연구를 하다 보면 가장 당황스러운 순간이 있습니다.
가설을 세워 분석을 했는데,
유의하지 않음.
p > .05.
이때 많은 대학원생이 같은 고민을 합니다.
“이거 망한 거 아니야…?”
“논문으로 쓸 수 있나…?”
결론부터 말하면,
유의하지 않은 결과는 실패가 아닙니다.
문제는 ‘결과’가 아니라 ‘해석’입니다.
1️⃣ 유의하지 않다는 건 “효과가 없다”는 뜻이 아니다
p값이 .05를 넘었다는 건
“통계적으로 차이를 확인하지 못했다”는 뜻이지,
“절대 효과가 없다”는 선언이 아닙니다.
가능성은 여러 가지입니다.
- 표본 수가 부족했을 수 있음
- 효과크기가 작았을 수 있음
- 측정도구가 불안정했을 수 있음
- 이론 자체가 현실과 다를 수 있음
이걸 구분하지 않으면
논문이 아니라 변명이 됩니다.
2️⃣ 먼저 확인해야 할 4가지
결과가 유의하지 않았다면,
바로 다음을 점검하세요.
✔ 효과크기(effect size)
p값이 아니라 효과크기를 봤나요?
작지만 일관된 효과가 존재할 수 있습니다.
✔ 검정력(power)
G*Power로 사전 계산했나요?
표본 수가 충분했는지 확인해야 합니다.
✔ 신뢰도
Cronbach’s α가 낮다면
애초에 측정이 흔들렸을 가능성이 큽니다.
✔ 가설 방향
이론적 근거가 충분했나요?
억지 가설이었다면 결과가 안 나오는 게 정상입니다.
3️⃣ 논문에서는 이렇게 씁니다
❌ “가설이 기각되었다.”
이렇게만 쓰면 끝입니다.
하지만 좋은 논문은 이렇게 씁니다.
“통계적으로 유의한 효과는 확인되지 않았으나,
이는 표본 규모 및 효과크기의 제한과 관련될 가능성이 있다.
후속 연구에서는 확장된 표본을 통해 재검증이 필요하다.”
핵심은
원인 분석 + 후속 연구 제안입니다.
4️⃣ 사실, 유의하지 않은 결과가 더 의미 있을 때도 있다
이론적으로 “당연히 영향 있을 것”이라던 변수가
아무 영향이 없다는 결과가 나왔다면?
그건 오히려
기존 이론에 대한 문제 제기일 수 있습니다.
좋은 연구는
항상 ‘유의한 결과’를 만드는 연구가 아니라,
현상을 정확하게 보여주는 연구입니다.
5️⃣ 기억해야 할 한 문장
논문은
“좋은 결과”를 보여주는 글이 아니라,
“데이터를 정직하게 해석하는 글”입니다.
결과가 기대와 달랐다면,
그건 실패가 아니라
연구가 한 단계 깊어진 순간입니다.
