K-GRAD 꿀팁

논문을 쓰다 보면 이런 상황이 나옵니다. 숫자 차이는 0.002뿐인데논문에서는 “채택”과 “기각”으로 나뉩니다. 이게 정말 그렇게 큰 차이일까요? 결론부터 말씀드리면,통계적으로는 기준이 있지만, 실질적으로는 거의 차이가 없습니다. 1️⃣ p값은 연속적인 값입니다 p값은 0과 1 사이의 연속적인 확률 값입니다.0.049와 0.051 사이에는 본질적인 단절이 존재하지 않습니다. 0.049는 “맞고”0.051은 “틀렸다”는 식의 구분은사실상 연구 관행에서 정한 기준선(α = .05)...

— p값만 보면 놓치는 것들 논문 결과를 해석할 때 많은 분들이 p값만 확인합니다. p < .05인지, 아닌지.유의한지, 아닌지. 하지만 p값만으로는결과의 정확한 의미를 충분히 이해할 수 없습니다. 이때 반드시 함께 봐야 할 것이신뢰구간(Confidence Interval, CI)입니다. 1️⃣ 신뢰구간은 ‘가능한 범위’를 보여줍니다 예를 들어, 회귀계수가 다음과 같이 나왔다고 가정해보겠습니다. β = .3095% 신뢰구간: [.05, .55] 이...

논문에서 이런 경험을 하신 적이 있으실 겁니다. “표본도 200명 넘게 모았고, 분석도 정상적으로 돌렸는데결과가 생각보다 애매하다.” 유의하지 않거나,설명력이 너무 낮거나,방향이 예상과 다르게 나오는 경우입니다. 이럴 때 많은 분들이 표본 수를 의심합니다.하지만 표본 수가 충분한데도 결과가 흔들리는 데에는다른 이유가 있는 경우가 많습니다. 1️⃣ 표본 수는 ‘양’이고, 데이터 품질은 ‘질’입니다 표본이 많다고 해서데이터가 좋은 것은...

— 통계를 몰라서가 아닙니다 논문을 쓰다 보면 어느 순간 멈춰 서게 됩니다. 분석은 돌렸는데 글이 안 써지고,결과는 나왔는데 해석이 막히고,교수님께 보여드리기 전부터 스스로 확신이 없습니다. 많은 분들이 이때 이렇게 생각합니다. “내가 통계를 잘 몰라서 그런가?” 하지만 실제로 논문이 막히는 이유는통계 기법 부족 때문이 아닌 경우가 훨씬 많습니다. 1️⃣ 연구 질문이 흐릿하면 분석도 흐릿해집니다...

조절효과 분석을 돌릴 때마다 이런 생각이 들 수 있습니다. “주효과는 나오는데, 왜 상호작용항은 유의하지 않을까?” 조절효과는 원래 잘 나오지 않는 분석입니다.그 이유에는 구조적인 원인이 있습니다. 1️⃣ 상호작용항은 원래 ‘작은 효과’입니다 조절효과는X → Y 관계가 상황에 따라 달라지는지를 보는 분석입니다. 즉,이미 존재하는 효과의 ‘차이’를 다시 한 번 보는 것입니다. 따라서 효과크기가 작게 나오는 경우가...

논문을 진행하다 보면 한 번쯤 이런 순간을 겪게 됩니다. 이론도 충분히 검토했고,선행연구도 많이 읽었고,가설도 논리적으로 세웠다고 생각했는데 분석 결과는 기각. 이때 많은 분들이 연구 자체가 잘못된 것은 아닐지 불안해합니다.하지만 가설 기각에는 비교적 분명한 이유들이 존재합니다. 1️⃣ 이론이 아니라 ‘측정’이 문제일 수 있습니다 가설이 기각되는 가장 흔한 이유는이론이 틀려서가 아니라 측정이 정확하지 않아서입니다. 예를...

논문 심사에서 이런 코멘트 많이 받습니다. “통계적으로 유의하나 효과의 크기는 크지 않음”“효과크기 해석이 부족함” p값은 챙겼는데,효과크기는 그냥 표에 있는 숫자로만 지나친 경우가 대부분입니다. 그런데 솔직히 말하면,논문 수준을 가르는 건 p값이 아니라 효과크기입니다. 1️⃣ p값은 ‘있다/없다’ 효과크기는 ‘얼마나 큰가’ p < .05 → 차이가 존재할 가능성이 높다하지만 효과크기 → 그 차이가 실질적으로 의미 있는가...

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...

설문 받는 게 제일 힘들 줄 알았는데,막상 끝나고 나면 더 막막해집니다. 엑셀 파일 하나 덩그러니 있고이걸 가지고 뭘 해야 할지 모르겠는 그 상태. 사실 대부분 여기서부터 데이터가 망가지기 시작합니다. ① 제일 먼저 해야 할 것 (분석 아님) 분석부터 하면 안 됩니다. 먼저 해야 할 일은 이것입니다. ✔ 불성실 응답 제거 이걸 안 하고...

① 논문에서 통계가 이상하게 나오는 이유 논문에서 통계가 이상하게 나오는 이유,표본 때문이 아니라 문항 때문인 경우가 훨씬 많습니다. 설문을 많이 받는다고 좋은 데이터가 아닙니다.‘덜 틀린 문항’을 만드는 게 먼저입니다. ② 한 문항에 질문 두 개 넣는 실수 이 문항은 응답자가 판단할 수 없습니다. 응답자는 억지로 하나를 고르게 됩니다.→ 데이터 왜곡 시작 ✔ 이렇게...