조절효과 분석

재택근무 시간이 길어질수록 업무에 더 잘 집중할 수 있을까요? 집에서 조용히 일할 수 있는 전용 공간이 있는 사람과 거실이나 식탁에서 일해야 하는 사람의 경험은 다를 수 있습니다. 재택근무가 업무 집중도에 미치는 영향은 모두에게 똑같지 않을 가능성이 있습니다.

이처럼 한 변수가 결과변수와 갖는 관계가 다른 변수의 수준에 따라 달라지는지 알아보는 방법이 조절효과 분석(Moderation Analysis)입니다. 조절효과 분석은 평균적인 관계 하나만 확인하지 않고, 그 관계가 어떤 상황에서 강해지거나 약해지며 때로는 방향까지 달라지는지 살펴봅니다.

이번 글에서는 재택근무 일수, 전용 업무공간 유무, 업무 집중도를 예제로 사용해 상호작용항의 의미와 계산, 단순기울기 분석, 그래프 해석, 중심화, 조절효과와 매개효과의 차이, 연구 결과 보고 방법까지 살펴보겠습니다.

수치와 분석 결과는 모두 설명을 위한 예시입니다.

예를 들어 재택근무 일수(X)와 집중도(Y)의 관계가 전용 업무공간 보유 여부(M)에 따라 달라진다면, 업무공간 유무는 조절변수입니다.

조절변수는 반드시 집단을 구분하는 범주형 변수일 필요는 없습니다. 나이, 업무 스트레스 수준, 경력처럼 연속형 변수도 조절변수로 사용할 수 있습니다. 중요한 것은 조절변수가 결과변수의 평균 수준과 관련되는지를 넘어, X와 Y의 관계 자체를 바꾸는지입니다.

일반적인 회귀분석에서 X와 M을 설명변수로 함께 넣는 것만으로 조절효과를 검정할 수는 없습니다. 두 변수의 곱으로 만든 상호작용항(Interaction Term)을 포함해야 합니다.

집중도는 여러 문항을 합산한 0~100점 척도이며 점수가 높을수록 업무에 집중하기 쉬웠다는 뜻입니다.

이 연구는 관찰자료를 사용하므로 결과를 곧바로 재택근무의 인과효과로 해석할 수는 없습니다.

여기서 β₁은 M=0일 때 재택근무 일수의 기울기이고, β₂는 X=0일 때 두 집단의 예측 집중도 차이입니다. 가장 중요한 β₃은 M=1 집단과 M=0 집단 사이에서 X의 기울기가 얼마나 다른지를 나타냅니다.

분석에 업무 경력이나 직무 등의 통제변수를 추가할 수 있지만, 필요한 교란요인을 통제할 수 있는지는 연구 설계에 달려 있습니다. 또한 상호작용항이 포함된 모형에서는 주효과 계수를 다른 변수의 특정 기준값에서 해석해야 합니다.

업무공간이 없는 경우(M=0) 상호작용항이 사라져 Ŷ = 60 − 1.5X입니다. 재택근무 일수가 1일 많을 때 집중도는 평균 1.5점 낮은 방향의 관계를 보입니다.

업무공간이 있는 경우(M=1)에는 Ŷ = 63 + 1.5X가 됩니다. 이 집단에서는 재택근무 일수가 1일 많을 때 집중도가 평균 1.5점 높은 방향의 관계를 보입니다. 두 기울기의 차이는 1.5 − (−1.5) = 3.0점입니다.

여기서 값은 개인의 실제 관측 점수가 아니라 회귀모형에 따른 집단별 예측 평균입니다.

재택근무가 0일일 때는 업무공간 유무에 따른 예측 차이가 3점이지만, 4일일 때는 15점으로 커집니다. 이처럼 집단 간 차이가 X의 수준에 따라 달라지는 것이 상호작용의 특징입니다. 단순히 업무공간이 있는 근로자의 평균 점수가 더 높다는 사실과는 구분해야 합니다.

예를 들어 다음과 같은 회귀분석 결과를 얻었다고 가정하겠습니다.

상호작용항의 계수는 3.00이고 95% 신뢰구간에 0이 포함되지 않습니다. 따라서 두 집단의 재택근무-집중도 기울기가 서로 다르다는 통계적 근거가 나타났다고 해석할 수 있습니다. 업무공간의 주효과가 유의하지 않더라도 상호작용효과는 유의할 수 있으며, 둘은 서로 다른 질문에 답합니다.

이 숫자는 설명을 위해 구성한 결과입니다. 실제 분석에서는 모형에 포함한 통제변수, 표준오차 계산법, 결측 처리와 표본 수 등을 함께 제시해야 합니다.

가로축에 주간 재택근무 일수를, 세로축에 예측 집중도를 표시하고 전용 업무공간 유무에 따라 두 개의 선을 그립니다.

이 예제에서는 업무공간이 없는 집단의 선이 오른쪽으로 갈수록 내려가고, 있는 집단의 선은 올라갑니다. 두 선이 평행하지 않다는 사실이 서로 다른 기울기를 시각적으로 보여줍니다. 중요한 것은 두 선 사이의 높이 차이만이 아니라 기울기의 차이입니다.

다만 그래프만으로 통계적 유의성이나 인과성을 판단할 수는 없습니다. 신뢰구간과 관측값의 분포도 함께 확인해야 하며, 실제 자료가 충분히 존재하지 않는 재택근무 일수 구간으로 선을 무리하게 연장하지 않는 것이 좋습니다.

이를 단순기울기 분석이라고 합니다. 이항 조절변수를 사용하는 이번 예제에서는 M=0과 M=1일 때의 기울기를 각각 계산하면 됩니다.

각 기울기의 신뢰구간을 계산하려면 해당 회귀계수뿐 아니라 계수 사이의 공분산도 고려해야 합니다. 따라서 상호작용항의 p값만으로 두 집단의 개별 기울기가 모두 유의하다고 결론 내려서는 안 됩니다.

조절변수가 연속형이라면 평균, 평균±1표준편차 또는 이론적으로 의미 있는 값에서 단순기울기를 계산할 수 있습니다. 다만 평균±1표준편차는 관행적인 표시 방식일 뿐 반드시 가장 적절한 기준인 것은 아닙니다.

이때 모형은 동일하게 Y = β₀ + β₁X + β₂M + β₃XM + ε로 표현할 수 있습니다. 하지만 이제 재택근무 일수의 기울기는 하나의 집단값이 아니라 조절변수 M의 값에 따라 연속적으로 달라집니다.

예를 들어 β₁=2.0, β₃=−0.4라면 방해 수준이 2점일 때 기울기는 1.2점이고 7점일 때는 −0.8점입니다. 즉, 가정 내 방해가 적을 때는 재택근무 일수가 집중도와 양의 관계를 보이지만 방해가 심할 때는 음의 관계를 보일 수 있습니다.

이 예시는 앞선 이항 조절변수 결과와는 별개의 예시 모형입니다. 연속형 조절변수에서는 관심 구간 전반에 걸친 조건부 효과와 신뢰구간을 시각화하는 것이 특히 유용합니다.

평균중심화는 각 관측값에서 해당 변수의 평균을 빼는 방법입니다.

예를 들어 평균 주간 재택근무 일수가 2.5일이라면 4일을 재택근무한 사람의 중심화 값은 1.5입니다. 중심화 후 회귀식에서 업무공간의 주효과는 재택근무 0일이 아니라 평균 재택근무 일수 2.5일에서의 집단 차이를 나타냅니다.

이 과정은 주효과와 절편을 실질적으로 해석하기 쉽게 만드는 데 도움이 됩니다. 하지만 동일한 변수와 상호작용을 포함한 선형모형에서 평균중심화만 수행하면 상호작용항의 계수, 전체 예측값, 모형 적합도와 그 검정 결과가 본질적으로 바뀌지는 않습니다.

또한 평균중심화가 모든 다중공선성 문제를 해결하는 것은 아닙니다. 해석 편의와 수치 안정성의 문제를 구분해야 합니다.

재택근무 사례에서 업무공간 유무에 따라 재택근무 일수와 집중도의 관계가 달라진다면 조절효과입니다. 반면 재택근무가 출퇴근 스트레스를 줄이고, 줄어든 스트레스가 집중도와 연결되는 과정을 검토한다면 매개효과에 해당합니다.

두 분석은 연구 목적에 따라 함께 사용할 수도 있지만, 조절효과가 있다는 결과만으로 그 관계가 왜 달라지는지 설명되는 것은 아닙니다.

설명변수와 조절변수가 각각 유의하더라도 두 변수의 관계가 조건에 따라 달라진다는 뜻은 아닙니다. 조절효과는 상호작용항과 조건부 효과로 확인해야 합니다.

집단마다 충분한 자료가 있는지 확인해야 합니다.

전용 업무공간이 있는 집단의 대부분이 재택근무 4~5일, 없는 집단의 대부분이 0~1일이라면 두 집단의 기울기를 직접 비교할 수 있는 공통 구간이 부족할 수 있습니다. 관측 범위와 예측의 외삽 여부를 확인하는 것이 중요합니다.

모형 가정과 표준오차를 점검해야 합니다.

선형성, 잔차의 이분산성, 영향력이 큰 관측값 등을 확인하고 필요하다면 이분산성에 강건한 표준오차를 사용할 수 있습니다. 집중도 점수가 0~100 범위에 제한되어 있다는 점도 예측값과 잔차를 검토할 때 고려해야 합니다.

통계적 유의성과 실질적 중요성을 구분해야 합니다.

상호작용항이 유의하더라도 그 차이가 실제 업무환경 개선에 의미 있는 크기인지는 별도로 판단해야 합니다. 계수의 단위와 신뢰구간을 함께 보고하는 것이 좋습니다.

인과관계를 단정하지 않아야 합니다.

업무공간이 있는 근로자는 직무 유형이나 주거환경, 직급 등에서도 다를 수 있습니다. 관찰자료의 조절 회귀분석만으로 "전용 업무공간이 재택근무의 효과를 높인다"고 결론 내리기보다, 두 변수의 관계가 업무공간 유무에 따라 다르게 관찰되었다고 서술하는 편이 정확합니다.

가능하다면 집단별 예측선을 함께 제공하면 독자가 결과를 쉽게 이해할 수 있습니다.

실제 보고서에는 기초통계, 각 조건부 기울기의 불확실성, 통제변수 및 모형 진단 결과 등을 함께 제시해야 합니다.

상호작용항을 포함한 회귀모형을 통해 집단별 또는 조건별 기울기 차이를 추정하고, 단순기울기와 예측값을 이용해 그 차이를 구체적으로 해석할 수 있습니다.

재택근무 사례에서 업무공간이 없는 집단은 재택근무 일수가 많을수록 집중도가 낮은 방향의 관계를 보였고, 업무공간이 있는 집단은 반대 방향을 보였습니다. 이러한 결과는 평균적인 관계 하나만 보고는 놓칠 수 있는 조건별 차이를 드러냅니다.