논문을 처음 쓰기 시작하면
어느 순간 p값에 집착하게 됩니다.
- p < .05 나왔는지
- 유의한지
- 가설이 채택됐는지
분석 결과를 열자마자
제일 먼저 확인하는 것도 보통 이 부분입니다.
그리고 유의하지 않으면
“망했다…”라고 생각하기도 합니다.
그런데 의외로 교수님들은
다른 걸 먼저 보는 경우가 많습니다.
1️⃣ 유의성은 결과의 ‘합격 표시’가 아닙니다
많이 하는 오해입니다.
👉 p < .05 = 좋은 연구 ⭕
👉 p > .05 = 나쁜 연구 ❌
실제로는 그렇지 않습니다.
유의성은
👉 “우연일 가능성이 얼마나 낮은가”를 보여주는 지표일 뿐입니다.
즉, 결과의 의미를 설명해주지는 않습니다
2️⃣ p값은 알려주지 않는 것들이 있습니다
예를 들어
두 변수의 관계가 유의하게 나왔다고 해도
우리는 아직 모릅니다.
- 영향이 큰지
- 실제로 중요한지
- 현실적으로 의미 있는지
즉,
👉 유의하다 ≠ 중요하다
3️⃣ 의외로 더 중요한 것: 효과 크기
생각보다 많이 놓치는 부분입니다.
예를 들어
표본이 2,000명이라면
아주 작은 차이도
👉 p < .05가 나올 수 있습니다.
하지만
실제 영향력은 거의 없을 수도 있습니다.
그래서 보는 것이
👉 효과크기(effect size)입니다.
✔️ 쉽게 말하면
유의성 = “있다”
효과크기 = “얼마나 크다”
둘은 다른 이야기입니다.
4️⃣ 결과보다 더 중요한 건 해석입니다
같은 결과를 보고도
논문 수준이 달라지는 이유가 여기 있습니다.
예를 들어
❌
“유의하게 나타났다.”
끝.
⭕
“유의하게 나타났으며, 이는 ○○ 상황에서 해당 변수의 중요성을 보여주는 결과로 해석될 수 있다.”
👉 의미 설명
👉 맥락 연결
👉 시사점 도출
교수님들이 보는 건 보통 이 부분입니다.
5️⃣ 가설이 채택됐다고 끝나는 건 아닙니다
많은 분들이
가설 채택 = 성공
가설 기각 = 실패라고 생각합니다.
하지만 실제 논문은
👉 채택 이후가 더 중요합니다
왜 그런 결과가 나왔는지
어떤 의미가 있는지
기존 연구와 어떻게 연결되는지
설명해야 합니다.
6️⃣ 유의하지 않아도 좋은 논문은 많습니다
이 부분은 의외로 중요합니다.
실제 학술지 논문들 중에도
👉 가설 일부 기각
👉 유의성 없음
이런 결과가 생각보다 많습니다.
왜냐하면
연구는 정답 찾기가 아니라
현상을 이해하는 과정이기 때문입니다.
7️⃣ 결국 교수님들이 보는 건 이것입니다
분석 결과보다
👉 결과를 이해하고 있는지
👉 설명할 수 있는지
👉 논리적으로 연결하는지를 더 봅니다.
그래서
p값만 이야기하는 논문보다
결과를 해석하는 논문이
더 좋은 평가를 받는 경우가 많습니다.
🔥 핵심 정리
논문에서 중요한 건 하나입니다.
👉 “유의했느냐”가 아니라
👉 “그 결과를 얼마나 이해하고 설명했느냐”
📌 이런 논문이 더 좋은 평가를 받습니다
✔ 유의성만 나열하지 않음
✔ 결과의 의미 설명
✔ 현실 맥락 연결
✔ 기존 연구와 비교
✔ 시사점 제시
👀 많이 틀리는 포인트
p값만 보기 ❌
가설 채택에만 집중 ❌
효과크기 무시 ❌
결과 해석 생략 ❌
👉 다 아쉬운 논문으로 이어질 수 있음
