종속변수가 ‘예/아니오’라면 어떤 분석을 해야 할까요?

10월 1, 2026
-

연구를 진행하다 보면

종속변수가 점수나 평균값이 아니라

‘예/아니오’처럼 두 가지 범주로

구성되는 경우가 있습니다.

예를 들어

“제품을 구매하셨습니까?”

“취업 경험이 있습니까?”

처럼 결과가 두 가지 중 하나로

나타나는 경우입니다.

이때 일반적인 회귀분석을 그대로 적용해도 될지

고민될 수 있습니다.

그렇다면

종속변수가 ‘예/아니오’라면

어떤 분석을 사용해야 할까요?

오늘은 이처럼 이분형 종속변수를

분석할 때 고려해야 할 방법을 알아보겠습니다.

1️⃣ 먼저 종속변수가 어떤 형태인지 확인합니다

‘예/아니오’처럼

결과가 두 가지 범주로 나뉘는 변수를

이분형 변수(Binary Variable)라고 합니다.

예를 들어

예 = 1

아니오 = 0

처럼 코딩할 수 있습니다.

중요한 점은

0과 1로 코딩했다고 해서

연속형 변수로 바뀌는 것은 아니라는 것입니다.

2️⃣ 두 집단의 비율을 비교한다면 카이제곱 검정을 고려합니다

예를 들어

성별에 따라

‘제품 구매 경험이 있는지’를

비교하고 싶다고 해보겠습니다.

성별과 구매 경험 모두 범주형 변수라면

카이제곱 검정(Chi-square test)을 활용해

두 변수 사이에 관련성이 있는지

확인할 수 있습니다.

이 경우에는

평균의 차이가 아니라

각 범주에 속한 빈도와 비율의 차이를

확인하게 됩니다.

3️⃣ 여러 변수가 ‘예/아니오’ 결과에 영향을 미치는지 본다면 로지스틱 회귀분석을 사용합니다

예를 들어

취업 여부가

성별, 경력, 학력, 만족도 등에 따라

달라지는지를 확인하고 싶다면

이항 로지스틱 회귀분석(Binary Logistic Regression)을

고려할 수 있습니다.

로지스틱 회귀분석은

종속변수가 0과 1처럼

두 가지 범주로 이루어진 경우

독립변수가 결과에 미치는 관계를

분석하는 방법입니다.

4️⃣ 연속형 종속변수와 같은 방식으로 분석하지 않습니다

종속변수가 ‘예/아니오’인데

이를 단순히 0과 1로 코딩한 뒤

일반적인 선형회귀분석을 적용하는 것은

주의가 필요합니다.

이분형 결과변수는

일반적인 연속형 변수와

자료의 특성이 다르기 때문입니다.

따라서 연구목적과 변수의 형태에 맞는

분석방법을 선택해야 합니다.

5️⃣ 연구목적에 따라 분석방법이 달라집니다

같은 ‘예/아니오’ 변수라도

무엇을 확인하려는지에 따라

분석방법이 달라질 수 있습니다.

예를 들어

✔ 두 범주형 변수의 관련성 확인 → 카이제곱 검정

✔ 여러 변수가 이분형 결과에 미치는 영향 확인 → 이항 로지스틱 회귀분석

✔ 특정 집단의 비율이나 분포 확인 → 빈도분석

처럼 구분해서 생각할 수 있습니다.

🔥 핵심 정리

종속변수가 ‘예/아니오’라고 해서

하나의 분석방법만 정해지는 것은 아닙니다.

연구에서 무엇을 확인하려는지에 따라

분석방법이 달라집니다.

✔ 빈도와 비율 확인 → 빈도분석

✔ 두 범주형 변수의 관련성 확인 → 카이제곱 검정

✔ 여러 독립변수가 이분형 결과에 미치는 영향 확인 → 이항 로지스틱 회귀분석

✔ 일반적인 선형회귀분석을 그대로 적용할 때는 주의

📌 이렇게 보면 됩니다

종속변수 형태 확인
↓
‘예/아니오’로 구성된 이분형 변수
↓
무엇을 확인할지 결정
↓
빈도·비율 → 빈도분석

두 변수의 관련성 → 카이제곱 검정
영향 관계 → 이항 로지스틱 회귀분석

👀 많이 틀리는 포인트

❌ 예=1, 아니오=0으로 코딩하면 연속형 변수가 된다고 생각하기

❌ ‘예/아니오’ 변수에 무조건 선형회귀분석 사용하기

❌ 연구목적을 확인하지 않고 분석방법부터 선택하기

❌ 카이제곱 검정과 로지스틱 회귀분석을 같은 분석이라고 생각하기

❌ p값만 확인하고 실제 효과의 크기나 방향을 확인하지 않기