논문이나 연구 보고서를 준비하다 보면 “단순히 A가 B에 영향을 준다”를 넘어서, “A가 어떤 과정을 거쳐 B에 영향을 주는지”, 그리고 “그 과정이 어떤 조건에서 달라지는지”를 동시에 밝혀야 할 때가 있어요. 이때 등장하는 개념이 바로 조절된 매개효과입니다. 이름은 조금 복잡하게 들리지만, 알고 보면 연구 질문을 훨씬 풍부하게 만들어주는 강력한 도구예요.
예를 들어, 직장 내 스트레스가 높을수록 번아웃이 심해지는데, 그 사이에 ‘수면의 질’이라는 매개 변수가 끼어 있고, 이 매개 효과가 ‘운동 습관’이라는 조절 변수에 따라 달라진다면? 이때 조절된 매개효과 분석이 필요해집니다. 이 글에서는 이런 분석을 실제로 언제 적용해야 하는지, 어떤 조건을 갖춰야 하는지, 비용과 도구 선택은 어떻게 하는지까지 연구자 입장에서 꼼꼼하게 정리해 드릴게요.
- 조절된 매개효과는 “매개 경로가 특정 조건에 따라 달라지는가”를 검증할 때 사용합니다.
- 적용하려면 이론적 근거, 충분한 표본(보통 200~300 이상), 변수의 신뢰도와 타당도가 확보되어야 해요.
- 분석 도구로는 PROCESS macro(SPSS/SAS), R(lavaan·mediation), Mplus 등이 있으며, 무료 도구만으로도 대부분의 검증이 가능합니다.
- 분석 전에 연구 모형의 경로 설정, 표본 분포, 다중공선성 문제를 반드시 점검해야 합니다.
글 순서
조절된 매개효과의 기본 개념과 구조
조절된 매개효과는 ‘조건부 간접효과’라고도 불려요. 독립변수 X가 매개변수 M을 거쳐 종속변수 Y에 영향을 줄 때, 이 간접효과의 크기나 방향이 조절변수 W의 수준에 따라 달라지는지를 보는 거죠. 연구 질문으로 표현하면 “왜(매개) 그런 효과가 나타나는지”와 “언제, 누구에게(조절) 그 효과가 강해지거나 약해지는지”를 하나의 모형에서 동시에 답하는 셈입니다.
통계적으로는 X→M 경로(a 경로)나 M→Y 경로(b 경로)에 조절변수 W와의 상호작용항을 투입해 조건부 간접효과를 추정해요. 예를 들어 a 경로가 W에 의해 조절된다면 간접효과는 (a₁ + a₂·W) × b 형태가 되고, b 경로가 조절된다면 a × (b₁ + b₂·W)가 됩니다. 이때 조절된 매개지수(Index of Moderated Mediation)를 부트스트래핑으로 검증해 신뢰구간이 0을 포함하지 않으면 조절된 매개효과가 유의하다고 판단합니다.
실제 연구 사례를 보면, 가격 분할 수준이 구매 의도에 영향을 미칠 때 사전 지식이 매개 역할을 하고, 이 매개 과정이 시간적 거리(조절 변수)에 따라 달라지는지 검증한 논문도 있어요. 이처럼 조절된 매개효과는 단순한 인과관계를 넘어 현실의 복잡한 심리·사회적 메커니즘을 설명하는 데 매우 유용합니다.
조절된 매개효과를 사용해야 하는 시점
모든 연구에 조절된 매개효과가 필요한 건 아니에요. 다음과 같은 상황에서 분석을 고려하는 게 적절합니다.
- 이론적으로 매개 경로의 강도가 상황이나 개인차에 따라 변할 가능성이 제시될 때
예컨대, 교육 프로그램이 학습 동기를 높여 성적을 올리는 경로가 성별이나 학년에 따라 다를 것이라는 선행 연구가 있다면 조절된 매개 모형이 적합해요. - 기본 매개효과가 유의하게 나왔지만, “모든 대상에게 동일하게 작동하는가?”라는 의문이 남을 때
매개효과 자체는 유의하지만, 특정 하위 집단에서는 효과가 사라지거나 반대 방향으로 나타날 수 있어요. 이때 조절 변수를 투입하면 조건별로 효과를 분리해서 볼 수 있습니다. - 연구 목적이 “어떤 메커니즘으로, 그리고 어떤 조건에서 효과가 발생하는가”를 통합적으로 규명하는 것일 때
단순히 매개 경로만 보거나 조절 효과만 보는 것으로는 답할 수 없는 복합적인 가설을 다룰 때 사용합니다.
반대로, 표본이 너무 작거나 조절 변수의 여러 수준을 충분히 확보하지 못한 상태라면 분석 결과가 불안정해질 수 있어요. 따라서 연구 설계 단계에서부터 조절 변수의 분포와 측정 방식을 꼼꼼히 계획해야 합니다.
분석을 위해 갖춰야 할 조건들
조절된 매개효과를 제대로 검증하려면 통계적·방법론적 조건 몇 가지를 충족해야 해요. 공식 가이드라인이나 방법론 서적에서 강조하는 핵심 조건을 정리하면 다음과 같습니다.
- 충분한 표본 크기
일반적으로 전체 표본이 200~300명 이상은 되어야 안정적인 추정이 가능해요. 조절 변수가 범주형이라면 각 집단별로 최소 50명 이상 확보하는 게 좋습니다. 표본이 작으면 부트스트랩 신뢰구간이 넓어져 유의성을 놓칠 수 있어요. - 변수의 측정 신뢰도와 타당도
매개 변수와 조절 변수 모두 신뢰도 계수가 0.7 이상인 도구로 측정하는 것이 바람직해요. 측정 오차가 크면 경로 계수가 과소 또는 과대 추정될 위험이 있습니다. - 다중공선성 문제가 없을 것
상호작용항을 만들 때 원 변수들 간의 상관이 지나치게 높으면 추정치가 불안정해져요. 변수를 평균 중심화하거나 표준화해서 다중공선성을 완화하는 절차가 필요합니다. - 시간적 선행성 확보
인과관계를 주장하려면 원인 변수가 매개 변수보다 시간적으로 앞서고, 매개 변수가 결과 변수보다 앞서 측정되어야 해요. 횡단 자료만으로는 해석에 한계가 있을 수밖에 없습니다. - 조절 변수의 충분한 변산성
조절 변수가 연속형이라면 다양한 수준의 값이 골고루 분포해야 조건부 효과를 신뢰성 있게 추정할 수 있어요. 특정 구간에만 몰려 있으면 평균 ±1SD 같은 대표값이 실제 분포를 왜곡할 수 있습니다.
이 조건들이 충족되지 않은 상태에서 무리하게 분석을 진행하면 결과 해석에 오류가 생기거나 심사 과정에서 지적을 받을 수 있어요. 연구 설계 단계에서부터 이 부분을 점검하는 습관을 들이는 게 중요합니다.
분석 도구별 비용과 선택 기준
조절된 매개효과 분석은 전용 소프트웨어 없이도 무료 도구로 충분히 수행할 수 있어요. 다만 연구 환경이나 익숙한 프로그램에 따라 선택지가 달라지니 비용과 기능을 비교해 보는 게 좋습니다.
| 도구 | 비용 | 주요 특징 |
|---|---|---|
| PROCESS macro (SPSS/SAS) | 무료 (SPSS/SAS 라이선스 별도) | Hayes가 개발, 모델 번호만 지정하면 조절된 매개효과 자동 검증, 부트스트랩 CI 제공 |
| R (lavaan, mediation 패키지) | 무료 | 구조방정식 모형 기반, 유연한 모델 설정 가능, 코드 작성 필요 |
| Mplus | 학술 라이선스 약 1,200 USD | 잠재변수 모형에 강점, 복잡한 다층 모형 처리 가능 |
| SPSS + AMOS | SPSS 연간 약 1,500 USD, AMOS 추가 약 1,000 USD | GUI 기반 경로 그림 제공, 초보자 접근성 좋음 |
비용 대비 효용을 따져보면, PROCESS macro나 R은 무료이면서도 조절된 매개효과 검증에 필요한 거의 모든 기능을 제공해요. 상용 도구는 그래픽 인터페이스나 추가 분석 옵션에서 강점을 보이지만, 연구 예산이 한정된 대학원생이나 독립 연구자라면 무료 도구로도 충분히 국제 저널에 게재 가능한 분석을 할 수 있습니다. 다만 SPSS 자체가 유료이므로, 완전 무료 환경을 원한다면 R이나 JASP 같은 오픈소스 통계 패키지를 활용하는 쪽이 유리해요.
조절된 매개효과 분석에서 가장 흔한 실수는 매개 경로와 조절 경로를 명확히 구분하지 않고 모형을 설정하는 거예요. 예를 들어, X→M 경로에만 조절 변수를 투입했는데 실제로는 M→Y 경로에서 조절 효과가 나타나는 경우 잘못된 결론에 도달할 수 있습니다. 또한 부트스트랩 반복 횟수를 1,000회 미만으로 설정하면 신뢰구간이 불안정해지므로, 최소 5,000회, 가능하면 10,000회로 지정하는 것이 안전합니다. 조절 변수가 연속형일 때 평균 ±1SD만 제시하는 관행도 주의해야 해요. 실제 데이터에서 ±1SD가 의미 있는 구간이 아닐 수 있으므로, Johnson-Neyman 기법이나 백분위수 기반의 조건부 효과를 함께 보고하는 게 바람직합니다.
분석 전 반드시 점검해야 할 체크리스트
본격적인 분석에 들어가기 전에 아래 항목들을 하나씩 확인해 보세요. 사소해 보여도 나중에 결과 해석을 뒤흔들 수 있는 요소들이에요.
- 연구 가설이 “매개 경로가 조절 변수에 따라 달라진다”는 형태로 명확히 진술되었는가?
- 매개 변수와 조절 변수의 측정 도구가 충분한 신뢰도와 타당도를 갖추었는가?
- 표본 크기가 전체 200~300명 이상이고, 조절 변수의 각 수준별로 최소 50명 이상 확보되었는가?
- 독립 변수, 매개 변수, 종속 변수 간 시간적 순서가 인과적으로 타당한가?
- 변수들 간의 다중공선성 문제는 없는가? (VIF 10 미만 확인)
- 조절 변수가 연속형이라면 다양한 값에 걸쳐 충분한 사례 수가 존재하는가?
- 분석 도구(PROCESS, R, Mplus 등)의 모델 번호가 연구 모형과 정확히 일치하는가?
- 부트스트랩 샘플 수를 5,000회 이상으로 설정했는가?
- 결과 보고 시 조건부 간접효과와 함께 조절된 매개지수의 신뢰구간을 제시할 계획인가?
이 체크리스트를 모두 통과했다면 분석을 진행할 준비가 된 거예요. 만약 하나라도 걸리는 부분이 있다면, 연구 설계를 보완하거나 분석 방법을 조정하는 게 좋습니다.
자주 묻는 질문 (FAQ)
Q1. 조절된 매개효과와 매개된 조절효과는 어떻게 다른가요?
조절된 매개효과는 매개 경로(X→M 또는 M→Y)가 조절 변수에 의해 달라지는 모형이고, 매개된 조절효과는 독립 변수와 조절 변수의 상호작용이 매개 변수를 통해 종속 변수에 영향을 주는 모형이에요. 연구 질문이 “매개 과정이 언제 달라지는가”에 초점이면 조절된 매개, “조절 효과가 어떤 메커니즘을 통해 발생하는가”에 초점이면 매개된 조절을 선택합니다.
Q2. 부트스트랩 샘플 수는 몇 번으로 해야 하나요?
일반적으로 5,000회를 기본으로 하고, 보다 안정적인 신뢰구간을 원한다면 10,000회로 설정하는 경우가 많아요. 1,000회 미만은 신뢰구간의 변동성이 커서 권장되지 않습니다.
Q3. 조절 변수가 범주형일 때는 어떻게 분석하나요?
PROCESS macro에서는 범주형 조절 변수를 자동으로 더미 코딩하여 각 집단별 조건부 간접효과를 산출해 줘요. R에서도 mediation 패키지나 lavaan을 이용해 집단별로 경로 계수를 추정할 수 있습니다.
Q4. 조건부 간접효과가 유의하지 않으면 조절된 매개효과가 없는 건가요?
조절된 매개지수 자체의 신뢰구간이 0을 포함하면 조절된 매개효과가 유의하지 않다고 판단해요. 특정 조건에서만 간접효과가 유의하게 나오더라도, 전체적인 조절된 매개지수가 유의하지 않다면 조절 효과가 일관되지 않다는 의미로 해석할 수 있습니다.
Q5. 표본이 작을 때 조절된 매개효과 분석을 해도 될까요?
표본이 200명 미만이면 부트스트랩 신뢰구간이 불안정해지고 검증력이 떨어질 수 있어요. 이런 경우에는 분석을 시도하기보다 표본을 추가로 확보하거나, 모형을 단순화하는 방향을 고려하는 게 바람직합니다.
Q6. PROCESS macro 모델 번호는 어떻게 선택하나요?
Hayes의 공식 문서나 템플릿을 참고하면 연구 모형에 맞는 번호를 쉽게 찾을 수 있어요. 예를 들어, X→M 경로만 조절되는 경우 모델 7, M→Y 경로만 조절되는 경우 모델 14, 두 경로가 모두 조절되면 모델 58 등을 사용합니다.
Q7. 분석 결과에서 조절된 매개지수만 보면 되나요?
조절된 매개지수와 함께 각 조건별 간접효과의 신뢰구간, 그리고 필요하다면 Johnson-Neyman 유의성 영역을 함께 제시하는 것이 좋아요. 그래야 독자가 조절 변수의 어느 구간에서 매개 효과가 유의한지 명확히 이해할 수 있습니다.
Q8. 무료 도구만으로도 학술지 게재가 가능한가요?
네, PROCESS macro나 R을 사용한 분석 결과는 국제 저널에서도 널리 인정받고 있어요. 중요한 것은 도구의 가격이 아니라 분석 절차의 적절성과 결과 해석의 타당성입니다.
면책 및 안내문구
이 글은 조절된 매개효과 분석에 관한 일반적인 정보를 제공하기 위해 작성되었습니다. 구체적인 분석 도구의 라이선스 비용이나 이용 약관은 시점과 지역, 소속 기관의 할인 정책에 따라 달라질 수 있으므로, 실제 계약이나 구매 전에 해당 소프트웨어 공식 웹사이트나 고객센터를 통해 최신 정보를 확인하시기 바랍니다. 또한 통계 분석 결과의 해석은 연구의 맥락과 데이터 특성에 따라 달라질 수 있으므로, 필요하다면 통계 전문가의 조언을 받는 것이 안전합니다.
