SPSS로 통계분석을 하다 보면 유독 눈에 들어오는 숫자가 있습니다.
바로 p값(p-value)입니다.
결과표를 열자마자
p = .032
p = .008
같은 값이 보이면 안심하고,
반대로
p = .061
p = .124
처럼 .05를 넘어가면 순간 당황하기도 합니다.
“가설이 잘못된 건가?”
“논문 결과가 안 나온 건가?”
하지만 p값이 .05보다 작다고 좋은 연구이고, 크다고 실패한 연구인 것은 아닙니다.
1. p값은 무엇을 의미할까?
논문에서는 흔히 p < .05를 기준으로 통계적 유의성을 판단합니다.
그런데 여기서 가장 흔한 오해가 있습니다.
p = .03이라는 결과를
“내 가설이 97% 확률로 맞다는 뜻”
으로 해석하면 안 됩니다.
조금 더 정확하게 말하면,
귀무가설이 맞다고 가정했을 때 현재 관찰된 결과와 같거나 더 극단적인 결과가 나타날 확률이 p값입니다.
처음에는 조금 어렵게 느껴질 수 있지만,
p값은 ‘내 가설이 맞을 확률’을 보여주는 숫자가 아니라는 점만 기억해도 큰 도움이 됩니다.
2. 왜 하필 .05일까?
많은 논문에서
p < .05이면 ‘유의하다’고 표현합니다.
그래서 .05가 마치 절대적인 합격선처럼 느껴질 수 있습니다.
하지만 .05는 연구에서 널리 사용되는 관행적인 유의수준 기준입니다.
예를 들어
p = .049와 p = .051은 숫자상 매우 가깝습니다.
그런데 단순히 .05를 기준으로
하나는 성공,
하나는 실패라고 생각한다면
결과를 지나치게 단순하게 해석하게 됩니다.
3. 유의하다고 영향력이 큰 것은 아닙니다
예를 들어 회귀분석에서
어떤 변수의 결과가 p < .001로 나타났다고 해보겠습니다.
통계적으로는 매우 유의한 결과일 수 있습니다.
하지만 그렇다고 해당 변수가 종속변수에 매우 큰 영향을 미친다는 뜻은 아닙니다.
실제 영향의 크기를 판단하려면 회귀계수나 효과크기 등 다른 결과도 함께 살펴봐야 합니다.
즉,
통계적 유의성과 효과의 크기는 구분해서 이해할 필요가 있습니다.
4. 표본 수에 따라서도 p값은 달라질 수 있습니다
p값을 볼 때 표본 수도 중요합니다.
표본이 매우 크다면 작은 차이나 약한 관계도 통계적으로 유의하게 나타날 수 있습니다.
반대로 표본이 충분하지 않다면 실제로 어느 정도 차이가 존재하더라도 통계적 유의성을 확인하기 어려울 수 있습니다.
따라서
“p < .05니까 중요한 결과다.”
라고 바로 결론 내리기보다는
연구의 표본과 데이터 특성을 함께 고려해야 합니다.
5. p > .05가 나오면 논문이 망한 걸까?
그렇지 않습니다.
가설을 세웠지만 통계적으로 유의한 결과가 나타나지 않을 수도 있습니다.
이것 역시 하나의 연구 결과입니다.
중요한 것은 결과를 억지로 원하는 방향으로 만드는 것이 아니라
왜 예상했던 관계가 나타나지 않았는지 연구 맥락과 선행연구를 바탕으로 해석하는 것입니다.
기존 연구와 다른 결과가 나왔다면
연구대상이나 환경, 시점 등의 차이를 살펴보면서 논의를 발전시킬 수도 있습니다.
6. p값만 보지 말고 결과 전체를 봐야 합니다
논문 통계분석 결과를 확인할 때는
p값 하나만 찾는 습관에서 벗어나는 것이 좋습니다.
예를 들어 회귀분석이라면
- 계수의 방향은 어떻게 나타났는지
- 영향의 크기는 어느 정도인지
- p값은 어떻게 나타났는지
- 연구가설과 결과가 어떻게 연결되는지
- 기존 선행연구와 같은 결과인지 다른 결과인지
등을 함께 살펴봐야 합니다.
그래야 SPSS 결과표에 있는 숫자가 실제 논문의 ‘결과’와 ‘논의’로 이어질 수 있습니다.
숫자 하나에 너무 흔들리지 않아도 됩니다
논문 통계분석을 처음 접하면
p값이 .05를 넘었는지 아닌지가 가장 중요해 보입니다.
하지만 실제 연구에서는 하나의 숫자보다 결과 전체의 맥락을 해석하는 과정이 중요합니다.
더브레인에서도 통계분석 결과를 확인할 때 단순히 유의한 결과의 개수만 보는 것이 아니라 연구 내용과 데이터에 맞게 결과를 해석하는 과정이 중요합니다.
마무리
p값은 분명 논문에서 중요한 통계 지표입니다.
하지만 연구의 성패를 결정하는 점수표는 아닙니다.
p < .05가 나왔다면
“됐다!”에서 끝나는 것이 아니라
어떤 방향으로, 어느 정도의 결과가 나타났고 이것이 연구에서 무엇을 의미하는지까지 살펴봐야 합니다.
반대로 p > .05가 나왔다고 해서 연구 자체가 의미 없어지는 것도 아닙니다.
p < .05는 논문의 합격선이 아니라, 연구 결과를 해석할 때 확인하는 여러 통계적 기준 중 하나입니다.
