SPSS 회귀분석을 논문에 쓸 때 확인할 점

회귀분석은 연구문제에서 출발해야 합니다

회귀분석은 변수 간 관계를 설명하는 도구입니다. 논문에서는 단순히 유의확률이 0.05보다 작은지보다, 왜 이 관계를 검토하는지와 어떤 변수를 함께 고려해야 하는지가 더 중요합니다.

• 종속변수가 연구문제의 핵심 결과인지 확인합니다.
• 독립변수가 이론적으로 설명 가능한 변수인지 봅니다.
• 통제변수는 관행이 아니라 연구설계상 필요한 이유가 있어야 합니다.

출력표를 논문 결과표로 정리하는 방법

SPSS 출력표는 논문 결과표의 재료일 뿐입니다. 논문에는 필요한 수치만 정리하고, 결과 해석은 연구가설과 연결해 작성하는 것이 좋습니다.

• 비표준화 계수와 표준화 계수를 구분합니다.
• p값만 보지 말고 계수의 방향과 크기도 확인합니다.
• 모형 설명력은 연구 분야의 맥락 안에서 해석합니다.

가정 점검은 결과 해석의 안전장치입니다

연속형 결과를 다루는 선형회귀에서는 설명변수와 평균 반응의 관계, 오차의 독립성, 분산의 일정성을 점검합니다. 작은 표본에서 통상적인 검정과 신뢰구간을 사용할 때는 오차의 정규성도 중요합니다. 독립변수 자체가 정규분포여야 한다는 뜻은 아닙니다. 같은 사람의 반복측정이나 기관별로 묶인 자료라면 독립성부터 다시 살펴야 합니다.

• VIF를 통해 다중공선성 가능성을 점검합니다.
• 잔차와 이상치가 결과를 과도하게 흔들지 않는지 확인합니다.
• 가정 점검 결과를 필요한 범위에서 방법 또는 결과에 반영합니다.

B와 beta를 혼동하지 않는 해석 예시

다음은 실제 고객 자료가 아닌 교육용 숫자 예시입니다. 연속형 점수 Y를 설명하는 모형에서 학습 시간 X의 비표준화 계수 B가 0.8이라면, 모형에 포함한 다른 변수들이 같은 조건에서 X가 1시간 높은 경우 Y의 평균이 0.8점 높은 관계로 해석합니다. 95% 신뢰구간이 0.2~1.4라면 추정의 불확실성도 함께 전달해야 합니다. 단면 관찰자료에서 이 결과만으로 학습 시간을 늘리면 점수가 오른다고 단정할 수는 없습니다.

• B는 원래 측정 단위를 사용합니다. 표준화 계수 beta와 같은 숫자로 읽지 않습니다.
• 범주형 변수는 기준집단과 코딩을 확인한 뒤 계수를 해석합니다.
• 상호작용항이 있다면 주효과가 어떤 기준값에서의 관계인지 확인합니다.

SPSS 출력에서 논문용 표까지 연결하기

Model Summary에서는 R²와 수정 R²를, ANOVA에서는 통상적인 선형회귀 모형의 전체 F 검정을, Coefficients에서는 B, 표준오차, 신뢰구간과 변수별 검정을 확인합니다. 서로 다른 표본이나 종속변수로 적합한 모형의 R²를 단순 비교하면 안 됩니다. 표에는 분석 대상 수와 변수 단위를 표시하고, 결측값 때문에 대상 수가 달라졌다면 그 이유도 남깁니다.

• VIF와 공차는 공선성 진단 자료이며, 한 숫자로 모형의 타당성을 판정하지 않습니다.
• 잔차 대 예측값 그림과 영향력 진단을 함께 확인합니다. 영향력이 큰 사례를 유의확률 때문에 삭제하지 않습니다.
• SPSS가 .000으로 표시한 유의확률은 0이라는 뜻이 아닙니다. 출력 정밀도를 확인하고 해당되는 경우 p < .001로 보고합니다.

유의하지 않은 결과에서 검토할 것

신뢰구간에 0이 포함된다고 관계가 전혀 없다는 증거가 되는 것은 아닙니다. 추정치와 구간의 폭, 측정의 정확성, 연구설계를 함께 보아야 합니다. 원하는 p값을 얻으려고 변수를 반복해서 넣고 빼지 말고, 사전에 계획한 모형과 탐색적 분석을 구분해 보고합니다. 상담을 요청할 때는 출력표뿐 아니라 변수 정의와 모형을 선택한 이유를 준비하면 논점을 더 빨리 좁힐 수 있습니다.