매개효과 분석(Mediation) 이론

[통계 이야기/PROCESS] - 매개효과 분석(Mediation) 이론 ◁ 현재 포스팅

[통계 이야기/PROCESS] - PROCESS 간접효과 분석(매개 변수 1~10개)

[통계 이야기/PROCESS] - PROCESS 간접효과 분석 (syntax 기초)

[통계 이야기/PROCESS] - PROCESS 간접효과 분석 (syntax 심화)

 

매개 분석은 어떻게 하시나요? (매개 분석이 뭔지는 설명하지 않아도 되겠죠?)

간단하게 비유적으로 설명해보자면 우리가 전등을 킬 때, 어떤 스위치를 누르죠? 전등이 종속변수라고 생각하고

스위치는 독립변수라고 생각해보세요. 스위치를 눌러서 전등이 켜지려면 그 사이에 전선이라던가 전기라던가

이런게 필요하잖아요. 전선, 전기 이런게 매개변수인거예요.

매개효과 분석과 간접효과 분석는 같다고 생각하셔도 괜찮아요.

​

1. Baron & Kenny's (1986) approach

이 방법은 여러 단계를 거쳐 매개 효과를 검증하는 방법이예요. 다들 많이 아실꺼라고 생각해요.

네이버 검색해도 이 방법은 흔하게 나오니 자세한 설명은 패스!

​

중요한 건, 이 방법은 이제 고전적인 방법이 됐다는 거예요.

여러 문제점 때문에 이제는 이 방법으로 매개 효과를 검증하지 않기를 권해요.

예를 들어, 경로들의 방향(+, -)이 다를 경우 영향이 없는 것처럼 결과가 나올 수가 있어요.

그래서 Hayes 라는 학자는, X 가 Y에 미치는 간접적인 효과를 검증하려면 간접적인 효과를 봐야지

왜 X->M, M->Y 이렇게 직접적인 효과를 통해 간접 효과를 검증하는지 비판을 해요.

​

2. Sobel's test

이 분석 역시 많이 들어보셨죠? 간접 효과를 검증하는 오래된 방법이예요.

상당히 간편한 방법이예요. 요즘에는 이 테스트만을 통해 간접 효과가 있다 없다를 말하진 않아요. 뭔가 부가적인 간접 효과의 증거로 쓰이는 기분이예요. 즉 검증을 끝낸 후, Sobel's test 결과 역시 간접 효과가 있다고 하는거죠.

 

3. Bootstrapping

부트스트래핑 방법은 수집한 샘플을 통해 계속해서 re-sampling을 하고, 이를 통해 표본 구간을 만들어요.

예를 들어, 100개의 데이터를 수집했으면 이 데이터에서 샘플을 몇 천번 반복해서 뽑는거예요.

그럼 몇 천개의 샘플 집단이 생기고, 몇 천개의 간접 효과가 있겠죠? 이를 통해서 검증하는 방법이예요.

SPSS나 SAS에서는 PROCESS라는 매크로를 사용할 수 있어요. 곧 R에서도 가능하겠네요.

 

이 PROCESS macro를 통해서 간접효과 분석을 앞으로 해볼거예요. 

Stay tuned!

 

 

​도움이 됐다면 커피 한 잔 사주시면 감사하겠습니다^^

EPIK is 어려운 지식을 가능한 한 쉽게 공유하는 곳이예요 :)