매개변수와 조절변수 차이｜연구모형에서 헷갈리지 않는 방법

연구모형을 설계하다 보면 “이 변수를 매개로 넣어야 하나, 조절로 넣어야 하나” 고민에 빠지는 순간이 꼭 찾아와요. 특히 석사 논문을 준비하거나 학술지 투고를 앞둔 연구자라면 지도교수님께 “이건 매개효과가 아니라 조절효과로 봐야 하는 거 아니에요?”라는 질문을 받고 당황했던 경험이 한 번쯤은 있을 거예요. 실제로 통계 상담 게시판이나 대학원 커뮤니티에서도 매개변수와 조절변수를 구분하는 문제는 단골 질문으로 올라오곤 합니다.

두 개념은 모두 ‘제3의 변수’가 독립변수와 종속변수 사이에 개입한다는 점에서 비슷해 보이지만, 역할과 가설 설정 방식, 검증 절차가 완전히 달라요. 이 차이를 제대로 이해하지 못하면 연구모형 자체가 흔들리고, 가설 검증 결과를 잘못 해석할 위험이 커집니다. 그래서 오늘은 실제 연구 사례를 바탕으로 매개변수와 조절변수를 쉽게 구분하는 방법을 정리해볼게요.

이 글을 끝까지 읽으면 더 이상 두 변수 때문에 헤매지 않고, 자신 있게 연구모형을 설계할 수 있을 거예요. 그럼 지금부터 하나씩 차근차근 살펴보도록 할게요.

매개변수란? 개념과 예시

매개변수는 독립변수가 종속변수에 영향을 미치는 과정에서 ‘중간 다리’ 역할을 하는 변수예요. 쉽게 말해, X가 Y에 직접 영향을 주는 것이 아니라 M이라는 경로를 거쳐서 간접적으로 영향을 준다고 보는 거죠. 예를 들어 “사회적 지지가 자아존중감을 높이고, 자아존중감이 스트레스를 낮춘다”라는 연구 가설이 있다면, 여기서 자아존중감이 매개변수입니다. 사회적 지지(독립변수) → 자아존중감(매개변수) → 스트레스(종속변수)의 흐름이 성립해야 해요.

매개변수가 제대로 작동하려면 몇 가지 조건이 필요합니다. Baron과 Kenny(1986)가 제안한 고전적인 접근법에 따르면, ① 독립변수가 종속변수에 유의한 영향을 미쳐야 하고, ② 독립변수가 매개변수에 유의한 영향을 미쳐야 하며, ③ 매개변수가 종속변수에 유의한 영향을 미쳐야 합니다. 그리고 ④ 매개변수를 투입했을 때 독립변수의 효과가 사라지면 ‘완전 매개’, 효과가 줄어들면 ‘부분 매개’로 해석해요. 최근에는 부트스트래핑을 이용한 간접효과 검증이 더 엄격한 방법으로 권장되고 있어요.

연구에서 매개변수를 사용하는 이유는 “도대체 왜 이런 결과가 나타나는가?”라는 메커니즘을 밝히기 위해서예요. 단순히 X와 Y의 상관관계만 보여주는 것이 아니라, 그 사이에 숨은 심리적·사회적 과정을 설명할 수 있기 때문에 논문의 학술적 기여도를 높이는 데 큰 도움이 됩니다.

조절변수란? 개념과 예시

조절변수는 독립변수와 종속변수의 관계가 ‘특정 조건이나 집단에 따라 달라진다’는 것을 보여주는 변수예요. 즉, X가 Y에 미치는 영향의 강도나 방향을 바꾸는 역할을 하죠. 예를 들어 “소득이 행복에 미치는 영향은 결혼 여부에 따라 다르다”라는 가설에서 결혼 여부가 조절변수입니다. 소득과 행복의 관계가 기혼자와 미혼자 사이에서 어떻게 달라지는지를 살펴보는 거예요.

조절변수는 독립변수와는 독립적인 관계를 가정해요. 다시 말해, 독립변수가 조절변수에 영향을 준다고 보지 않으며, 인과관계 검증이 필요하지 않습니다. 대신 조절효과를 검증할 때는 독립변수, 조절변수, 그리고 두 변수의 상호작용항(X×W)을 함께 회귀식에 투입해 상호작용항의 유의성을 확인합니다. 상호작용항이 통계적으로 유의하면 조절효과가 있다고 판단하죠.

조절변수는 “언제, 누구에게, 어떤 상황에서” 효과가 달라지는지를 밝혀주기 때문에, 연구 결과의 적용 범위를 구체화하거나 집단별 맞춤형 전략을 제안할 때 아주 유용해요. 예를 들어 교육 프로그램의 효과가 학습자의 사전 지식 수준에 따라 달라진다면, 사전 지식이 조절변수가 되는 식입니다.

매개변수와 조절변수의 결정적 차이

두 변수를 구분할 때 가장 많이 하는 실수는 같은 변수를 연구자의 의도에 따라 매개로도, 조절로도 쓸 수 있다는 점을 간과하는 거예요. 예를 들어 ‘자아존중감’은 어떤 연구에서는 매개변수(사회적 지지 → 자아존중감 → 학업성취)로, 다른 연구에서는 조절변수(스트레스가 우울에 미치는 영향이 자아존중감 수준에 따라 달라짐)로 사용될 수 있어요. 따라서 변수 이름만 보고 판단해서는 안 되고, 연구 질문과 가설의 방향성을 먼저 따져야 합니다.

아래 표에 두 변수의 차이를 한눈에 정리해 보았어요.

구분	매개변수 (Mediator)	조절변수 (Moderator)
핵심 질문	왜(How) X가 Y에 영향을 미치는가?	언제/누구에게(When/For whom) X의 효과가 달라지는가?
역할	X의 효과를 전달하는 중간 경로	X-Y 관계의 강도·방향을 조절
인과관계 요건	X→M, M→Y, X→Y 모두 성립해야 함	X→Y, W→Y는 필요하지만 X→W는 불필요
검증 방법	간접효과의 유의성 검증 (부트스트래핑 등)	상호작용항(X×W)의 유의성 검증
예시	교육 수준 → 소득 → 행복	소득 → 행복 (결혼 여부에 따라 다름)
연구모형 표기	X → M → Y (삼각형 구조)	X → Y, 그리고 W가 X→Y 경로에 화살표로 조절 표시

이 표를 참고하면 내 연구에서 설정한 변수가 매개인지 조절인지 판단하는 데 큰 도움이 될 거예요. 특히 인과관계 요건과 검증 방법이 다르기 때문에, 연구 초기에 명확히 구분해 두지 않으면 나중에 통계 분석 단계에서 큰 혼란을 겪을 수 있어요.

연구모형에서 헷갈리지 않는 설계 방법

실제로 연구모형을 그릴 때 매개변수와 조절변수를 혼동하지 않으려면 다음의 체크리스트를 단계별로 따라가 보는 게 좋습니다. 이 과정을 거치면 지도교수님이나 리뷰어에게 논리적으로 설명할 수 있는 근거도 함께 마련할 수 있어요.

• ✅ 1. 연구 질문을 명확히 하기: “X가 Y에 영향을 미치는 과정을 알고 싶은가?” 아니면 “X의 효과가 어떤 조건에서 달라지는지 보고 싶은가?”를 먼저 결정하세요.
• ✅ 2. 이론적 배경 검토: 선행 연구에서 해당 변수가 주로 매개로 사용되었는지, 조절로 사용되었는지 살펴보세요. 하지만 맹목적으로 따르지 말고, 내 연구의 논리적 흐름에 맞는지 확인해야 해요.
• ✅ 3. 인과관계 방향 설정: 매개변수는 X와 M, M과 Y 사이에 명확한 인과관계가 있어야 합니다. 조절변수는 X와 독립적이어야 하고, X와 Y의 관계만 조절한다고 가정하세요.
• ✅ 4. 연구모형 도식화: 매개는 X→M→Y의 경로를, 조절은 X→Y 화살표 위에 조절변수 W를 표시하거나 X×W 상호작용을 별도로 그려 넣어 시각적으로 구분하세요.
• ✅ 5. 가설 설정: 매개가설은 “M이 X와 Y의 관계를 매개할 것이다”, 조절가설은 “W가 X와 Y의 관계를 조절할 것이다”처럼 문장을 구체적으로 작성하세요.
• ✅ 6. 분석 방법 사전 계획: 매개는 PROCESS macro의 Model 4, 조절은 Model 1 등을 활용할 수 있어요. 분석 전에 적절한 통계 기법을 미리 정해 두면 혼선을 줄일 수 있어요.

이 체크리스트를 하나씩 채워가다 보면 자연스럽게 내 연구모형에서 변수의 역할이 명확해질 거예요. 특히 1번 질문에 답하는 것이 가장 중요합니다. “왜?”라는 질문에 답하려면 매개, “언제?”라는 질문에 답하려면 조절이라는 점을 기억하세요.

자주 하는 실수와 주의사항

이런 주의사항을 염두에 두고 연구를 진행하면, 나중에 “이 변수를 왜 매개로 설정했는지”에 대한 방어 논리도 훨씬 탄탄해질 거예요.

자주 묻는 질문 (FAQ)

Q1. 매개변수와 조절변수, 둘 다 같은 변수로 쓸 수 있나요?

네, 가능합니다. 앞서 말했듯이 같은 변수라도 연구 질문과 가설에 따라 매개변수가 될 수도 있고 조절변수가 될 수도 있어요. 중요한 것은 연구모형 안에서 그 변수가 어떤 역할을 수행하는지 명확히 정의하는 거예요.

Q2. 매개효과와 간접효과는 같은 말인가요?

거의 같은 의미로 사용되지만, 엄밀히 말하면 매개효과는 간접효과의 한 유형이에요. 간접효과는 X가 Y에 영향을 미치는 경로에 제3의 변수가 개입하는 모든 경우를 말하고, 매개효과는 그 경로가 이론적으로 설명 가능한 인과적 과정일 때를 가리킵니다.

Q3. 조절효과가 유의하지 않으면 어떻게 해석하나요?

조절효과가 유의하지 않다는 것은 “X와 Y의 관계가 조절변수의 수준에 따라 달라지지 않는다”는 뜻이에요. 즉, 모든 조건에서 X의 효과가 일정하다고 해석할 수 있어요. 다만 표본 크기가 작거나 측정 오차 때문에 유의하지 않게 나올 수도 있으니, 연구 설계를 다시 점검해 보는 것이 좋습니다.

Q4. Baron & Kenny 방법은 이제 사용하지 않나요?

Baron과 Kenny의 인과단계 접근법은 여전히 기초적인 이해를 돕는 데 유용하지만, 최근에는 간접효과의 유의성을 직접 검증하는 부트스트래핑 방식이 더 권장돼요. 많은 학술지에서도 부트스트래핑 결과를 요구하는 추세이므로, 분석 도구(PROCESS, R mediation 패키지 등)를 활용해 간접효과의 신뢰구간을 확인하는 것이 좋습니다.

Q5. 매개변수는 몇 개까지 넣을 수 있나요?

이론적으로는 여러 개의 매개변수를 병렬 또는 직렬로 배치할 수 있어요. 예를 들어 X → M1 → M2 → Y 같은 이중 매개모형도 가능합니다. 하지만 변수가 많아질수록 모형이 복잡해지고 해석이 어려워지므로, 연구 목적에 꼭 필요한 변수만 포함하는 것이 바람직해요.

Q6. 조절변수는 연속형이어야 하나요, 범주형이어야 하나요?

둘 다 가능합니다. 성별처럼 범주형 조절변수는 집단 간 회귀계수 차이를 비교하고, 연령이나 소득 같은 연속형 조절변수는 상호작용항을 이용해 분석해요. 연속형 변수를 조절변수로 쓸 때는 평균 중심화(mean centering)를 해주면 다중공선성 문제를 줄일 수 있어요.

Q7. 연구모형 그림에서 매개와 조절을 어떻게 구분해서 그리나요?

매개는 독립변수에서 매개변수를 거쳐 종속변수로 이어지는 단방향 화살표로 표현하고, 조절은 독립변수에서 종속변수로 가는 화살표 위에 조절변수에서 뻗어 나온 화살표를 그리거나, 상호작용항을 별도로 표시하는 방식이 일반적이에요. 그림만 봐도 역할이 구분되도록 명확하게 그리는 게 중요합니다.

Q8. 매개효과와 조절효과를 한 모형에서 동시에 검증할 수 있나요?

네, 조절된 매개효과(moderated mediation)나 매개된 조절효과(mediated moderation) 같은 통합 모형을 통해 가능합니다. 예를 들어 매개 경로 자체가 특정 조건에 따라 달라지는지를 보는 것이 조절된 매개효과예요. 다만 해석이 까다로우므로, 기본 개념을 충분히 익힌 후에 도전하는 것이 좋습니다.

※ 본 글은 연구방법론에 대한 일반적인 정보를 제공하기 위해 작성되었습니다. 실제 연구 설계 및 통계 분석 시에는 소속 기관의 지도교수나 통계 전문가의 조언을 반드시 받으시길 바랍니다. 변수의 조작적 정의와 분석 방법은 학문 분야와 연구 목적에 따라 달라질 수 있어요.