SPSS PROCESS로 매개효과 분석, 2025년 기준 완벽 가이드!
안녕하세요! 복잡하게만 느껴졌던 통계 분석, 특히 매개효과 분석 때문에 고민이 많으셨죠? 2025년 현재, 수많은 연구자들이 더욱 정확하고 손쉽게 매개효과를 검증하기 위해 SPSS PROCESS 매크로를 활용하고 있습니다. 이 글에서는 SPSS PROCESS를 이용해 매개효과를 분석하는 방법을 쉽고 명확하게 안내해 드릴게요. SPSS에 익숙하지 않은 분들도 차근차근 따라오실 수 있도록 핵심만 짚어드리겠습니다.
우리가 어떤 현상(종속변수)을 이해할 때, 단순히 ‘무엇이 무엇에 영향을 미친다’는 직접적인 관계를 넘어서 ‘왜, 그리고 어떻게’ 영향을 미치는지 밝혀내는 것이 중요합니다. 이 ‘왜’와 ‘어떻게’에 대한 답을 찾아주는 것이 바로 매개효과 분석인데요. SPSS PROCESS는 이러한 질문에 대한 강력한 해결책을 제공하며, 특히 비정규 분포 데이터에서도 신뢰할 수 있는 부트스트랩(Bootstrap) 방식을 지원하여 분석의 정확도를 크게 높여줍니다.
매개효과, 대체 뭘까요? 핵심 개념 잡기
매개효과는 독립변수(X)가 종속변수(Y)에 미치는 영향이 매개변수(M)를 통해 간접적으로 발생할 때를 말합니다. 예를 들어, ‘공부 시간(X)이 성적(Y)에 미치는 영향’을 생각해보세요. 단순히 오래 앉아있다고 성적이 오를까요? 아마 ‘학습 몰입도(M)’가 높아야 성적이 더 잘 나올 겁니다. 이 경우, 공부 시간은 학습 몰입도를 높이고, 이 학습 몰입도가 다시 성적에 영향을 주는 것이죠. 여기서 학습 몰입도가 바로 매개변수입니다.
직접효과와 간접효과
직접효과(Direct Effect)는 독립변수가 매개변수를 거치지 않고 직접적으로 종속변수에 미치는 영향입니다. 위의 예시에서는 공부 시간이 학습 몰입도와 상관없이 성적에 직접 미치는 영향을 의미하겠죠.
간접효과(Indirect Effect)는 독립변수가 매개변수를 통해 종속변수에 미치는 영향입니다. 공부 시간이 학습 몰입도를 높이고, 이 높아진 학습 몰입도가 성적 향상으로 이어지는 경로가 바로 간접효과입니다.
SPSS PROCESS, 이렇게 시작하세요! 단계별 문제 해결
SPSS PROCESS 매크로는 A.F. Hayes 교수가 개발한 강력한 도구로, SPSS에 쉽게 추가하여 사용할 수 있습니다. 2025년 기준으로, 최신 버전의 PROCESS는 더 많은 모델과 편리한 기능을 제공하고 있습니다. 설치부터 분석까지, 차근차근 따라 해 볼까요?
1. PROCESS 매크로 설치 및 활성화 (최신 버전 4.2 이상 권장)
먼저 Hayes 교수님의 웹사이트(www.processmacro.org)에서 최신 버전의 PROCESS 매크로 파일을 다운로드하세요. SPSS 메뉴에서 확장 > 사용자 정의 대화 상자 설치 > 사용자 정의 대화 상자 설치를 클릭한 후, 다운로드한 .spd 파일을 선택하면 설치가 완료됩니다. SPSS를 재시작하면 분석 메뉴 아래에 ‘PROCESS’가 나타날 거예요.
2. 데이터 준비 및 모델 설정
SPSS에서 분석하고자 하는 데이터를 불러옵니다. 모든 변수가 올바른 척도로 입력되었는지 확인하는 것이 중요합니다. 분석 > PROCESS를 클릭하면 PROCESS 대화 상자가 열립니다. 여기서 독립변수(X), 종속변수(Y), 매개변수(M)를 각각의 칸에 드래그하여 배치합니다.
3. 핵심: 부트스트랩(Bootstrap) 설정
매개효과 분석의 꽃은 바로 부트스트랩입니다. 부트스트랩은 데이터가 정규분포를 따르지 않아도 매개효과의 유의성을 정확하게 평가할 수 있게 해주는 강력한 방법입니다. ‘Options’ 버튼을 클릭한 후, ‘Bootstrap’ 섹션에서 Perform bootstraping을 체크하고, Number of bootstrap samples는 일반적으로 5000개 이상(권장 10000개)으로 설정합니다. 2025년 기준으로는 10000개 이상이 일반적입니다. Confidence level for confidence intervals는 95%로 유지합니다.
결과 해석, 어렵지 않아요! 핵심만 쏙쏙
PROCESS를 실행하면 방대한 결과가 출력되지만, 우리가 집중해야 할 부분은 몇 가지로 요약됩니다. 다음은 핵심적인 해석 방법입니다.
1. 회귀분석 결과 확인 (Path a, Path b)
출력 결과 상단에는 독립변수(X)가 매개변수(M)에 미치는 영향(Path a), 그리고 매개변수(M)가 종속변수(Y)에 미치는 영향(Path b)에 대한 회귀분석 결과가 나타납니다. 각 경로의 계수(coeff)와 유의확률(p)을 확인하여 각 경로가 통계적으로 유의한지 판단합니다. 보통 p-값이 0.05보다 작으면 유의하다고 봅니다.
2. 간접효과와 직접효과 판단
출력 결과 하단에서 ‘TOTAL, DIRECT, AND INDIRECT EFFECTS’ 섹션을 찾습니다. 여기서 ‘Indirect effect’ 행과 ‘Direct effect’ 행을 주의 깊게 살펴보세요.
- Indirect Effect (간접효과): 이 값이 유의한지 여부는
Bootstrapped confidence interval (CI)를 통해 판단합니다. 만약 95% 신뢰구간(LLCI와 ULCI) 안에 0이 포함되지 않는다면, 간접효과가 통계적으로 유의하다고 해석합니다. 2025년 매개효과 분석에서는 이 부트스트랩 신뢰구간 해석이 가장 중요합니다. - Direct Effect (직접효과): 독립변수가 매개변수를 통제한 후에도 종속변수에 직접적으로 영향을 미치는지 나타냅니다. 이 역시 p-값 또는 신뢰구간을 통해 유의성을 판단합니다.
문제 해결 집중! 흔히 겪는 어려움과 해결책
매개효과 분석을 하다 보면 여러 가지 문제에 부딪힐 수 있습니다. 대표적인 문제들과 그 해결책을 알아볼까요?
문제 1: 간접효과가 유의하지 않을 때
상황: X가 M에 유의하고, M이 Y에 유의하지만, 최종 간접효과(Indirect Effect)의 부트스트랩 신뢰구간에 0이 포함되어 유의하지 않다고 나옵니다.
해결책: 이는 단순 매개 모형(Model 4)이 여러분의 데이터에 적합하지 않을 수 있다는 신호입니다. 독립변수와 매개변수, 종속변수 사이에 다른 변수(조절변수)가 개입하여 관계를 변화시키고 있을 가능성이 있습니다. 이때는 조절효과(Moderation)나 조절된 매개효과(Moderated Mediation, Model 7, 8, 14 등)를 고려하여 분석 모형을 확장해 볼 필요가 있습니다. 즉, 매개효과가 특정 조건에서만 발생하거나 강도가 달라지는지를 탐색해야 합니다.
문제 2: 데이터가 정규분포 가정을 심하게 위배할 때
상황: 매개효과 분석은 기본적으로 회귀분석에 기반하므로, 잔차의 정규성 등 여러 가정이 중요합니다. 하지만 실제 데이터는 이 가정을 위배하는 경우가 많습니다.
해결책: PROCESS 매크로는 부트스트랩 방법을 통해 이러한 정규성 가정 위배 문제를 상당 부분 보완해 줍니다. 따라서 부트스트랩 샘플 수를 충분히(최소 5000회, 권장 10000회 이상) 설정하는 것이 중요합니다. 그럼에도 불구하고 잔차 플롯 등을 통해 심각한 이상치를 발견한다면, 해당 이상치를 확인하거나, 변수 변환(로그 변환 등)을 고려해 볼 수 있습니다. 다만, 부트스트랩의 강력함 덕분에 지나치게 가정에 얽매일 필요는 없습니다.
문제 3: 어떤 매개 모델을 써야 할지 모르겠어요!
상황: PROCESS 매크로는 Model 1부터 92번까지 다양한 모델을 제공하여 어떤 모델을 선택해야 할지 혼란스러울 수 있습니다.
해결책: 연구 질문에 가장 적합한 모델을 선택하는 것이 중요합니다. 처음에는 가장 기본적인 단순 매개 모형인 Model 4로 시작하는 경우가 많습니다. 만약 두 개 이상의 매개변수가 직렬로 연결되어 독립변수에서 종속변수로 이어지는 복잡한 경로를 가정한다면 Model 6(직렬 매개)을 고려할 수 있습니다. 조절효과가 매개 경로의 강도를 조절하는 경우라면 Model 7, 8, 14, 15 등의 조절된 매개 모형을 사용합니다. 각 모델에 대한 Hayes 교수의 매뉴얼을 참고하여 연구 가설에 맞는 모델을 신중하게 선택하는 것이 핵심입니다. 2025년 연구 동향은 단순 매개보다는 복합적인 매개 모델 사용이 증가하는 추세입니다.
더 깊이 있는 분석을 위한 제안
조절된 매개효과(Moderated Mediation) 탐색
단순 매개효과를 넘어서, 매개효과가 특정 조건(조절변수)에 따라 달라지는지 탐색하는 것은 연구의 깊이를 더하는 아주 좋은 방법입니다. PROCESS 매크로의 Model 7, 8, 14, 15번 등을 활용하면 이러한 복잡한 관계를 쉽게 분석할 수 있습니다. 예를 들어, ‘공부 시간이 학습 몰입도를 통해 성적에 미치는 영향이, 부모님의 기대 수준에 따라 달라지는가?’와 같은 질문에 답할 수 있습니다.
분석 결과 시각화
텍스트로만 된 분석 결과는 직관적으로 이해하기 어려울 수 있습니다. Hayes 교수의 웹사이트나 PROCESS 매크로에서 제공하는 그래프 생성 도구를 활용하여, 매개효과나 조절된 매개효과를 그림으로 표현하면 연구 결과를 훨씬 효과적으로 전달할 수 있습니다. 특히 조절 효과가 있는 경우 상호작용 그래프는 필수적입니다. 2026년에는 더 다양한 시각화 템플릿이 제공될 예정입니다.
매개효과 모델 유형 비교
| 모델 번호 | 매개 모형 유형 | 주요 활용 분야 |
|---|---|---|
| Model 4 | 단순 매개(Simple Mediation) | 가장 기본적인 매개 모형. 하나의 매개변수를 통해 독립변수가 종속변수에 미치는 간접효과 검증. |
| Model 6 | 직렬 다중 매개(Serial Multiple Mediation) | 두 개 이상의 매개변수가 순차적으로(직렬로) 독립변수와 종속변수를 매개하는 경우. |
| Model 7 | 조절된 매개(Moderated Mediation) | 독립변수가 매개변수에 미치는 영향이 조절변수에 의해 달라지는 경우. (X -> M 경로 조절) |
| Model 8 | 조절된 매개(Moderated Mediation) | 매개변수가 종속변수에 미치는 영향이 조절변수에 의해 달라지는 경우. (M -> Y 경로 조절) |
| Model 14, 15 | 조절된 매개(Moderated Mediation) | 직렬 매개에서 특정 경로가 조절되는 복합 모델. |
핵심 정리: SPSS PROCESS는 매개효과 분석의 복잡성을 해결하고 연구의 깊이를 더하는 강력한 도구입니다. 부트스트랩 방법을 통해 비정규 분포 데이터에서도 신뢰할 수 있는 결과를 제공하며, 다양한 모델을 활용하여 연구 질문에 더욱 정교하게 답할 수 있게 돕습니다. 2025년 연구에서는 단순히 유의성 판단을 넘어 매개효과의 ‘크기’와 ‘방향’에 대한 심도 있는 해석이 중요합니다.
마무리하며
SPSS PROCESS를 활용한 매개효과 분석은 여러분의 연구에 깊이와 신뢰성을 더해줄 것입니다. 처음에는 복잡하게 느껴질 수 있지만, 차근차근 따라 하면서 개념을 익히고 다양한 모델을 적용해보면 통계 분석에 대한 자신감을 얻으실 수 있을 거예요. 궁금한 점이 있다면 언제든지 Hayes 교수님의 매뉴얼이나 관련 자료를 참고하시고, 꾸준히 연습하여 매개효과 분석의 달인이 되시길 응원합니다! 2026년에도 최신 버전의 PROCESS는 계속해서 발전하며 연구자들에게 더 나은 분석 환경을 제공할 것입니다.
