조절효과와 매개효과의 차이는 무엇인가요?

매개효과는 X가 M을 거쳐 Y에 영향을 미치는 경로, 즉 어떻게 영향을 미치는지를 설명합니다. 조절효과는 W의 수준에 따라 X와 Y의 관계의 강도나 방향이 달라지는지, 즉 언제 또는 누구에게서 효과가 달라지는지를 설명합니다.

조절효과가 유의한지는 어떻게 판단하나요?

독립변수와 조절변수를 곱한 상호작용항의 회귀계수가 유의한지, 그리고 상호작용항을 추가했을 때 설명력(ΔR²)이 유의하게 증가했는지로 판단합니다. PROCESS macro Model 1에서는 상호작용항(Int_1)의 계수와 R² 변화량 검정 결과를 확인합니다.

조절효과 분석에서 평균중심화는 꼭 해야 하나요?

평균중심화는 상호작용항과 원래 변수 사이의 불필요한 다중공선성을 줄이고 주효과 계수를 해석하기 쉽게 만들어 주므로 연속형 변수에서 널리 사용됩니다. 다만 상호작용항의 유의성 검정 결과 자체는 중심화 여부와 관계없이 같습니다.

단순기울기 분석은 왜 하나요?

상호작용항이 유의하다는 것만으로는 조절변수가 높을 때와 낮을 때 관계가 어떻게 다른지 알 수 없기 때문입니다. 조절변수의 특정 값(예: 평균과 ±1SD)에서 X가 Y에 미치는 조건부 효과를 각각 검정해 해석합니다.

조절효과 분석: 상호작용항 해석과 단순기울기 검증 방법

핵심 요약

조절효과는 X와 W의 상호작용항이 유의한지로 판단합니다
상호작용이 유의하면 단순기울기로 조절의 모양을 해석합니다
매개는 경로를, 조절은 효과가 달라지는 조건을 묻는 분석입니다

조절효과 분석은 조절변수(W)의 수준에 따라 독립변수(X)가 종속변수(Y)에 미치는 영향의 크기나 방향이 달라지는지를 검증하는 분석입니다. X와 W를 곱한 상호작용항이 유의하면 조절효과가 있다고 판단하고, 이어서 W의 값별 단순기울기로 조절이 어떤 모양으로 나타나는지 해석합니다. SPSS에서는 위계적 회귀분석이나 PROCESS macro Model 1로 분석할 수 있습니다.

매개와 조절, 무엇이 다른가

두 개념은 이름이 비슷해 자주 혼동되지만 묻는 질문이 다릅니다.

구분	매개효과	조절효과
묻는 질문	X가 Y에 어떤 경로로 영향을 미치는가	언제, 누구에게서 X의 영향이 달라지는가
제3변수의 역할	M은 X의 결과이자 Y의 원인	W는 X와 Y의 관계에 대한 조건
핵심 검정	간접효과(a×b)의 신뢰구간	상호작용항(X×W)의 계수
PROCESS 모형	Model 4	Model 1
가설 예시	직무스트레스는 소진을 거쳐 이직의도를 높인다	사회적 지지가 높을수록 직무스트레스가 소진에 미치는 영향이 약해진다

조절변수로는 X에 의해 변하지 않는 특성(성별, 성격 특성, 환경 조건 등)이 많이 쓰입니다. 반대로 X에 의해 변할 수 있는 변수라면 매개변수로 보는 것이 더 적절할 수 있으므로, 이론적 근거를 바탕으로 변수의 역할을 먼저 정해야 합니다.

위계적 회귀분석으로 검증하는 방법

위계적 회귀분석에서는 변수를 단계별로 투입하고 설명력의 증가를 확인합니다.

1단계: 통제변수와 독립변수(X)를 투입합니다.
2단계: 조절변수(W)를 추가합니다.
3단계: 상호작용항(X×W)을 추가합니다.

3단계에서 상호작용항의 계수가 유의하고 R² 변화량(ΔR²)이 유의하면 조절효과가 있다고 판단합니다. 상호작용항을 만들기 전에 연속형인 X와 W를 평균중심화(각 값에서 평균을 뺌)해 두면, 상호작용항과 원래 변수 사이의 불필요한 다중공선성이 줄고 주효과 계수를 평균 수준에서의 효과로 해석할 수 있습니다. 상호작용항의 유의성 검정 결과 자체는 중심화 여부와 관계없이 같습니다. 조절변수가 범주형이라면 더미변수로 바꿔 상호작용항을 만듭니다.

PROCESS Model 1로 분석하는 방법

PROCESS를 쓰면 상호작용항 생성과 단순기울기 검정을 한 번에 처리할 수 있습니다.

분석 > 회귀분석 메뉴에서 PROCESS를 열고 Y, X, Moderator(W)를 지정합니다.
Model number에서 1을 선택합니다.
옵션에서 평균중심화, 조건부 효과를 계산할 조절변수 값(평균과 ±1SD 또는 16·50·84번째 백분위수), Johnson-Neyman 출력, 그래프용 데이터 출력을 선택합니다.
결과에서 상호작용항(Int_1)의 계수와, 상호작용 추가에 따른 R² 변화량 검정 결과를 확인합니다.
조건부 효과 표에서 W의 값마다 X가 Y에 미치는 효과를 확인합니다.

결과 해석: 단순기울기 검정

상호작용항이 유의하다는 것만으로는 조절이 어떤 모양인지 알 수 없습니다. 그래서 조절변수의 특정 값에서 X의 효과(단순기울기)를 각각 검정합니다. 다음은 해석 방법을 보여 주기 위한 가상의 예시입니다.

사회적 지지 수준	조건부 효과	SE	t	p	95% CI
낮음(평균 -1SD)	0.52	0.08	6.50	<.001	[0.36, 0.68]
평균	0.34	0.06	5.67	<.001	[0.22, 0.46]
높음(평균 +1SD)	0.16	0.09	1.78	.077	[-0.02, 0.34]

이 예시에서는 사회적 지지가 낮을수록 직무스트레스가 소진에 미치는 영향이 강하고, 사회적 지지가 높은 수준에서는 그 영향이 통계적으로 유의하지 않습니다. 즉 사회적 지지가 직무스트레스의 부정적 영향을 완충한다고 해석할 수 있습니다.

Johnson-Neyman 기법을 쓰면 특정 값 몇 개가 아니라, 조절변수가 어느 값보다 높거나 낮을 때 X의 효과가 유의해지는지 그 경계값을 구할 수 있습니다. 조절변수가 연속형이라면 단순기울기 검정과 함께 보고할 때 해석이 더 정교해집니다.

조절의 세 가지 모양

단순기울기의 변화 방향에 따라 조절효과는 보통 세 가지로 구분해 설명합니다.

강화형: 조절변수가 높을수록 X가 Y에 미치는 영향이 커집니다.
완충형: 조절변수가 높을수록 X의 영향이 약해집니다. 위 예시가 여기에 해당합니다.
반전형: 조절변수의 수준에 따라 X의 영향 방향이 정적에서 부적으로, 또는 그 반대로 바뀝니다.

가설을 세울 때부터 어떤 모양의 조절을 예상하는지 방향까지 적어 두면, 결과가 나온 뒤 해석이 가설과 일치하는지 분명하게 판단할 수 있습니다.

보고 문장 예시

위 예시를 논문 문장으로 옮기면 다음과 같습니다. 괄호 안의 ○ 표시는 실제 분석값으로 바꿔 씁니다. "직무스트레스와 소진의 관계에서 사회적 지지의 조절효과를 검증하기 위해 PROCESS macro Model 1을 사용하였다. 분석 결과 직무스트레스와 사회적 지지의 상호작용항은 소진에 유의한 영향을 미쳤으며(B = ○○, p < .○○○), 상호작용항을 추가하여 설명력이 유의하게 증가하였다(ΔR² = .○○, p < .○○○). 단순기울기 검정 결과 사회적 지지가 낮은 수준에서는 직무스트레스가 소진에 유의한 정적 영향을 미쳤으나(B = 0.52, p < .001), 높은 수준에서는 유의하지 않았다(B = 0.16, p = .077)."

상호작용항이 유의하지 않다면 그 결과를 그대로 보고합니다. 유의한 결과가 나올 때까지 조절변수나 통제변수를 바꿔 가며 분석을 반복하는 것은 결과를 왜곡하는 행위가 될 수 있으므로, 계획한 모형의 결과를 기준으로 논의에서 가능한 이유와 검정력 문제를 함께 해석합니다.

보고할 때 주의할 점

상호작용 그래프를 함께 제시합니다. 조절변수의 낮음, 평균, 높음 수준별 회귀선을 그리면 독자가 조절의 모양을 바로 이해할 수 있습니다.
주효과를 해석할 때는 상호작용항이 포함된 모형에서 X의 계수가 W의 특정 값(중심화했다면 평균)에서의 효과라는 점을 명시합니다.
상호작용 효과는 대체로 크기가 작아 검정력이 낮아지기 쉬우므로 표본 수를 넉넉히 계획합니다. 계산 방법은 논문 표본 수 계산을 참고하세요.
조절변수가 매개경로를 조절하는 모형(조절된 매개)이라면 PROCESS Model 7이나 Model 14를 사용합니다. 매개 분석의 기본은 매개효과 분석에서 확인할 수 있습니다.

조절효과 모형 설정부터 상호작용 그래프 작성과 결과 해석까지 점검이 필요하다면 통계분석 페이지에서 지원 범위를 확인해 보세요.