PROCESS 간접효과 분석(매개 변수 1~10개)

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

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

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

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

 

오늘은 간단하게 PROCESS를 이용해서 매개 변수가 있는 간접효과를 분석해볼게요.

​

먼저 PROCESS에 들어가셔야겠죠???

PROCESS가 뭐냐, 어떻게 들어가냐, 하시는 분들은 아래 포스팅 참고해주세요

[통계 이야기/PROCESS] - PROCESS 설치

[통계 이야기/PROCESS] - PROCESS 기본 (GUI)

Model number

들어가셨으면, 가장 먼저 MODEL NUMBER 를 4로 바꿔주세요.

매개 변수가 1~10개이고 매개 변수간의 인과 관계가 없는 경우는 4번이예요.

화살표 보이죠?

​

변수 삽입

그리고 원하는 변수들을 넣어주세요.

저는 X가 중간고사 시험 성적, M이 후회, Y가 최종 성적인 모델을 돌려볼게요.

중간고사를 본 후 성적이 좋지 않으면, "아 좀 더 공부 열심히 할 껄" 이런 후회 감정이 들잖아요?

이렇게 후회를 하면 남은 기간 동안 더 열심히 공부해서 최종 성적을 올릴 수 있을까요?

자, 변수들을 넣어줬어요.

​

Options

이제 Options에 들어가서,

저는 이렇게 세팅했어요. 참고로 probe interactions을 좀 건들였는데, (Johnson-Neyman output에 체크를 하는 등) 이건 조절 효과를 볼 때 의미가 있고, 매개 모델에서는 의미가 없어요. 참고하세요~

continue를 눌러서 나간 후 ok 를 눌러 분석! 

 

분석 결과

그 결과는..

차근차근 볼게요. 

먼저 가장 위에는 어떤 버전의 PROCESS를 사용하였으며, 어떤 변수를 이용하였고, 모델 번호가 몇 번인지를 보여주네요. 그리고 뒤 이어 총 몇 개의 데이터를 이용했는지도 나오고요.

​

outcome variable: affreg_e (매개변수)

라고 보이시나요?

지금 이 변수는 매개변수인데 여기서는 outcome variable 이래요. 즉, 이 부분은 Y (final GPA)를 무시하고 매개변수를 종속변수로 놓고 분석한 결과예요.

X -> M -> Y 가 있으면 X -> M만 분석한거죠.

X (exam1_Gr) -> M (affreg_e) 이 관계가 유의한거 보이시나요? 가장 맨 아래줄이 이 관계를 나타내는거 아시겠죠?

보시면 p값도 .0000으로 .05보다 낮고, 바로 오른쪽에 LLCI와 ULCI도 0을 포함하지 않고 있어요.

​

이건 또 무슨말이게요?

LLCI는 lower level confidence interval인가 그렇고 ULCI는 upper level confidence interval 이예요 (아마도..)

즉, 95%의 신뢰도 구간에서 X가 M에 낮게는 -.06, 높게는 -.04 만큼의 영향을 미친대요.

결론만 말하자면, 이 두 값 사이에 0이 포함되지 않으면 유의하게 영향을 미치는구나~ 생각하면 돼요.

​

outcome variable: FinalGPA (종속변수)

더 아래로 내려가볼게요.

이번엔 outcome variable이 FinalGPA고 독립변수들이 X와 M 변수들이네요.

X 는 유의하고, M은 유의하지 않네요. Exam1_Gr의 LLCI 와 ULCI 사이에 0이 포함 안되는거 보이죠? 근데 AffReg_E의 LLCI와 ULCI 사이는 0을 포함해요. 따라서 유의하지 않아요.

​

총/직접/간접 효과

자 더 아래로..

총 효과(total effect)가 나오네요. Options에서 총 효과를 보여달라고 했었죠!

총 효과는 직접 효과(direct effect) + 간접효과(indirect effect)예요.

직접 효과는 X -> M, M -> Y 이렇게 직접적으로 주는 효과를 말하고,

간접 효과는 X -> (M) -> Y 이렇게 뭔가를 통해서 효과를 주는걸 말해요.

X -> M -> Y 이 모델에서 가능한 직접효과는 X -> M, M -> Y, X -> Y

간접효과는 X -> (M) -> Y

총 4개의 경로가 존재해요. 이 중에서 Total effect of X on Y 는 X 가 Y에 미치는 총 효과를 의미해요.

따라서 X -> Y 직접효과 + X -> (M) -> Y 간접효과가 이 총 효과가 되겠죠.

Direct effect of X on Y 가 이 직접효과고 Indirect effect of X on Y가 이 간접효과예요.

​

매개 분석 결과

자, 그럼 이제 매개 분석 결과는 어떻게 된걸까요?

후회 라는 매개변수는 매개 역할을 했을까요?

​

놉. 후회는 중간고사 성적과 최종 성적 사이를 매개하지 못했어요. 이걸 어디서 알 수 있죠?

간접 효과가 바로 매개 효과를 의미해요. 간접적으로 효과가 있다는 건 뭔가를 거쳐서 효과가 있다는 거잖아요? 따라서 두 개는 같은거예요. Indirect effect of X on Y를 보면 AffReg을 통해서 X가 Y에 미치는 영향이 .0000이고 BootLLCI 와 BootULCI가 0을 포함하는거 보이나요? 0을 포함하기 때문에 유의하지 않다고 말할 수 있어요.

​

여기까지가 매개 변수 1개인 경우의 매개 분석이였어요.

​

매개 변수가 더 많다면?!

​X -> M1 -> M2 -> Y

이런걸 Serial mediation이라고 하는데, 이건 모델 번호 6번으로 분석해야 해요.

​

이런 모델이 아니라 만약

X -> M1 -> Y

X -> M2 -> Y

즉, 매개 변수들끼리는 영향 관계가 없고 단순히 X와 Y 사이에서만 매개 역할을 하는 경우, 이런 모델을 parallel mediation이라고 하고, 이런 경우는 매개 변수가 1개인 경우와 동일하게 모델 번호 4번으로 분석하면 돼요. 

​

위에 매개 변수가 하나인 경우의 결과값이 이해가 된다면 여러 개의 경우에도 이해가 쉬울거예요.

​

다음 포스팅에서는 syntax를 통한 매개분석을 해볼게요.

열논문!

 

 

​도움이 됐다면 커피 한 잔 사주시면 감사하겠습니다^^

EPIK is 어려운 지식을 가능한 한 쉽게 공유하는 곳이예요 :)