편상관분석 Q&A

편상관은 통제변수가 X와 Y 양쪽에 미치는 선형적 영향을 모두 제거한 뒤 남은 X와 Y의 상관입니다.

0차 상관은 아무것도 통제하지 않은 상관입니다. 예를 들어 학년이 또래관계와 학업동기 모두와 관련된다면, 두 변수의 0차 상관 일부는 학년 때문일 수 있습니다. 편상관은 그 부분을 걷어 낸 관계를 보여 줍니다(Cohen et al., 2003). [옵션]에서 "0차 상관"을 체크하면 두 결과를 나란히 비교할 수 있습니다.

※ 자유도는 N − 2 − (통제변수 수)입니다.

안 됩니다. 통제변수는 이론적으로 X와 Y의 공통 원인(교란변수)으로 볼 수 있는 변수여야 합니다.

X가 Y에 영향을 주는 경로 중간에 있는 변수(매개변수)를 통제하면 관심 있는 관계 자체를 지워 버리게 됩니다. 또 X와 Y가 함께 영향을 주는 결과 변수를 통제하면 원래 없던 관계가 생길 수도 있습니다. 왜 그 변수를 통제했는지 선행연구에 근거해 밝히는 것이 중요합니다(Cohen et al., 2003).

편상관은 통제변수를 X와 Y 모두에서, 준편상관은 X에서만 제거합니다.

준편상관의 제곱은 "다른 예측변수를 넣은 뒤 X가 추가로 설명하는 Y 분산의 비율"이어서 회귀분석에서 각 예측변수의 고유 기여를 설명할 때 씁니다. SPSS에서는 분석 > 회귀분석 > 선형 > 통계량 > 부분상관 및 편상관계수로 둘 다 얻을 수 있습니다(Cohen et al., 2003).

계산 오류는 아닐 가능성이 큽니다. 억제효과(suppression) 같은 현상으로 나타날 수 있습니다.

통제변수가 X 안의 Y와 무관한 부분과 관련되어 있으면, 그것을 제거하면 X와 Y의 관계가 더 뚜렷해질 수 있습니다(Cohen et al., 2003). 이런 결과는 해석이 까다로우므로, 0차 상관과 편상관을 함께 제시하고 통제변수와 각 변수의 상관도 보고해 독자가 이유를 따라갈 수 있게 하세요.

범주가 2개인 변수(예: 성별 0/1)는 그대로 넣을 수 있습니다. 3개 이상이면 더미변수로 바꾸거나 회귀분석을 쓰는 편이 정확합니다.

편상관은 통제변수와의 선형 관계를 제거하므로, 3개 이상 범주를 1·2·3 숫자 그대로 넣으면 범주 간 간격이 같다고 가정하게 됩니다. 이 경우 더미변수 여러 개를 통제변수로 넣거나, 회귀분석에서 더미변수를 투입하는 방식이 적절합니다(Cohen et al., 2003).

형식: 통제변수 명시 + r(df) = 값, p = 값, 가능하면 0차 상관과 함께

※ 위 예시는 N = 200, 통제변수 1개이므로 df = 200 − 2 − 1 = 197입니다.