이분형 종속변수를 포함하는 모형의 매개효과 검정

Abstract

매개효과 모형은 심리학, 교육학, 의학, 역학 등의 다양한 분야에서 활발히 이용되는 분석 방법이지만, 대부분 종속변수의 연속성을 가정하여 사용되어 왔다. 그러나 이분형 등의 범주형 종속변수의 활용 가능성 또한 큰데, 이 경우의 매개효과 검정 방법은 상대적으로 잘 알려져 있지 않다. 이에 따라 본 연구는 지난 30여년 간 이루어진 이분형 종속변수를 포함하는 매개모형의 효과 추정 방법에 관한 연구 흐름들을 통합하고, 연구자들이 자신의 자료에 적합한 접근 방식을 선택할 수 있도록 핵심 쟁점들을 체계적으로 논의하는 것을 목적으로 한다. 이를 위해 이분형 종속변수를 포함하는 모형의 매개효과 추정 방법을 크게 두 가지 접근법으로 나누어 탐색한다. 먼저, 선형 구조방정식 모형을 비선형 모형으로 확장하는 전통적인 접근의 관점에서 이분형 종속변수를 포함하는 모형의 매개효과 추정 방법을 다룬다. 보다 쉬운 이해를 위해 연속형 종속변수를 포함하는 모형의 매개효과 추정 방법을 간단히 살펴보고, 단계적 과정을 통해 이분형 종속변수를 포함하는 모형으로 확장한다. 더불어, 이와 같은 방식으로 매개효과 모형을 추정할 때 발생할 수 있는 문제점을 알아보고, 이를 개선할 수 있는 여러 대안적 방법들을 탐색한다. 추가적으로 매개변수가 이분형 변수인 경우의 매개효과 추정 방법에 대해서도 논의한다. 다음으로는 매개모형의 형태나 자료의 분포를 특정하지 않고 비모수적으로 매개효과를 추정하는 인과추론 접근법을 다룬다. 인과추론 접근에서 정의하는 직접효과와 간접효과의 개념은 상대적으로 잘 알려져 있지 않기 때문에 먼저 연속형 변수를 가정하여 효과들의 개념적 정의를 탐색하고, 이를 이분형 종속변수를 포함하는 모형으로 확장한다. 또한 이 접근법을 이용할 때 고려해야 하는 여러 장단점에 대해 토론한다. 마지막으로 전통적인 접근에서와 동일하게 매개변수가 이분형 변수인 경우의 매개효과 추정 방법을 간단히 다룬다. 이와 같은 두 가지 접근법에 대한 개념적인 탐색에 그치지 않고, 통계 프로그램을 이용하여 실제자료에 적용한 예시를 보임으로써 연구자들이 실질적으로 이용할 수 있는 정보를 제공한다. 예시를 통해 각 접근법을 바탕으로 한 매개효과 추정 방법에 대한 기술적인 정보뿐만 아니라, 매개효과를 추정하면 상당히 다른 결과를 얻게 될 수 있다는 것도 확인할 수 있다. 마지막으로, 본 연구에서 다룬 이분형 종속변수를 포함하는 모형의 매개효과 추정 방법과 관련된 쟁점을 종합적으로 논의한다. 더불어, 전통적인 접근법과 인과추론 접근법을 이용할 때 고려해야 하는 장점과 한계점을 정리 및 요약함으로써 연구자들이 자신의 자료에 알맞은 분석 방법을 따를 수 있도록 한다. ;The mediational model is one of the most actively used analytical methods in the social sciences or psychology. However, the methods of testing the mediated effect with categorical dependent variables have been relatively unknown. The aims of the present study are to integrate studies on the methods of estimating the mediated effect of the model with a binary dependent variable over the last 30 years and to discuss key issues in order to encourage researchers to choose the most appropriate approach to their data. To achieve this goal, we explore the two streams of estimating the mediated effect of the model with a binary dependent variable, traditional vs. causal inference approaches. For the traditional approach, we introduce and integrate several extended structural equation modeling methods that accommodate a binary dependent variable in the mediational model. Then, we introduce the causal inference approach which allows researchers to estimate the mediated effect non-parametrically without specifying the form or distribution of the model before estimation, and extend it into a model that includes a binary dependent variable. Finally, we illustrate the procedures for applying the traditional and the causal inference approaches using real data and discuss the results.