회귀분석에서 B와 β의 차이는 무엇인가요?

B(비표준화 계수)는 독립변수가 1단위 증가할 때 종속변수가 원래 단위로 얼마나 변하는지를 나타냅니다. β(표준화 계수)는 변수들의 단위를 표준화한 값이라 한 모형 안에서 어떤 독립변수의 영향력이 상대적으로 큰지 비교할 때 사용합니다.

R²는 어떻게 해석하나요?

R²는 독립변수들이 종속변수의 분산을 얼마나 설명하는지를 나타내며, 예를 들어 .32라면 약 32%를 설명한다는 뜻입니다. 독립변수가 많을수록 R²는 커지는 경향이 있으므로 수정된 R²를 함께 보고합니다.

VIF는 몇 이하여야 하나요?

일반적으로 VIF가 10 이상이면 다중공선성이 심각하다고 보고, 더 엄격하게 5 이상을 주의 기준으로 삼기도 합니다. 공차한계는 VIF의 역수이므로 .10 이하이면 같은 문제를 의미합니다.

회귀분석 결과표에는 무엇을 넣어야 하나요?

독립변수별 B, 표준오차(SE), β, t, p와 함께 모형의 R², 수정된 R², F값과 유의확률을 넣는 것이 일반적입니다. 필요에 따라 VIF를 추가하고, 위계적 회귀분석이라면 단계별 ΔR²를 함께 제시합니다.

회귀분석 결과표 작성과 해석: B, β, R², VIF 읽는 법

핵심 요약

B는 실제 단위의 변화량, β는 변수 간 상대적 영향력 비교에 씁니다
모형의 적합도는 F검정과 R², 수정된 R²로 함께 보고합니다
VIF와 Durbin-Watson으로 다중공선성과 잔차의 독립성을 점검합니다

회귀분석 결과표에는 독립변수별 비표준화 계수(B), 표준오차(SE), 표준화 계수(β), t값, 유의확률(p)과 모형 전체의 R², 수정된 R², F값을 넣습니다. 회귀분석 해석은 F검정으로 모형이 유의한지 확인하고, R²로 설명력을, 각 독립변수의 B와 p로 영향의 방향과 유의성을, β로 상대적 크기를 읽는 순서로 합니다. 다중공선성(VIF)과 잔차의 독립성(Durbin-Watson)도 함께 점검해 보고합니다.

회귀분석 결과표 예시

아래는 표의 형식과 해석 방법을 보여 주기 위한 가상의 예시입니다. 직무스트레스, 사회적 지지, 근무 기간이 소진에 미치는 영향을 분석했다고 가정합니다(N = 200).

변수	B	SE	β	t	p	VIF
(상수)	1.12	0.24		4.67	<.001
직무스트레스	0.35	0.06	.38	5.83	<.001	1.42
사회적 지지	-0.21	0.07	-.20	-3.00	.003	1.38
근무 기간	0.02	0.01	.11	2.00	.047	1.07

모형 요약: R² = .32, 수정된 R² = .31, F(3, 196) = 30.75, p < .001, Durbin-Watson = 1.94

결과를 읽는 순서

모형의 유의성: F(3, 196) = 30.75, p < .001이므로 회귀모형은 통계적으로 유의합니다. 독립변수 중 적어도 하나는 소진을 설명한다는 뜻입니다.
설명력: R² = .32이므로 세 변수가 소진 분산의 약 32%를 설명합니다. 수정된 R²는 독립변수 수를 고려해 조정한 값으로, 변수가 많을수록 R²가 저절로 커지는 문제를 보완합니다.
개별 변수의 영향: 직무스트레스(B = 0.35, p < .001)는 정적 영향을, 사회적 지지(B = -0.21, p = .003)는 부적 영향을 미쳤습니다. 다른 변수를 통제했을 때 직무스트레스가 1점 높아지면 소진은 0.35점 높아진다고 해석합니다.
상대적 영향력: β의 절댓값을 비교하면 직무스트레스(.38)의 영향이 사회적 지지(.20)보다 큽니다.
가정 점검: VIF가 모두 낮고 Durbin-Watson이 2에 가까워 다중공선성과 잔차의 자기상관 문제는 크지 않다고 판단합니다.

결과 장에 쓰는 해석 문장 예시

위 예시를 결과 장의 문장으로 옮기면 다음과 같습니다. "소진에 대한 직무스트레스, 사회적 지지, 근무 기간의 영향을 검증하기 위해 다중회귀분석을 실시하였다. 회귀모형은 통계적으로 유의하였으며(F(3, 196) = 30.75, p < .001), 독립변수들은 소진 분산의 32%를 설명하였다. 직무스트레스는 소진에 유의한 정적 영향을 미쳤고(β = .38, p < .001), 사회적 지지는 유의한 부적 영향을 미쳤다(β = -.20, p = .003)."

결과 장에서는 이처럼 수치와 방향을 사실대로 기술하고, 왜 이런 결과가 나왔는지에 대한 해석과 선행연구와의 비교는 논의 장으로 미루는 것이 일반적입니다.

B와 β, 언제 무엇을 해석하나

B는 원래 단위로 해석하는 계수입니다. "독립변수가 1단위 증가할 때 종속변수가 B만큼 변한다"는 식으로 실제 의미를 설명할 때 씁니다. β는 모든 변수를 표준화했을 때의 계수라 단위가 서로 다른 변수들의 영향력을 한 모형 안에서 비교할 때 유용합니다. 다만 β는 표본의 분산에 영향을 받으므로 다른 연구의 β와 직접 비교할 때는 주의해야 합니다.

성별처럼 범주형 변수를 더미변수(예: 남성 0, 여성 1)로 넣었다면 B는 기준 범주와 비교한 평균 차이로 해석합니다. 범주가 세 개 이상이면 범주 수보다 하나 적은 더미변수를 만들고 기준 범주를 명시합니다.

회귀분석 가정 점검 기준

점검 항목	확인 지표	흔히 쓰는 기준
다중공선성	VIF, 공차한계	VIF 10 미만(엄격하게는 5 미만), 공차 .10 초과
잔차의 독립성	Durbin-Watson	0에서 4 사이 값으로, 2에 가까울수록 독립
잔차의 정규성	정규 P-P 도표, 히스토그램	점들이 대각선 가까이 분포
등분산성	표준화 잔차 산점도	특정한 패턴 없이 고르게 분포
이상치와 영향점	표준화 잔차, Cook의 거리	표준화 잔차 절댓값 3 이상 등은 검토

기준값은 경험적 기준이므로 인용할 때는 근거 문헌을 함께 밝히는 것이 좋습니다.

위계적 회귀분석을 보고할 때

통제변수를 먼저 넣고 주요 변수를 다음 단계에 넣는 위계적 회귀분석에서는 단계별 모형을 나란히 제시하고, 각 단계의 R², ΔR², ΔF와 유의확률을 함께 보고합니다. ΔR²는 새로 투입한 변수가 기존 변수 외에 추가로 설명하는 부분이므로 연구 가설의 핵심 근거가 됩니다.

자주 하는 해석 실수

인과관계로 단정합니다. 횡단 설문 자료의 회귀분석은 변수 간 관련성을 보여 줄 뿐이므로 "영향을 미친다"는 표현을 쓰더라도 인과를 확정하는 듯한 서술은 피합니다.
유의하지 않은 변수를 빼고 다시 분석한 결과만 보고합니다. 계획한 모형의 결과를 먼저 보고하고, 모형을 바꿨다면 그 이유와 과정을 함께 밝힙니다.
R²가 낮다는 이유만으로 결과를 무의미하다고 봅니다. 사람의 태도나 행동을 다루는 연구에서는 설명력이 크지 않은 경우가 흔하므로, 선행연구의 설명력과 비교해 해석합니다.
상수항을 의미 있게 해석하려 합니다. 상수항은 모든 독립변수가 0일 때의 예측값이라 척도 점수가 0이 될 수 없는 경우에는 해석할 필요가 없습니다.

APA 형식으로 표를 만들 때

회귀분석 표 작성에서는 다음 형식을 지킵니다.

표 번호와 제목은 표 위에 씁니다. 국내 학위논문은 "표 Ⅳ-3. 소진에 대한 다중회귀분석 결과"처럼 학교 양식을 따릅니다.
세로선은 쓰지 않고 가로선만으로 구분합니다.
소수점 자릿수를 통일하고, p값은 정확한 값을 쓰되 .001보다 작으면 p < .001로 표기합니다.
p값이나 상관계수처럼 1을 넘을 수 없는 값은 소수점 앞의 0을 생략하고, B처럼 1을 넘을 수 있는 값은 0을 붙입니다.
유의수준을 별표로 표시한다면 표 아래 주석에 *p < .05, **p < .01, ***p < .001처럼 의미를 적습니다.
종속변수가 무엇인지 제목이나 주석에 분명히 밝힙니다.

분석 방법 선택이 먼저 필요하다면 SPSS 통계분석 방법을, 매개변수가 있는 모형이라면 매개효과 분석을 이어서 확인해 보세요.

회귀모형 설정부터 결과표 작성과 해석 문장까지 점검이 필요하다면 통계분석 페이지에서 지원 범위를 확인할 수 있습니다.