PROCESS macro Model 4는 무엇을 분석하나요?

Model 4는 독립변수(X)가 매개변수(M)를 거쳐 종속변수(Y)에 영향을 미치는 단순매개모형을 분석하며, 매개변수를 여러 개 병렬로 넣을 수도 있습니다. 결과로 a, b 경로, 총효과, 직접효과, 간접효과와 부트스트랩 신뢰구간을 제공합니다.

매개효과가 유의한지는 어떻게 판단하나요?

간접효과(a×b)의 95% 부트스트랩 신뢰구간 하한(BootLLCI)과 상한(BootULCI) 사이에 0이 포함되지 않으면 매개효과가 통계적으로 유의하다고 판단합니다. 부트스트랩 표본은 보통 5,000개를 사용합니다.

Baron과 Kenny 방식 대신 부트스트래핑을 쓰는 이유는 무엇인가요?

Baron과 Kenny(1986)의 단계적 접근은 간접효과를 직접 검정하지 않고, Sobel 검정은 간접효과가 정규분포를 따른다고 가정한다는 한계가 있습니다. 부트스트래핑은 이런 가정 없이 간접효과의 신뢰구간을 추정할 수 있어 최근 연구에서 널리 쓰입니다.

완전매개와 부분매개는 어떻게 구분하나요?

간접효과가 유의하면서 직접효과(c')가 유의하지 않으면 완전매개, 직접효과도 유의하면 부분매개로 표현하는 관례가 있습니다. 다만 이 구분은 표본 크기의 영향을 받으므로 간접효과의 크기와 신뢰구간을 중심으로 해석하자는 견해가 많습니다.

매개효과 분석: PROCESS Macro Model 4 결과 해석과 보고법

핵심 요약

Model 4는 X가 M을 거쳐 Y에 미치는 단순매개를 검증합니다
간접효과의 95% 부트스트랩 신뢰구간에 0이 없으면 유의합니다
a, b, c, c' 경로와 간접효과를 표로 함께 보고합니다

매개효과 분석은 독립변수(X)가 매개변수(M)를 거쳐 종속변수(Y)에 영향을 미치는지를 검증하는 분석이며, SPSS에서는 PROCESS macro의 Model 4로 단순매개모형을 분석합니다. 판단의 핵심은 간접효과(a×b)의 95% 부트스트랩 신뢰구간으로, 하한과 상한 사이에 0이 포함되지 않으면 매개효과가 통계적으로 유의하다고 봅니다. 부트스트랩 표본은 보통 5,000개를 사용합니다.

매개모형의 경로 이해하기

단순매개모형에는 다섯 가지 효과가 등장합니다. PROCESS 결과를 읽기 전에 각 경로가 무엇을 뜻하는지 정리해 두면 해석이 쉬워집니다.

경로	의미	PROCESS 출력에서 찾는 위치
a	X가 M에 미치는 효과	결과변수가 M인 모형의 X 계수
b	X를 통제한 상태에서 M이 Y에 미치는 효과	결과변수가 Y인 모형의 M 계수
c'	M을 통제한 상태에서 X가 Y에 미치는 직접효과	결과변수가 Y인 모형의 X 계수, Direct effect
c	X가 Y에 미치는 총효과	Total effect model(옵션 선택 시)
a×b	M을 거치는 간접효과	Indirect effect의 Effect, BootLLCI, BootULCI

연속형 변수로 구성한 단순매개모형에서는 총효과가 직접효과와 간접효과의 합(c = c' + a×b)과 같습니다. 이 관계를 알고 있으면 결과표의 수치를 제대로 옮겼는지 스스로 점검할 수 있습니다.

왜 부트스트래핑을 쓰는가

과거에는 Baron과 Kenny(1986)의 단계적 접근이 널리 쓰였습니다. X가 Y에, X가 M에 유의한 영향을 미치는지 확인한 뒤, X와 M을 함께 투입했을 때 M이 Y에 유의하고 X의 영향이 줄어드는지를 차례로 확인하는 방식입니다. 그러나 이 방식은 간접효과 자체를 직접 검정하지 않습니다. Sobel 검정은 간접효과를 검정하지만 간접효과가 정규분포를 따른다고 가정하는데, 두 계수의 곱은 대개 정규분포를 따르지 않습니다.

부트스트래핑은 표본에서 복원추출을 수천 번 반복해 간접효과의 분포를 직접 만들고, 그 분포에서 신뢰구간을 구하므로 정규성 가정이 필요 없습니다. 이런 이유로 최근 매개효과 연구에서는 부트스트랩 신뢰구간으로 간접효과를 판단하는 방식이 표준처럼 쓰입니다.

PROCESS Model 4 실행 순서

Andrew Hayes가 배포하는 PROCESS 설치 파일을 내려받아 SPSS에 사용자 정의 대화상자로 설치합니다.
분석 > 회귀분석 메뉴에서 PROCESS를 엽니다.
Y 변수, X 변수, Mediator(M) 칸에 각각 변수를 넣습니다.
Model number에서 4를 선택합니다.
옵션에서 부트스트랩 표본 수 5,000과 신뢰수준 95%를 확인하고, 총효과 모형 출력을 선택합니다.
통제변수가 있다면 Covariates 칸에 넣고 실행합니다.

부트스트래핑은 무작위 추출을 사용하므로 실행할 때마다 신뢰구간의 끝자리가 조금씩 달라질 수 있습니다. 재현성을 위해 난수 시드를 고정하고 그 값을 기록해 두는 것이 좋습니다. 옵션에서 표준화 결과 출력을 선택하면 완전 표준화 간접효과도 함께 확인할 수 있어, 효과의 크기를 다른 연구와 비교할 때 도움이 됩니다.

결과 해석 예시

다음은 해석 방법을 보여 주기 위한 가상의 예시입니다. 직무스트레스(X)가 정서적 소진(M)을 거쳐 이직의도(Y)에 미치는 영향을 분석했다고 가정합니다.

경로	B	SE	t	p
a: X → M	0.40	0.06	6.67	<.001
b: M → Y	0.38	0.07	5.43	<.001
c': X → Y (직접효과)	0.20	0.07	2.86	.005
c: X → Y (총효과)	0.35	0.07	5.00	<.001

간접효과는 0.15, 95% 부트스트랩 신뢰구간은 [0.08, 0.24]로 0을 포함하지 않으므로 정서적 소진의 매개효과는 유의합니다. 직접효과 c'도 유의하므로, 직무스트레스는 소진을 거치는 경로 외에 이직의도에 직접 영향을 미치는 경로도 함께 가진다고 해석할 수 있습니다.

전통적으로는 직접효과가 유의하지 않으면 완전매개, 유의하면 부분매개라고 표현해 왔습니다. 다만 이 구분은 표본 크기의 영향을 받기 때문에, 최근에는 간접효과의 크기와 신뢰구간을 중심으로 해석하고 완전·부분 구분은 보조적으로만 쓰자는 견해가 많습니다.

논문 보고 문장 예시

"직무스트레스와 이직의도의 관계에서 정서적 소진의 매개효과를 검증하기 위해 PROCESS macro Model 4를 사용하였으며, 5,000개의 부트스트랩 표본으로 간접효과의 95% 신뢰구간을 추정하였다. 분석 결과 간접효과는 0.15, 95% 신뢰구간은 [0.08, 0.24]로 0을 포함하지 않아 통계적으로 유의하였다."

Model 4 다음에 자주 쓰는 모형

Model 4의 병렬다중매개: 매개변수 여러 개를 동시에 넣어 각 간접효과를 비교합니다.
Model 6: 매개변수가 순서대로 이어지는 직렬(순차적) 매개모형입니다.
Model 7: 조절변수가 X → M 경로를 조절하는 조절된 매개모형입니다.
Model 14: 조절변수가 M → Y 경로를 조절하는 조절된 매개모형입니다.

조절된 매개모형에서는 조절된 매개지수(index of moderated mediation)의 신뢰구간으로 판단합니다. 조절의 기본 개념은 조절효과 분석에서 먼저 확인하는 것이 좋습니다.

분석 전에 확인할 점

매개변수는 이론적으로 X의 결과이면서 Y의 원인이 될 수 있는 변수여야 합니다. 선행연구에서 X와 M, M과 Y의 관계가 각각 보고되었는지 확인하고, 그 근거를 이론적 배경에 정리해 두어야 가설이 설득력을 갖습니다. X와 M의 상관이 지나치게 높다면 두 변수가 사실상 같은 개념을 재고 있는 것은 아닌지도 점검합니다.

매개모형은 X가 M보다, M이 Y보다 앞선다는 인과적 순서를 가정합니다. 한 시점에 모든 변수를 측정한 횡단 자료로는 인과관계를 확정할 수 없으므로, 이론적 근거를 충분히 제시하고 연구의 제한점에 그 한계를 밝힙니다. 회귀분석의 기본 가정과 결과표 작성 요령은 회귀분석 결과표 작성과 해석을 참고하세요.

매개모형 설정부터 PROCESS 결과 해석과 보고 문장 정리까지 점검이 필요하다면 통계분석 페이지에서 지원 범위를 확인할 수 있습니다.