논문을 쓰다 보면 ‘연구모형’이라는 네 글자 앞에서 갑자기 손이 멈추는 경험을 누구나 한 번쯤 하게 돼요. 변수는 대충 정했는데, 어떤 건 왼쪽에 두고 어떤 건 오른쪽에 둬야 할지, 화살표는 몇 개나 그려야 하는지, 실은 매개변수와 조절변수의 차이조차 헷갈리기 시작하죠.
연구모형은 단순한 그림이 아니에요. 하나의 화살표가 하나의 가설이고, 가설이 모여 통계 분석의 지도가 됩니다. 그렇기 때문에 ‘감’으로 변수를 배치하고 화살표를 그리는 순간, 나중에 설문지 설계부터 결과 해석까지 전부 꼬이기 쉽습니다. 특히 양적 연구를 처음 시작하는 대학원생이라면 더더욱 그렇죠.
이 글에서는 선행연구를 어떻게 모형으로 옮기는지, 변수의 역할을 어떻게 구분하고 배치하는지, 화살표의 방향과 의미는 어떻게 정하는지, 그리고 최종적으로 어떤 분석 도구를 얼마의 비용으로 선택해야 하는지까지 연구모형 설계 전 과정을 콤팩트하게 정리해 드릴게요. 석사 과정이나 박사 과정, 학술지 투고를 준비 중인 연구자라면 처음부터 끝까지 차근차근 따라와 보셔도 좋습니다.
📌 이 글의 핵심 포인트
- 연구모형은 ‘선행연구 → 변수 정의 → 가설 → 화살표 도식’ 순서로 완성한다.
- 관측변수는 사각형, 잠재변수는 타원형으로 그리며, 인과관계는 단방향 화살표로 표시한다.
- 매개모형은 독립→매개→종속, 조절모형은 독립과 종속 사이에 조절변수를 끼워 넣는다.
- 분석 도구는 무료 오픈소스(R, Jamovi, PROCESS macro)만으로도 대부분의 모형 검증이 가능하나, GUI 편의성을 원한다면 연간 $800~$1,200 수준의 유료 도구가 필요할 수 있다.
- 변수 개수를 무작정 늘리면 다중공선성과 표본 부담이 커지므로 3~5개 핵심 변수를 중심으로 설계하는 것이 좋다.
글 순서
1단계: 연구문제와 목적의 명확화
연구모형의 출발점은 언제나 연구문제와 목적입니다. “무엇을 알고 싶은가?”가 선명하지 않으면 아무리 정교한 모형도 방향을 잃고 말아요. 예를 들어 “조직문화가 직무만족에 미치는 영향을 보고 싶다”와 “조직문화가 직무만족에 영향을 줄 때 자기효능감의 매개효과를 검증하고 싶다”는 전혀 다른 모형과 분석 설계를 요구합니다.
연구문제를 구체화할 때는 가능한 한 측정 가능한 형태로 바꾸는 훈련이 필요해요. “직원들이 행복하면 성과가 오를까?”보다는 “리더의 변혁적 리더십이 구성원의 과업성과에 미치는 영향에서 심리적 임파워먼트의 매개효과를 검증한다”처럼 조작적으로 서술하면 변수 선정이 훨씬 수월해집니다. 연구목적이 불분명한 상태에서 변수를 먼저 고르는 실수는 흔히 연구 계획 자체를 뒤엎는 원인이 되니까, 시간이 조금 더 걸리더라도 이 단계를 충실히 다져두는 게 좋아요.
2단계: 선행연구 검토로 근거 확보
연구모형은 창작의 영역이 아니라 엄연한 근거 위에 쌓여야 합니다. 감으로 “이것과 저것이 관계 있을 것 같아”라고 추측하는 순간, 심사 과정에서 지적받거나 데이터를 수집한 뒤에도 분석 결과가 유의미하지 않을 확률이 높아집니다. 선행연구를 꼼꼼히 읽을수록 연구모형이 탄탄해지는 이유가 바로 여기에 있어요.
선행연구에서 확보해야 할 핵심 자산은 세 가지예요. 첫째, 이미 통계적으로 유의미하게 검증된 독립변수와 종속변수의 관계입니다. 둘째, 원인과 결과의 사이를 이어주는 심리적·구조적 메커니즘, 즉 매개변수의 존재 가능성입니다. 셋째, 특정 상황이나 조건에 따라 관계의 강도나 방향이 달라지는지를 보여주는 조절변수에 대한 실마리입니다. 국내외 주요 학술지를 검색하며 이 세 가지 정보를 노트에 정리해 두면, 연구모형을 그릴 때 변수 하나하나에 이론적 근거를 붙일 수 있어 큰 도움이 됩니다.
무턱대고 변수를 많이 집어넣기보다는, 선행연구에서 일관되게 지지된 관계를 우선적으로 채택하고 나머지는 통제변수나 탐색적 변수로 빼두는 전략이 실용적입니다. 이렇게 하면 지도교수나 심사위원에게 “왜 이 변수를 넣었나요?”라는 질문을 받더라도 당당하게 답할 수 있어요.
3단계: 변수의 유형과 역할 정리
연구모형을 눈으로 보기 좋게 그리려면 먼저 각 변수의 역할을 정확히 이해하고 구분해야 해요. 대부분의 양적 연구에서 등장하는 변수는 네 가지 유형입니다.
| 변수 유형 | 영문 약어 | 역할 | 도식 표기 팁 |
|---|---|---|---|
| 독립변수 | IV | 원인 역할, 다른 변수에 변화를 일으킴 | 왼쪽에 배치하는 경우가 많음 |
| 종속변수 | DV | 결과 역할, 다른 변수의 영향을 받음 | 오른쪽이나 아래쪽에 배치 |
| 매개변수 | Med | 인과 경로의 중간 다리, 이유를 설명 | 독립과 종속 사이에 위치, 화살표 두 개 |
| 조절변수 | Mod | 관계의 강도나 방향을 변화시키는 조건 | 해당 경로에 점선이나 곡선 화살표로 ‘상호작용항’ 표시 |
위 표의 변수 유형을 정리한 후에는 각 변수를 측정 가능한 형태로 바꾸는 ‘조작적 정의’가 필수입니다. 예를 들어 ‘직무만족’이라는 구성개념을 단일 문항이 아니라 다면적 척도(미네소타 만족 설문지 등)로 측정하겠다고 선언하는 식이죠. 신뢰도와 타당성이 보고된 기존 척도를 우선적으로 활용하면, 나중에 측정도구의 문제로 분석 결과가 기각될 위험을 크게 줄일 수 있어요.
4단계: 변수 배치와 화살표 도식화
변수의 역할이 정해졌다면 이제 실제 도식으로 옮길 차례입니다. 가장 기본이 되는 원칙은 “인과의 흐름은 왼쪽에서 오른쪽, 또는 위에서 아래로”입니다. 관측변수는 직사각형, 잠재변수(직접 측정할 수 없는 추상적 개념)는 타원형이나 원형으로 그리고, 변수와 변수 사이는 단방향 화살표로 연결합니다. 양방향 화살표는 상호 인과를 의미하지만, 사회과학 연구에서는 이론적 배경이 아주 명확하지 않은 이상 피하는 편이 안전해요.
매개모형의 기본 형태는 ‘독립변수 → 매개변수 → 종속변수’입니다. 예를 들어 “조직공정성(IV)이 직무열의(M)를 통해 이직의도(DV)에 영향을 미친다”라고 하면, 세 개의 변수를 사각형으로 나란히 놓고 IV에서 M, M에서 DV로 화살표를 그리면 됩니다. 이때 IV에서 DV로 직접 가는 화살표를 추가할지 말지는 선행연구의 지지 여부에 따라 결정하는 것이 원칙입니다. 직접 효과가 존재하지 않는다는 이론이 확실하면 빼도 무방하지만, 부분매개를 상정할 때는 두 경로를 모두 표시합니다.
조절모형은 한층 시각적으로 까다로울 수 있는데요. 기본적으로 독립변수와 종속변수의 관계에 조절변수가 ‘조건’으로 작용한다는 아이디어를 반영해야 합니다. 학계에서 흔히 쓰는 방식은 독립변수에서 종속변수로 향하는 수평 화살표 위쪽이나 중간에 조절변수를 별도로 배치하고, 그 조절변수에서 화살표가 아니라 ‘×’ 모양의 기호나 점선을 관계선으로 향하게 하는 방법이에요. 조절변수가 매개변수 앞단계나 뒷단계에 개입하는 조절된 매개 모형이라면 경로가 훨씬 복잡해지므로, PROCESS macro의 모델 번호를 참고해 미리 도식과 분석 방법을 일치시켜 두는 것이 좋습니다.
화살표 하나하나는 나중에 가설로 바뀝니다. 따라서 방향(+, -)에 대한 예측도 고민해야 해요. 선행연구에서 정(+)의 관계가 반복적으로 확인됐다면 그대로 가져가되, 탐색적 경로라면 부호 없이 “유의한 영향을 미칠 것이다” 정도의 가설을 세우는 것이 일반적입니다.
5단계: 가설 설정부터 분석 도구 선택까지
도식이 완성되면 각 화살표를 구체적인 통계적 가설로 풀어내야 합니다. “H1: A는 B에 정(+)의 영향을 미칠 것이다.”처럼 변수 이름을 넣어 검증 가능한 형태로 바꾸는 것이 핵심입니다. 가설을 쓸 때는 단순히 ‘영향을 미칠 것이다’가 아니라, 어떤 변수를 통제했을 때, 혹은 어떤 조건 하에서 그 효과가 달라지는지를 명시하면 분석의 정교함이 한층 높아집니다.
연구모형과 가설이 확정되면, 그다음으로 자연스럽게 따라오는 질문은 “어떤 소프트웨어로 분석하지?”에요. 연구실 환경과 예산에 따라 선택지가 달라지는데, 최근 몇 년 사이 무료 도구의 품질이 크게 올라가면서 굳이 고가의 라이선스를 구매하지 않아도 석·박사 수준의 분석을 충분히 수행할 수 있게 되었습니다. 다음 표는 2024~2026년 기준으로 연구모형 검증에 자주 쓰이는 도구들의 개략적인 비용과 특징을 정리한 것입니다.
| 도구 | 주요 기능 | 연간 라이선스 비용 (KRW 환산 참고) | 특징 |
|---|---|---|---|
| R (lm, lavaan) | 회귀분석, 구조방정식(SEM), 매개·조절 분석 | 무료 | 코드 기반, 강력한 그래픽 기능, 패키지 생태계 방대 |
| Jamovi / JASP | GUI 기반 회귀, ANOVA, 신뢰도 분석, 기초 SEM | 무료 | 초보자 친화적, SPSS 대안으로 각광 |
| PROCESS macro (SPSS·SAS·Stata) | 매개·조절 및 조건부효과 분석 | 매크로 자체는 무료, SPSS 라이선스 필요 시 약 150만 원/년 | Andrew F. Hayes 개발, 모델 번호로 손쉽게 분석 |
| SPSS Amos | 구조방정식 모델링, 경로도형 그리기 | 약 80만 원/년 (Amos 단독 기준) | 그림 도구로 모델 구축 가능, 잠재변수 경로 시각화에 강점 |
| Mplus | 고급 SEM, 다층모형, 성장혼합모형 | 약 120만 원/년 (학술용) | 복잡한 모델에 강력한 성능, 문법 기반 |
| SAS, StatCrunch 등 클라우드 | 종합 통계 분석 | 월 3~5만 원 구독 형태 | 사용량에 따라 저비용 접근 가능, 단기 연구에 적합 |
가장 비용 효율이 높은 전략은 대부분의 분석을 무료인 R ‘lavaan’이나 Jamovi로 수행하고, 매개·조절 분석이 필요할 때만 PROCESS macro를 이용하는 것입니다. 다만 소속 대학에서 SPSS 또는 Amos 캠퍼스 라이선스를 제공한다면 별도 비용 없이 사용할 수 있으므로 대학원 사무실이나 도서관에 먼저 확인해 보는 것을 권해 드려요. 소프트웨어 가격은 환율과 프로모션에 따라 변동될 수 있으니 구매 전 공식 대리점의 최신 견적을 꼭 비교해야 합니다.
연구모형 설계 시 주의사항 & 체크리스트
⚠️ 반드시 확인할 주의사항
- 변수 과다는 금물입니다. 독립변수 4개, 매개변수 2개, 종속변수 3개를 한꺼번에 넣으면 표본 크기 요구량이 급증하고 다중공선성에 취약해집니다. 처음에는 핵심 경로 1~2개에 집중하는 편이 검증도 쉽고 논문의 이야기도 명확해집니다.
- 화살표는 근거가 있을 때만 그리세요. 선행연구에서 한 번도 검증되지 않은 관계를 화살표로 표시하는 것은 연구모형의 학문적 타당성을 떨어뜨립니다. 불가피하게 탐색적 경로를 포함해야 한다면, 해당 화살표에 ‘탐색’이라고 명시하거나 가설에서 신중하게 언급하는 것이 좋습니다.
- 도식과 분석 방법을 일치시키지 않으면 돌이킬 수 없습니다. 예컨대 연구모형에는 매개효과를 그려놓고 분석은 단순 회귀로 하거나, 조절효과를 상정했는데 상호작용항을 투입하지 않으면 데이터 수집 이후에도 논문이 엉망이 될 수밖에 없어요.
- 데이터 출처가 고객센터나 행정 자료라면 개인정보 동의와 익명화 절차를 반드시 문서화하세요. 연구계획서에 개인정보 처리 방침과 이용자 동의 절차를 구체적으로 기재하지 않으면 IRB 심의에서 반려될 가능성이 높습니다.
- 외주 조사나 현장 데이터 수집 시 계약서에 추가 비용 조건을 명시하세요. 야간·주말 작업, 장거리 이동, 무거운 장비 사용 등으로 발생하는 추가 요금을 계약 전에 서면으로 확인하지 않으면 예산을 초과하는 경우가 빈번합니다.
다음 체크리스트는 연구모형 설계를 마무리하기 전 마지막으로 점검할 항목들입니다. 하나라도 ‘아니오’가 나온다면 해당 부분을 보완한 뒤 지도교수와 상의하시길 권해요.
- ☑ 연구문제와 연구목적이 구체적으로 서술되어 있는가?
- ☑ 각 변수의 유형(독립, 종속, 매개, 조절)이 이론에 맞게 분류되었는가?
- ☑ 모든 변수에 조작적 정의가 존재하며, 신뢰도·타당도가 확보된 측정도구를 사용하는가?
- ☑ 도식에 그려진 모든 화살표에 대응하는 개별 가설이 명확히 작성되었는가?
- ☑ 화살표의 방향이 선행연구에 근거하고 있으며, 양방향 화살표의 사용을 최소화했는가?
- ☑ 매개·조절 경로가 적절히 표시되었고, 분석 방법(예: PROCESS Model 4, 7 등)이 명시되었는가?
- ☑ 통제변수를 포함하기로 했다면, 왜 포함하는지 근거가 있는가?
- ☑ 분석 소프트웨어의 라이선스 현황과 예산 범위를 확인했는가?
- ☑ 데이터 수집 방식에 따른 윤리적, 법적 절차를 연구계획서에 반영했는가?
자주 묻는 질문 (FAQ)
연구모형에 변수는 몇 개까지 두는 게 적당한가요?
정해진 절대 숫자는 없지만, 구조방정식 모델링을 할 때 보통 잠재변수 3~5개가 편안한 수준으로 여겨집니다. 변수가 많아질수록 필요한 최소 표본이 기하급수적으로 늘어나고 모형 적합도가 나빠질 가능성이 크기 때문입니다. 석사 수준이라면 독립변수 1~2개, 매개변수 1개, 종속변수 1개 정도의 간결한 모형이 가장 무난해요.
화살표를 양방향으로 그려도 괜찮을까요?
사회과학에서는 특별한 이론적 배경이 없다면 지양하는 편입니다. 양방향 화살표는 두 변수가 서로에게 동시에 영향을 준다는 강력한 가정을 포함하기 때문에, 이를 뒷받침할 문헌이나 패널 데이터 같은 시간적 선후 관계를 확보하지 못하면 심사 과정에서 지적받기 쉬워요. 상관관계나 공분산을 나타내고 싶다면 곡선의 양방향 화살표를 사각형 변수 바깥에 별도로 표시하는 방법도 있으니 지도교수님과 상의해 보세요.
조절변수는 어떤 위치에 배치해야 자연스럽나요?
조절변수는 특정 경로 ‘관계’에 영향을 주기 때문에, 보통 독립변수에서 종속변수로 가는 화살표의 중간 위쪽이나 아래쪽에 별도로 배치하고 거기서 관계선으로 점선 또는 ‘×’ 화살표를 그리는 방식이 표준입니다. 조절변수가 매개변수의 앞 경로를 조절하는지, 뒷 경로를 조절하는지에 따라 표시하는 위치가 달라지므로, PROCESS macro의 모델 번호를 참고해 정확히 매핑하는 것이 가장 확실합니다.
매개효과와 조절효과를 하나의 모형에 넣어도 될까요?
충분히 가능하며, 실제로 조절된 매개효과나 매개된 조절효과를 검증하는 논문은 매우 많습니다. 다만 변수 간 관계가 훨씬 복잡해지므로, 선행연구에서 그 경로가 충분히 논의되었는지 먼저 확인해야 합니다. 이론적 정당성 없이 무리하게 통합 모형을 구성하면 해석이 산으로 가기 쉽고, 샘플 수 부족으로 모델 적합도가 나오지 않을 가능성도 함께 높아집니다.
연구모형을 그릴 때 꼭 전문 소프트웨어가 필요한가요?
필수는 아닙니다. 파워포인트, 키노트, 또는 무료 다이어그램 도구로도 충분히 깔끔한 도식을 만들 수 있습니다. 다만 Amos, Mplus, SmartPLS 같은 도구는 연구모형 자체를 분석 가능한 형태로 그리는 기능이 있어, 한 번 그리면 곧바로 분석으로 이어지는 장점이 있죠. 제출용 이미지로 변환해야 한다면 파워포인트에서 그린 뒤 고해상도 PNG로 저장하는 방식도 흔히 쓰입니다.
통제변수는 연구모형에 어떻게 표시하나요?
학계 관례상 통제변수는 독립변수에서 종속변수로 가는 직접 경로에 일괄적으로 연결하기도 하고, 복잡해 보이면 도식 왼쪽에 묶어서 ‘통제변수(성별, 연령, 근속연수 등)’라고 박스를 하나 만든 뒤 단일 화살표로 종속변수에 연결하는 방법도 사용합니다. 핵심은 통제변수를 왜 포함했는지에 대한 명확한 근거를 본문에 서술하는 것입니다.
연구모형과 가설을 먼저 정하고 분석 방법을 나중에 골라도 되나요?
순서상으로는 가능하지만, 실무적으로는 동시에 고려하는 편이 훨씬 효율적입니다. 예를 들어 조절변수를 포함한 통합 모형을 그려놓고, 보유한 통계 패키지에서 해당 분석을 지원하지 않는다면 난감해질 수 있어요. 따라서 연구모형 초안을 잡는 단계에서 “이 모형을 검증하려면 어떤 분석이 필요하고, 내가 쓸 수 있는 소프트웨어는 무엇인가”를 함께 따져보는 것이 바람직합니다.
본 가이드는 일반적인 연구 설계 방법을 이해하기 쉽게 풀어 쓴 정보성 콘텐츠입니다. 실제 연구에 적용할 때는 소속 학과의 관례, 지도교수의 조언, 연구윤리위원회(IRB)의 심의 기준, 그리고 사용하려는 통계 소프트웨어의 최종 라이선스 약관을 반드시 확인해야 합니다. 소프트웨어 비용 안내는 2024~2026년 사이의 평균적인 시장 가격을 참고한 것으로, 환율 및 업체 정책에 따라 언제든지 달라질 수 있습니다.
