논문이나 연구 보고서를 쓰다보면 매개효과 분석 결과에서 독립변수에서 종속변수로 가는 직접 경로(c’)의 p값이 0.05를 넘어 당혹스러운 순간이 찾아오곤 합니다. ‘이렇게 나오면 매개효과가 성립하지 않는 걸까?’ 하는 의문이 드는 건 지극히 자연스러운 반응이에요. 특히 지도교수님 피드백이나 심사위원의 질문에 명쾌한 답변을 준비해야 하는 대학원생이나 연구자라면 더더욱 그렇습니다.
다행히도, 결론부터 말씀드리면 직접효과가 통계적으로 유의하지 않더라도 매개효과는 충분히 성립할 수 있습니다. 오히려 그런 결과야말로 완전 매개(complete mediation)를 보여주는 전형적인 패턴이기도 해요. 핵심은 간접효과(a × b)가 유의한지를 중심으로 판단하는 데 있습니다.
이 글에서는 왜 직접효과가 유의하지 않아도 되며, 어떤 조건에서 그렇게 해석할 수 있는지, 그리고 분석 방법에 따라 해석의 기준이 어떻게 달라지는지를 하나하나 정리해드릴게요. 논문 초안을 수정할 때 꼭 필요한 실무적인 팁도 함께 담았습니다.
핵심 요약
- 직접효과(c’)의 유의성은 매개효과 성립의 필수 조건이 아닙니다.
- 간접효과(a×b)가 부트스트래핑 신뢰구간에서 0을 포함하지 않으면 매개효과가 존재합니다.
- 직접효과가 유의하지 않으면 ‘완전 매개’로 해석할 수 있으며, 이는 매개변수가 독립변수-종속변수 관계를 완전히 설명함을 의미합니다.
- Baron & Kenny의 전통 3단계 접근보다는 Hayes PROCESS macro의 간접효과 검증이 현대적 기준에 더 부합합니다.
- SPSS나 AMOS에서도 부트스트래핑 옵션을 활용하면 직접효과와 별개로 간접효과 유의성을 검증할 수 있습니다.
글 순서
매개효과의 기본 개념과 경로 이해하기
매개효과란 독립변수 X가 종속변수 Y에 직접 영향을 주는 동시에, 제3의 변수 M을 거쳐 간접적으로도 영향을 미치는 현상을 말해요. 경로 다이어그램으로 보면 a(X→M), b(M→Y), 그리고 직접 경로 c'(X→Y)로 나뉩니다. 총효과(total effect) c는 a×b + c’로 표현되며, 이때 a×b를 간접효과(indirect effect)라고 부릅니다.
초기에 널리 쓰이던 Baron & Kenny(1986)의 인과 단계 접근법은 1단계에서 총효과 c가 유의해야 한다는 전제를 깔았어요. 하지만 방법론이 발전하면서 이러한 전제가 지나치게 엄격하다는 비판이 제기되었고, 오늘날에는 간접효과의 신뢰구간을 부트스트래핑으로 추정해 직접 판단하는 방식이 주류로 자리 잡았습니다.
예를 들어, 통계 분석 관련 영상 자료들에서는 “심한 경우에 유의하지 않아도 매개하는 경우가 있다”고 강조하며, 소벨 테스트나 PROCESS macro에서 간접효과 자체의 유의성만 확인하면 된다고 설명하기도 해요. 이 말은 곧, 직접 경로의 유의성 여부가 간접 경로의 존재를 부정할 근거가 되지 못한다는 뜻입니다.
직접효과 유의성과 매개효과 성립 조건의 분리
매개효과의 핵심 검증 대상은 ‘a×b’입니다. a 경로와 b 경로 각각이 유의하고, 그 곱인 간접효과가 통계적으로 유의하다면, 직접효과 c’이 유의하지 않아도 매개효과가 존재한다고 결론지을 수 있어요. Baron & Kenny 방식의 3단계 회귀모형을 예로 들면, 3단계에서 매개변수 M의 계수(b3)만 유의하고 X→Y 직접 계수(b2)가 유의하지 않을 때 완전 매개로 판단합니다. 이때 b2가 바로 직접효과에 해당해요.
하지만 이것이 “직접효과가 무조건 유의하지 않아야 한다”는 의미는 아닙니다. 두 경로 모두 유의한 부분 매개도 훌륭한 매개효과예요. 중요한 건 연구자들이 직접효과의 p값에 지나치게 집착하지 말고, 간접효과의 신뢰구간과 효과 크기(effect size)를 먼저 살펴보아야 한다는 점이에요. 공식 매뉴얼이나 최근 논문들의 안내를 살펴봐도, 직접효과가 비유의적일 때 연구 모형이 더 간명해지는 사례를 어렵지 않게 찾을 수 있습니다.
또한 총효과 c 자체가 유의하지 않은데 간접효과만 유의하게 나타나는 ‘불일치 매개(inconsistent mediation)’ 상황도 가능합니다. 이때는 억제 효과(suppression)를 의심해볼 수 있는데, a×b와 c’의 부호가 반대일 때 총효과가 상쇄되어 작아지는 거죠. 따라서 단순히 총효과의 유의성만 보고 매개분석을 포기하면 중요한 발견을 놓칠 수 있어요.
완전 매개와 부분 매개, 그리고 억제 효과까지
완전 매개는 매개변수를 통한 간접 경로만 유의하고 직접 경로는 유의하지 않은 상태를 가리킵니다. 예컨대 부모의 교육 수준이 자녀의 학습 태도를 통해 학업 성취에 영향을 주지만, 직접적으로는 유의한 영향이 없을 때가 이에 해당해요. 이때 연구자는 “매개변인이 X-Y 관계를 완전히 설명한다”고 해석할 수 있습니다.
반면 부분 매개는 간접 경로와 직접 경로 모두 유의한 상태입니다. 이 경우 X는 Y에 직접적으로도, 그리고 M을 통해서도 영향을 미친다고 말할 수 있어요. 대부분의 사회과학 연구에서는 부분 매개가 더 자주 관찰됩니다. 현실에서는 하나의 매개 변수만으로 관계를 전부 설명하기 어렵기 때문이죠.
여기에 억제 효과라는 변형도 있어요. a×b와 c’의 부호가 달라서 총효과가 작게 추정되거나, 심지어 총효과가 유의하지 않게 나올 수 있습니다. 이 때 간접효과만으로 매개효과를 논하려면 이론적 배경이 충분히 뒷받침되어야 하고, 토론 섹션에서 부호 차이에 대한 설명을 덧붙이는 게 좋습니다.
분석 도구별 접근법 – Baron & Kenny vs. Bootstrapping
| 구분 | Baron & Kenny 3단계 | Bootstrapping (Hayes PROCESS, AMOS) |
|---|---|---|
| 필수 조건 | 1단계 총효과(c) 유의, a·b 각 유의 | a×b 신뢰구간에 0 포함 여부만 확인 |
| 직접효과 역할 | 3단계에서 c’로 등장, 유의성에 따라 완전/부분 매개 결정 | 참고 정보일 뿐, 매개 성립 판단에 필수 아님 |
| 검증 방법 | 계층적 회귀분석, Sobel test | Bootstrap CI (주로 5,000회 이상), Monte Carlo CI |
| 장점 | 논리적 순서가 직관적, 초보자도 접근 쉬움 | 정규성 가정 불필요, 검정력 우수, 간접효과에 집중 |
| 단점 | 총효과 미유의 시 분석 중단, 2종 오류 가능성 | 완전 매개 개념을 강조하지 않는 추세, 결과 해석에 주의 필요 |
SPSS를 사용하다면 Hayes의 PROCESS macro가 가장 편리한 선택이에요. 모델 번호 4를 지정하고 부트스트래핑 횟수를 5,000이나 10,000으로 설정하면, 직접효과와 간접효과의 신뢰구간을 한 번에 출력해줍니다. AMOS의 경우에도 Bootstrap 옵션을 활성화하고, Indirect, Direct, Total effects에 대해 편향 보정(bias-corrected) 신뢰구간을 요청하면 돼요. R에서는 ‘lavaan’이나 ‘mediation’ 패키지가 널리 쓰이고 있습니다.
연구 현장에서 자주 하는 실수와 오해 풀기
가장 흔한 실수는 “총효과 c가 유의하지 않으므로 매개분석을 진행할 수 없다”고 생각하는 거예요. 앞서 설명했듯이 현대적 관점에서는 이 조건이 더 이상 필수가 아닙니다. 특히 억제 효과가 의심되는 상황에서 이 실수를 범하면, 의미 있는 간접 경로를 놓칠 수 있어요.
또 다른 오해는 “직접효과 c’이 유의하지 않으면 완전 매개가 확정되므로 더 우수한 결과다”라고 속단하는 거죠. 완전 매개라는 용어가 긍정적인 어감을 주기는 하지만, 표본 수가 적거나 측정 오차 때문에 직접 경로가 유의하게 검출되지 않았을 가능성도 항상 열어두어야 합니다. 설득력 있는 논문은 통계적 결과에 더해 이론적 타당성과 대안적 설명을 함께 제시하는 편이에요.
끝으로, 매개효과와 조절효과를 혼동하는 경우도 많습니다. “독립변수와 종속변수의 관계를 강화하거나 약화시키는 변수는 조절변수이고, 그 관계의 메커니즘을 설명하는 변수는 매개변수”라는 기본 정의를 정확히 기억해두면, 분석 방법 선택에서 헤매는 일이 줄어들 거예요.
⚠ 주의사항
직접효과가 유의하지 않다고 무조건 완전 매개라고 단정해선 안 됩니다. 표본 크기가 작거나 측정 오차가 클 경우 통계적 검정력이 낮아 직접 경로가 유의하게 검출되지 않을 수 있어요. 또한 이론적으로 독립변수와 종속변수 사이에 다른 매개변수가 존재할 가능성도 고려해야 합니다. 꼭 이론적 근거를 먼저 확인하고, 부트스트래핑 신뢰구간으로 간접효과의 유의성을 검증한 후 결론을 내려야 합니다.
직접효과 비유의 상황에서 점검할 실전 체크리스트
- 연구 모형에서 매개변수의 이론적 타당성을 재확인했나요?
- 간접효과(a*b)의 부트스트래핑 신뢰구간(95% CI)에 0이 포함되지 않았나요?
- 표본 크기가 충분하여 검정력 확보가 되었나요? (최소 사례 수 확보)
- 직접효과와 간접효과의 부호가 동일한지, 혹은 억제 효과 가능성은 없는지 확인했나요?
- Baron & Kenny 1단계(총효과)의 유의성 여부와 관계없이 간접효과만으로 매개효과를 논의해도 문제 없는지 검토했나요?
- 분석 도구(SPSS의 regression, PROCESS, AMOS 등) 설정에서 부트스트래핑이 올바르게 적용되었나요?
- 논문의 토론 섹션에서 완전 매개가 나온 이유와 대안적 설명을 기술할 준비가 되었나요?
FAQ – 직접효과와 매개효과에 대한 자주 묻는 질문
Q1. Baron & Kenny 3단계 방식에서 매개효과가 성립하려면 총효과(c)가 반드시 유의해야 하나요?
전통적인 인과 단계 접근법에서는 1단계 회귀계수 c가 유의해야 매개분석을 진행하는 것으로 알려져 있어요. 하지만 최근의 매개분석 방법론(예: Hayes, 2013)에서는 총효과의 유의성이 간접효과의 유의성 판단에 필수 조건은 아니라고 봅니다. 실제로 간접효과가 유의한데 총효과가 유의하지 않은 경우도 존재하며, 이를 ‘간접효과만 유의한 매개’로 부르기도 합니다. 다만, 이러한 패턴이 나왔을 때는 이론적 배경이 탄탄해야 리뷰어를 설득할 수 있어요.
Q2. 직접효과(c’)가 전혀 유의하지 않은데 어떻게 X가 Y에 영향을 준다고 말할 수 있나요?
매개효과의 핵심은 X → M → Y 경로를 통해 간접적으로 영향을 미친다는 점입니다. 따라서 X가 Y에 ‘직접적으로’ 유의한 영향이 없더라도, M을 거쳐서 유의한 영향이 관찰된다면 X와 Y 사이에 영향 관계가 없다고 볼 수 없어요. 예를 들어, 부모의 교육 수준(X)이 자녀의 학업 성취(Y)에 직접 효과는 유의하지 않게 나왔지만, 자녀의 학습 태도(M)를 통해 유의한 간접 효과가 있다면, 충분히 의미 있는 관계로 해석할 수 있습니다.
Q3. SPSS에서 Hayes의 PROCESS macro를 사용할 때 직접효과의 유의성은 어떻게 확인하나요?
PROCESS macro를 실행하면 출력 결과에서 ‘Direct effect of X on Y (c’)’ 항목의 계수와 p값, 신뢰구간을 제시해 줍니다. 여기서 p값이 0.05보다 크더라도 상대적 간접효과(Indirect effect)와 그 신뢰구간(주로 95% percentile bootstrap CI)이 0을 포함하지 않으면 매개효과가 있다고 판단해요. PROCESS는 부트스트래핑을 기본으로 하며, 간접효과의 유의성만 가지고도 결론을 도출할 수 있도록 설계되어 있습니다.
Q4. 완전 매개가 부분 매개보다 더 좋은 결과인가요?
반드시 그런 것은 아닙니다. 완전 매개라는 말이 약간 ‘완벽한 설명’을 연상시키긴 하지만, 연구 상황에 따라 부분 매개가 더 현실적일 수 있어요. 사회과학에서는 하나의 매개 변수만으로 X-Y 관계를 완전히 설명하기 어려운 경우가 많습니다. 오히려 완전 매개가 나왔다면, 앞서 주의사항에서 말했듯이 측정 오차나 표본 특성 때문일 수 있으므로 신중하게 해석해야 해요. 중요한 건 이론에 부합하고 신뢰구간으로 검증된 안정적인 간접효과입니다.
Q5. 간접효과는 유의한데 직접효과가 유의하지 않은 상황에서, 논문에 “X는 Y에 영향을 미치지 않는다”고 써도 될까요?
표현에 주의가 필요합니다. “X가 Y에 직접적인 영향을 미치지는 않았으나, M을 통한 간접적인 영향은 유의하였다”라고 서술해야 정확합니다. 이를 단순히 “X는 Y에 영향을 주지 않았다”라고 적으면 중요한 간접 경로를 놓치는 오해를 낳을 수 있어요. 결과 해석 섹션에서는 총효과, 직접효과, 간접효과 각각의 유의성과 계수 크기를 명확히 구분해서 기술하는 것이 좋습니다.
Q6. 표본 수가 적을 때 직접효과가 유의하지 않게 나올 가능성이 큰가요?
그렇습니다. 작은 표본에서는 검정력(power)이 낮아져 실제로 존재하는 효과라도 통계적 유의성을 포착하기 어려워져요. 특히 직접효과의 계수 크기가 작거나 중간 수준일 때 표본이 작으면 2종 오류에 빠질 위험이 크죠. 이럴 때는 더더욱 부트스트래핑으로 간접효과의 신뢰구간을 산출하고, 효과 크기(effect size)를 함께 보고하는 것이 현명합니다. 만약 연구 설계 단계라면, Monte Carlo 시뮬레이션 등을 통해 적정 표본 크기를 미리 확인해보길 권합니다.
Q7. AMOS에서 매개효과를 검증할 때 직접효과가 유의하지 않으면 모형 수정을 해야 하나요?
AMOS에서 구조방정식 모형을 사용할 때 직접효과 경로가 비유의적이라고 해서 무조건 그 경로를 삭제하는 것은 권장되지 않아요. 모형 수정은 반드시 이론적 근거와 수정지수(MI), 적합도 변화 등을 종합적으로 고려해야 합니다. 또한 AMOS의 경우 Bootstrap 옵션을 활성화하여 간접효과의 신뢰구간을 확인하는 절차가 필수입니다. 직접경로를 삭제하지 않고도 ‘완전 매개’로 해석할 수 있으며, 경로 계수의 유의성보다는 전체 모형의 적합도와 간접효과의 신뢰구간을 더 중요하게 보는 추세예요.
Q8. 직접효과가 유의하지 않은 완전 매개 결과를 저널에 게재할 때 리뷰어의 반응이 궁금해요.
최근에는 완전 매개 자체가 문제가 되기보다, 방법론적 엄밀성이 더 중요한 평가 기준이 되고 있어요. 즉, 부트스트래핑을 사용했는지, 신뢰구간을 보고했는지, 그리고 충분한 이론적 정당성을 제시했는지가 관건입니다. 또한 표본 크기, 측정 도구의 타당도, 공통 방법 편향(common method bias) 등의 문제를 잘 통제했다면 오히려 명료한 매개 메커니즘을 보여준 연구로 긍정적 평가를 받을 수 있어요. 미리 관련 논문의 최신 동향을 파악하고, 논의 섹션에서 왜 완전 매개가 나타났는지 대안적 설명을 함께 논의한다면 설득력이 높아질 겁니다.
면책 및 안내문구
본 포스팅은 일반적인 통계 방법론 정보를 제공하기 위해 작성되었습니다. 실제 연구에 적용할 때는 분석 도구의 매뉴얼, 해당 분야의 최신 방법론 논문, 그리고 지도교수나 통계 전문가의 조언을 함께 참고해야 합니다. 표본의 특성, 연구 설계, 데이터의 질에 따라 해석이 달라질 수 있으므로, 개별 사례에 대한 법적·학문적 판단의 근거로 삼기에는 한계가 있음을 알려드립니다.
