매개효과·조절효과 분석 완전 가이드 2026: Baron & Kenny부터 PROCESS 매크로·부트스트랩까지
매개변수(M)는 독립변수 X와 종속변수 Y 사이에서 효과를 전달하는 경로 위에 놓인다. 조절변수(W)는 X→Y 관계의 기울기 자체를 달리 만든다. 매개효과·조절효과를 정확히 구분하고 부트스트랩(Bootstrap)으로 검증하는 것은 사회과학 양적 연구에서 인과 메커니즘과 경계 조건을 밝히는 핵심 분석이다. 심리학·경영학·교육학·사회복지학 등 사회과학 대학원 논문에서 빠지지 않고 등장하지만, Baron & Kenny의 단계적 방법과 Hayes PROCESS 매크로의 접근을 혼동하거나 모형 번호를 잘못 선택하는 오류가 여전히 반복된다.
이 가이드는 매개(Mediation)와 조절(Moderation)의 개념 구분에서 출발해, Baron & Kenny(1986) 인과적 단계법의 원리와 한계, Sobel 검정의 문제점, Hayes PROCESS 매크로의 주요 모형 번호(Model 4, 1, 7, 14), 부트스트랩 신뢰구간 해석, 그리고 APA 스타일 결과 보고법까지 방법론적으로 정확하게 다룬다.
매개효과는 X→M→Y의 간접 경로를, 조절효과는 X→Y 관계의 강도를 W가 달라지게 만드는 상호작용을 검증한다. 현재 국제 방법론 표준은 Baron & Kenny의 인과적 단계법보다 Hayes PROCESS 매크로의 부트스트랩 신뢰구간을 사용해 간접효과를 추정하는 방식을 권장한다. 매개는 Model 4, 조절은 Model 1, 조절된 매개는 Model 7 또는 Model 14를 선택한다.
매개효과와 조절효과의 개념 구분
두 개념을 혼동하면 연구 모형 자체가 무너진다. 아래 비교표로 핵심 차이를 먼저 확인하자.
| 구분 | 매개효과 (Mediation) | 조절효과 (Moderation) |
|---|---|---|
| 핵심 질문 | X는 어떻게 Y에 영향을 주는가? | X→Y 관계는 언제 더 강(약)한가? |
| 제3변수 역할 | 경로 위의 매개변수 M | 관계 강도를 바꾸는 조절변수 W |
| 경로 구조 | X → M → Y (간접효과 a×b) | X×W → Y (상호작용 항) |
| 대표 PROCESS 모형 | Model 4 | Model 1 |
| 연구 예시 | 직무 스트레스(X) → 소진(M) → 이직 의도(Y) | 직무 스트레스(X) → 이직 의도(Y); 사회적 지지(W)가 이 관계를 완충 |
매개변수(M)는 X와 Y 사이의 경로 위에 놓여 있다. X가 M을 변화시키고, 바뀐 M이 Y를 변화시키는 구조다. 반면 조절변수(W)는 X→Y 관계의 기울기 자체를 달리 만든다. W가 높을 때와 낮을 때 X의 영향력이 다르게 나타난다. 두 기제를 하나의 모형에 포함시키면 조절된 매개(Moderated Mediation)가 되며, 이는 뒤에서 별도로 다룬다.
연구 설계 단계에서 매개와 조절을 구분하는 것은 가설 수립의 출발점이기도 하다. 연구 가설 설정 완전 가이드 2026에서 영가설·대립가설과 통계 검정을 연결하는 방법을 함께 참고하면 모형 설정의 논리를 체계화할 수 있다.
Baron & Kenny 인과적 단계법 4조건
Baron과 Kenny(1986)의 인과적 단계법(Causal Steps Approach)은 세 개의 회귀 방정식으로 매개를 검증한다. 완전 매개가 성립하려면 아래 네 가지 조건이 모두 충족되어야 한다고 보았다.
- 조건 1 — 총효과(c 경로): 매개변수 없이 X → Y 경로가 유의해야 한다. X가 Y에 직접 영향을 미침을 먼저 확인한다.
- 조건 2 — a 경로: X → M 경로가 유의해야 한다. X가 매개변수 M을 실질적으로 변화시켜야 한다.
- 조건 3 — b 경로: X를 통제한 상태에서 M → Y 경로가 유의해야 한다.
- 조건 4 — 직접효과(c’ 경로): X와 M을 동시에 투입했을 때 X → Y의 직접효과(c’)가 0으로 감소하면 완전 매개, 감소하지만 여전히 유의하면 부분 매개로 판단한다.
각 단계를 단순 회귀 방정식으로 구현하면 다음과 같다.
방정식 2 (a 경로): M = i₂ + aX
방정식 3 (b 경로 + 직접효과): Y = i₃ + c′X + bM
간접효과는 a×b로 계산되며, 총효과 c = 직접효과 c’ + 간접효과 a×b 관계가 성립한다.
Baron & Kenny의 한계와 Sobel 검정의 문제
Baron & Kenny 접근은 개념적 명료성을 제공했지만, 방법론적 비판도 상당히 축적되었다.
조건 1 필요성 논쟁
총효과 c가 0이거나 유의하지 않더라도 양(+)의 간접효과와 음(−)의 간접효과가 서로 상쇄되는 억제 효과(Suppression Effect)가 작동할 경우, 실질적인 매개 경로가 존재할 수 있다. Hayes & Preacher 등 여러 방법론 연구자들은 조건 1을 필요 조건으로 설정하는 것이 과도하게 엄격하다고 지적했다. 실제로 현재의 방법론 교재와 학술지 심사 기준은 조건 1의 충족 여부에 관계없이 부트스트랩 기반 간접효과 검증을 요구하는 방향으로 이동했다.
Sobel 검정의 한계
Sobel(1982)은 간접효과 a×b의 표준오차를 아래 공식으로 산출해 z값으로 유의성을 판단했다.
z = (a × b) / SEa×b
이 공식은 a×b의 표집 분포가 정규 분포를 따른다고 가정한다. 그러나 실제로 간접효과의 표집 분포는 비대칭이며, 특히 소표본 상황에서 정규성 가정이 성립하지 않아 검정력이 낮고 1종 오류율이 왜곡된다. 이러한 이유로 현재 주요 사회과학 학술지는 Sobel 검정만으로 매개를 보고하는 것을 불충분하다고 판단하며, 부트스트랩 신뢰구간을 필수 보고 사항으로 요구한다.
Hayes PROCESS 매크로: 원리와 설치
Andrew F. Hayes가 개발한 PROCESS 매크로는 SPSS·SAS·R 환경에서 매개·조절·조절된 매개 분석을 비모수적 부트스트랩으로 수행하는 무료 도구다. 부트스트랩은 원자료에서 무작위 복원추출(일반적으로 5,000회)을 반복해 간접효과의 경험적 표집 분포를 직접 구성한다. 이 방식은 정규성 가정 없이 신뢰구간을 구성할 수 있어 소표본에서도 비교적 안정적인 추정값을 제공한다.
SPSS 설치 절차
- processmacro.org에서 최신 버전(v4.x) SPSS용 파일을 다운로드한다.
- SPSS에서
파일 → 스크립트 실행으로PROCESS v4.x.sps를 실행해 설치한다. - 설치 후
분석 → 회귀분석 → PROCESS v4.x메뉴가 활성화된다. - 다이얼로그 창에서 모형 번호를 입력하고 X, Y, M(또는 W) 변수를 지정한다.
- 부트스트랩 반복 횟수를 5,000 이상으로 설정한다(기본값이 1,000인 경우 반드시 변경).
R 환경에서는 source("process.R")로 함수를 불러온 후 process(data=df, y="Y", x="X", m="M", model=4, boot=5000) 형식으로 호출한다. 구조방정식 모형(SEM) 기반 접근이 필요하다면 lavaan 패키지를 활용한다.
양적 연구 전반의 통계 기법 선택 기준에 대해서는 양적 연구 방법 완전 가이드 2026에서 회귀분석·분산분석·구조방정식을 포함한 포괄적인 비교를 확인할 수 있다.
주요 모형 번호 선택 가이드
PROCESS 매크로는 90개 이상의 사전 정의된 모형(Template)을 제공한다. 모형 번호는 반드시 이론에 근거해 사전 지정해야 하며, 결과를 보고 탐색적으로 고르는 것은 p-hacking에 해당한다.
| 모형 번호 | 분석 유형 | 구조 | 사용 조건 |
|---|---|---|---|
| Model 1 | 단순 조절 | X×W → Y | W가 X→Y 관계의 강도를 달리 만들 때 |
| Model 4 | 단순 매개 | X → M → Y | 단일 매개변수 M을 통한 간접효과 검증 |
| Model 6 | 직렬 매개 | X → M1 → M2 → Y | 두 매개변수가 이론적 순서를 갖고 연결될 때 |
| Model 7 | 제1유형 조절된 매개 | X×W → M → Y | W가 X→M 경로(a 경로)를 조절할 때 |
| Model 14 | 제2유형 조절된 매개 | X → M; M×W → Y | W가 M→Y 경로(b 경로)를 조절할 때 |
| Model 59 | 이중 조절된 매개 | X×W→M; M×V→Y | a 경로와 b 경로 모두를 다른 조절변수가 조절할 때 |
모형 번호는 선행 연구와 이론적 근거에 따라 연구 계획 단계에서 사전 등록(Pre-registration)하는 것이 방법론적으로 바람직하다. 복수의 모형을 실행해보고 유의한 것만 보고하면 탐색적 연구를 확인적(Confirmatory) 연구로 위장하는 문제가 발생한다.
부트스트랩 신뢰구간 해석
PROCESS 매크로 출력에는 간접효과(a×b)에 대해 두 종류의 신뢰구간이 제시된다.
- PCT CI (Percentile Confidence Interval): 부트스트랩 표집 분포에서 직접 백분위수로 산출한 신뢰구간. 가장 기본적인 방식이다.
- BCCI (Bias-Corrected CI) 또는 BCACI (Bias-Corrected and Accelerated CI): 편향과 분포 왜도를 보정한 신뢰구간. 방법론 문헌에서 더 정확하다고 평가되며, 논문 보고에 권장된다.
해석 기준은 단순하다. 95% 신뢰구간에 0이 포함되지 않으면 간접효과가 유의하다고 판단한다(α = .05). 예를 들어 95% BCACI [.09, .30]이면 간접효과가 유의하고, [−.04, .26]이면 0이 포함되어 유의하지 않다. 전통적인 p값 보고 방식은 점추정치와 신뢰구간으로 대체하는 것이 현재 APA 7판의 권장 방향이다.
PROCESS SPSS 버전의 기본 부트스트랩 횟수는 1,000회로 설정되어 있다. 학술지 투고 논문에서는 반드시 5,000회 이상으로 변경하고 결과 섹션에 이 값을 명시해야 한다. 일부 심사자는 10,000회를 요구하는 경우도 있다.
조절된 매개: Model 7과 Model 14
조절된 매개(Moderated Mediation)는 매개효과의 크기 자체가 조절변수 W의 수준에 따라 달라지는 구조다. “어떤 조건에서 M을 통한 간접효과가 더 크게 나타나는가?”라는 질문에 답한다.
Model 7: a 경로 조절
W가 X→M 경로(a 경로)를 조절한다. X와 W의 상호작용이 M을 예측하는 방정식에 포함된다.
방정식 2: Y = i₂ + c′X + bM
조건부 간접효과: (a₁ + a₃W) × b
W의 세 수준(평균 −1SD, 평균, 평균 +1SD)에서 조건부 간접효과와 각각의 95% BCACI를 보고한다. 연속형 조절변수의 경우 Johnson-Neyman 분석으로 간접효과가 유의해지는 W의 임계 범위를 시각화할 수 있다.
Model 14: b 경로 조절
W가 M→Y 경로(b 경로)를 조절한다. 매개변수의 효과가 W의 수준에 따라 달라진다.
방정식 2: Y = i₂ + c′X + b₁M + b₂W + b₃MW
조건부 간접효과: a × (b₁ + b₃W)
두 모형 모두 조건부 간접효과(Conditional Indirect Effect)의 95% BCACI에 0이 포함되지 않아야 해당 수준에서 매개효과가 유의하다고 결론 짓는다. 연구방법론 완전 가이드 2026에서 조절된 매개를 포함한 복합 연구 설계의 전반적인 틀을 확인할 수 있다.
지수 색인: 조절된 매개 지수(Index of Moderated Mediation)
Hayes(2015)가 제안한 조절된 매개 지수(Index of Moderated Mediation)는 조건부 간접효과가 W에 따라 변화하는 정도를 단일 값으로 요약한다. 이 지수의 부트스트랩 신뢰구간에 0이 포함되지 않으면, 조절된 매개가 유의한 것으로 판단한다. PROCESS 출력에서 “Index of moderated mediation” 행을 확인하면 된다.
APA 스타일 결과 보고법
APA 7판 기준에 따라 매개·조절 분석 결과를 보고할 때는 아래 요소를 반드시 포함해야 한다.
매개 분석 (Model 4) 보고 예시
부트스트랩 기반 분석(5,000회 반복) 결과, 직무 스트레스가 직무만족을 경유하여 이직 의도에 미치는 간접효과는 유의하였다(간접효과 = .18, 95% BCACI [.09, .30]). 직무 스트레스가 직무만족에 미치는 효과는 β = −.42, p < .001이었으며, 직무만족이 이직 의도에 미치는 효과는 β = −.38, p < .001이었다. 직무 스트레스의 이직 의도에 대한 직접효과는 유의하지 않았다(β = .11, 95% BCACI [−.04, .26]).
조절 분석 (Model 1) 보고 체크리스트
- 상호작용 항(X×W) 투입 후 ΔR²과 유의도를 보고한다.
- 단순 기울기 분석(Simple Slope Analysis): W의 세 수준(−1SD, M, +1SD)에서 X→Y 기울기와 표준오차, 유의도를 각각 보고한다.
- 연속형 조절변수는 평균 중심화(Mean Centering) 실시 여부를 명시한다.
- 상호작용 플롯(Interaction Plot)을 그림으로 제시한다.
결과표 구성 원칙
매개 분석 결과표는 보통 각 경로(a, b, c, c′)의 비표준화 계수(B), 표준오차(SE), 표준화 계수(β), 95% CI를 열로 구성한다. 간접효과는 별도 행 또는 표 하단 주석에 부트스트랩 CI와 함께 제시한다. 측정 변수의 신뢰도와 타당도를 사전에 점검해야 결과 해석의 신뢰성이 담보된다. 신뢰도와 타당도 완전 가이드 2026에서 Cronbach’s α, 수렴 타당도, 판별 타당도 점검 방법을 확인하기 바란다.
자주 묻는 질문 (FAQ)
Baron & Kenny 방법을 지금도 써도 되나요?
개념 설명과 보조적 기술로는 여전히 유효합니다. 그러나 간접효과의 통계적 유의성은 PROCESS 매크로의 부트스트랩 신뢰구간으로 보고하는 것이 현재 국제 표준입니다. 상당수 SSCI·KCI 학술지 심사자가 Baron & Kenny만으로는 매개 검증이 불충분하다고 지적합니다.
PROCESS Model 4와 구조방정식(SEM) 기반 매개 분석의 차이는?
Model 4는 관찰변수 수준에서 OLS 회귀로 간접효과를 추정하며 측정오차가 추정에 포함됩니다. SEM은 잠재변수를 통해 측정오차를 분리해 보다 정교한 모형을 다룰 수 있습니다. 측정 문항이 충분하고 표본이 클 때(일반적으로 N ≥ 200)는 lavaan이나 Mplus를 이용한 SEM 기반 매개 분석이 더 정확한 추정값을 제공합니다.
조절변수는 반드시 연속형이어야 하나요?
아닙니다. 성별이나 집단처럼 이분형(0/1) 변수도 조절변수로 사용할 수 있습니다. 이 경우 상호작용 항 X×W는 X와 더미 변수의 곱이 됩니다. 3개 이상 범주는 더미 코딩 후 복수의 상호작용 항을 투입합니다. 연속형 조절변수는 다중공선성 문제를 줄이기 위해 평균 중심화(Mean Centering)를 먼저 실시합니다.
매개 분석에서 요구되는 최소 표본 크기는?
부트스트랩 기반 매개 분석은 소표본에서도 상대적으로 강인하지만, N이 50 미만이면 신뢰구간이 매우 넓어져 해석력이 약해집니다. 단순 매개(Model 4) 기준으로 N = 100 이상, 조절된 매개처럼 복잡한 모형에서는 N = 200 이상을 권장하는 것이 일반적입니다. 연구 설계 단계에서 통계적 검정력 분석(Power Analysis)으로 최소 표본 크기를 사전 산출하는 것이 모범 사례입니다.
완전 매개와 부분 매개 중 어느 것이 더 바람직한가요?
연구 이론에 따라 다릅니다. 완전 매개는 X가 오직 M을 통해서만 Y에 영향을 준다는 강력한 이론적 주장입니다. 부분 매개는 M 외에 아직 설명되지 않은 다른 경로가 존재함을 시사합니다. 어느 쪽이 우월하다고 할 수 없으며, 연구 문제와 이론이 예측하는 방향과 결과가 일치하는지가 핵심입니다.
매개효과·조절효과 분석 결과를 논문에서 어떻게 시각화해야 하나요?
매개 분석은 경로도(Path Diagram)에 각 경로의 표준화 계수와 신뢰구간을 함께 표시합니다. 조절 분석은 상호작용 플롯에서 W의 세 수준별 회귀선을 그려 기울기 차이를 시각화합니다. 조절된 매개는 W 수준별 조건부 간접효과와 95% BCACI를 막대그래프 또는 선그래프로 나타냅니다. 모든 그림에는 범례, 축 레이블, 오차막대(Error Bar)를 포함해야 합니다.