 후 무엇을 보여 줄 수 있나요?

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 조건부 간접효과와 조절된 매개 지수

결과 그림 2. 조절변수에 따른 간접효과의 변화

내가 끝까지 답하고 싶은 질문과 맞나요?

이 질문에 답하는 분석 구조

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

분석은 어떤 순서로 진행하나요?

연구설계와 표본 크기(검정력) 계획

개념모형 선택: 조절이 어느 경로에 들어가는가

변수 정의, 척도 점수 계산, 역채점·더미 코딩

결측치 확인과 처리

이상값(극단값) 점검

기술통계와 분포(정규성) 확인

척도 신뢰도 확인 (Cronbach α)

공통방법편향(동일방법편의) 점검

상관분석: 변수 간 관계의 방향·크기와 중복 확인

평균중심화와 회귀 가정·공선성 점검

경로별 상호작용 확인

조건부 간접효과 확인

조절된 매개 지수(index of moderated mediation) 검정

해석의 한계와 대안 모형 점검

결과 정리와 보고

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

학습 지원이 전이로 이어지는 조건

AI 피드백과 자기점검의 조건부 경로

이 결과로 어디까지 말할 수 있을까요?

이 방법의 선택 조건을 스스로 확인해 보세요

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문