
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...

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...

설문조사에서 응답자 수가 많으면 많을수록 좋다고 생각하기 쉽습니다. 100명보다 500명, 500명보다 1,000명이 더 믿을 만해 보이니까요. 하지만 표본 수가 커진다고 해서 편향(Bias)까지 자동으로 줄어드는 것은 아닙니다. 오히려 잘못된 방식으로 모집하면 편향된 결과를 더 확실하게 보여줄 수도 있습니다. 1️⃣ 많이 모으는 것과 잘 모으는 것은 다릅니다 대학생 전체를 조사하면서 특정 학교 학생만 1,000명을 모집했다고...

데이터를 정리하다 보면 숫자만 제대로 입력되어 있으면 문제가 없다고 생각하기 쉽습니다. 하지만 같은 숫자라도 단위가 다르면 전혀 다른 값이 됩니다. 누군가는 키를 170cm로 입력하고, 누군가는 1.70m로 입력했다면 어떨까요? 분석 프로그램은 단위를 이해하지 못합니다. 그저 170과 1.70이라는 숫자로 처리합니다. 1️⃣ 평균부터 이상해질 수 있습니다 월소득을 조사했는데 어떤 응답자는 ‘만원’, 다른 응답자는 ‘원’ 단위로 입력했다고...

논문을 작성하다 보면 분석 결과를 표로 정리하면서 “표 제목은 어떻게 작성해야 하지?” 라는 고민을 하게 됩니다. 표 안에 결과를 잘 정리했더라도 표 제목이 모호하거나 내용을 제대로 설명하지 못하면 독자가 표의 의미를 이해하기 어려울 수 있습니다. 그렇다면 논문에서 표 제목은 어떻게 작성하는 것이 좋을까요? 오늘은 논문 표 제목을 작성할 때 고려해야 할 점을 알아보겠습니다....

설문조사를 만들다 보면 소득, 건강, 가족관계, 개인적인 경험처럼 응답자가 답하기 부담스러울 수 있는 민감한 질문을 포함해야 하는 경우가 있습니다. 이때 “민감한 질문은 설문 마지막에 넣어야 할까?” 혹은 “처음에 물어보는 것이 좋을까?” 고민하게 됩니다. 민감한 질문의 위치는 응답자의 부담과 응답 품질에 영향을 줄 수 있기 때문에 연구 목적과 설문 흐름을 고려해 신중하게 배치하는 것이...

논문을 쓰다 보면 어느 순간 갑자기 진도가 안 나갈 때가 있습니다. 선행연구를 더 찾아도, 분석을 다시 해봐도, 글을 고쳐봐도 뭔가 애매합니다. 이럴 때 무작정 자료를 더 찾기보다 가장 먼저 돌아가야 할 곳이 있습니다. 👉 바로 연구 질문(Research Question) 입니다. 1️⃣ 지금 무엇을 알고 싶은지 다시 확인하세요 연구가 막히는 이유 중 하나는 연구 질문이...

가설 5개를 세웠는데 5개 모두 채택. 모든 변수는 p<.001. 상관관계도 예상한 방향 그대로. 설명력까지 높게 나왔습니다. 처음에는 “대박, 연구 잘됐다!” 싶을 수 있습니다. 하지만 결과가 지나치게 완벽하다면 한 번쯤은 데이터와 분석 과정을 다시 확인해볼 필요가 있습니다. 1️⃣ 현실의 데이터는 원래 깔끔하지 않습니다 사람을 대상으로 한 연구에서는 개인차가 존재합니다. 같은 상황에서도 누군가는 만족하고, 누군가는...

설문조사를 만들다 보면 하나의 개념을 정확하게 측정하기 위해 비슷한 문항을 여러 개 넣는 경우가 있습니다. 여러 문항을 사용하는 것은 측정의 신뢰성을 높이는 데 도움이 될 수 있지만, 비슷한 문항이 지나치게 많아지는 것은 오히려 문제가 될 수 있습니다. 그렇다면 같은 의미의 문항이 너무 많으면 어떤 문제가 생길까요? 오늘은 비슷한 문항을 과도하게 구성했을 때 발생할...

통계분석을 하다 보면 다른 응답값과 유난히 차이가 나는 이상치(Outlier)를 발견할 수 있습니다. 이때 “다른 값들과 너무 다르니까 그냥 삭제하면 되지 않을까?” 라고 생각하기 쉽습니다. 하지만 이상치라고 해서 무조건 잘못된 데이터는 아닙니다. 오히려 연구 대상의 특성을 보여주는 중요한 값일 수도 있습니다. 오늘은 이상치를 무조건 삭제하면 안 되는 이유를 알아보겠습니다. 1️⃣ 이상치가 반드시 오류는 아닙니다...

같은 연구 결과를 가지고도 어떤 논문은 탄탄하게 느껴지고, 어떤 논문은 왠지 주장이 약하게 느껴질 때가 있습니다. 내용의 차이일 수도 있지만, 의외로 문체의 차이에서 오는 경우도 많습니다. 논문은 무엇을 말하는지만큼 어떻게 말하는지도 중요합니다. 1️⃣ 너무 확신하면 오히려 위험합니다 분석 결과에서 두 변수의 관련성이 확인됐다고 해서 “반드시 영향을 미친다.” “명백한 원인이다.” 라고 단정하면 연구가 보여준...
© 2023 Created with K-GRAD