조절효과 분석 Q&A

상호작용항을 이용한 조절효과(위계적 회귀·PROCESS) 분석에서 자주 나오는 질문입니다.

Q1평균중심화(mean centering)는 왜, 어떻게 하나요?

✅ 예측변수와 조절변수를 각자의 평균에서 뺀 값으로 바꾼 뒤 상호작용항을 만듭니다(Aiken & West, 1991).

절차: ① 분석 > 기술통계량 > 기술통계로 X·W의 평균 확인 → ② 변환 > 변수 계산에서 Xc = X - 평균값, Wc = W - 평균값 생성 → ③ Int = Xc * Wc로 상호작용항 생성.

전통적으로는 다중공선성 완화가 이유로 제시되었지만, 현재는 중심화가 상호작용 계수의 검정 결과 자체를 바꾸지는 않는다는 점이 알려져 있습니다(Hayes, 2022). 그래도 중심화를 하면 주효과(조건부 효과) 계수가 "상대 변수가 평균일 때의 효과"로 해석 가능해지므로 여전히 권장되는 관행입니다.

📚 APA 참고문헌

Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Sage.

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.

Q2위계적 회귀로 조절효과를 검증하는 절차는?

✅ 1단계: X, W 투입 → 2단계: 상호작용항(X×W) 추가 → ΔR²와 상호작용 계수의 유의성 확인

분석 > 회귀분석 > 선형에서 블록 1에 중심화한 Xc, Wc를 넣고 "다음"을 눌러 블록 2에 상호작용항을 넣습니다. 통계량에서 "R 제곱 변화량" 체크. 2단계에서 ΔR²의 F변화량이 유의하고 상호작용항 계수가 유의하면 조절효과가 지지됩니다.

보고 예시: "2단계에서 상호작용항 투입 시 설명량이 유의하게 증가하였고(ΔR² = .021, ΔF = 6.54, p = .011), 상호작용항의 계수도 유의하였다(B = 0.14, p = .011)."

📚 APA 참고문헌

Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Sage.

Q3상호작용이 유의합니다. 그다음은 뭘 해야 하나요? (단순기울기)

✅ 단순기울기(simple slopes) 분석으로 조절변수 수준별(관례적으로 M−1SD, M, M+1SD) X→Y 효과를 검정하고 그래프로 제시합니다(Aiken & West, 1991).

가장 쉬운 방법은 PROCESS 매크로(Q4)입니다 — 조절변수 수준별 조건부 효과와 유의성을 자동 출력합니다. 수작업으로 하려면 조절변수를 (W − (평균+1SD)) 식으로 재중심화해 회귀를 반복 실행하는 방법이 있습니다.

⚠️ 주의: ±1SD는 관례일 뿐 자료에 그 값을 가진 사람이 실제로 있는지 확인하세요. 조절변수의 어느 값부터 효과가 유의해지는지 알려주는 Johnson-Neyman 기법이 더 정보량이 많습니다(Hayes, 2022).

📚 APA 참고문헌

Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Sage.

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.

Q4PROCESS 매크로로는 어떻게 하나요?

✅ 조절효과는 PROCESS Model 1입니다. 설치 후 분석 > 회귀분석 > PROCESS에서 Y, X, W(Moderator)를 지정합니다.

옵션에서 "Mean center for construction of products"를 선택하면 중심화를 자동으로 해 주고, "Johnson-Neyman output"을 켜면 유의 영역도 출력됩니다. PROCESS는 processmacro.org에서 무료로 내려받아 SPSS에 설치합니다.

⚠️ 주의: PROCESS 출력의 상호작용 계수는 비표준화(B)입니다. 표준화 계수가 필요하면 변수를 사전에 표준화(z점수)해 투입해야 합니다.

📚 APA 참고문헌

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.

Q5조절변수가 범주형(예: 성별)이면 어떻게 하나요?

✅ 이분형이면 0/1 더미코딩 후 그대로 상호작용항을 만들면 됩니다. 3개 이상 범주면 더미변수 여러 개 × X의 상호작용항 세트로 검정합니다.

이분형 조절변수의 단순기울기는 "집단별 X의 효과"로 해석이 직관적입니다. PROCESS는 W를 다범주(multicategorical)로 지정하는 옵션도 제공합니다(Hayes, 2022). 범주형 변수는 중심화하지 않고 코딩 기준(참조집단)을 명확히 밝히는 것이 일반적입니다.

📚 APA 참고문헌

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.

Q6조절효과와 매개효과가 헷갈립니다. 어떻게 구분하나요?

✅ 조절 = "언제/누구에게" 효과가 달라지는가, 매개 = "어떤 경로를 거쳐" 효과가 전달되는가(Baron & Kenny, 1986).

	조절(moderation)	매개(mediation)
질문	효과의 조건·강도 차이	효과의 전달 기제
통계	상호작용항(X×W)	간접효과(a×b), 부트스트랩
예시	또래지지 효과가 성별에 따라 다른가	또래지지가 소속감을 거쳐 적응을 높이는가

연구 가설을 세울 때 "W가 높을수록 X의 효과가 커질 것"이면 조절, "X가 M을 통해 Y에 영향"이면 매개입니다. 매개분석은 현재 Baron-Kenny 단계법보다 부트스트랩 간접효과 검정(PROCESS Model 4)이 표준입니다.

📚 APA 참고문헌

Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182.

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.

Q7상호작용 그래프는 어떻게 그리나요?

✅ 조절변수 수준별(저·중·고 또는 집단별)로 X→Y 회귀선을 겹쳐 그린 그림을 제시합니다.

PROCESS 출력 하단에 그래프용 데이터(각 조합의 예측값)가 제공됩니다. 이를 엑셀에 붙여 선 그래프로 그리는 것이 가장 간단합니다. X축 = X(저/고), 선 = 조절변수 수준. 선의 기울기 차이가 곧 조절효과의 시각화입니다.