순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
먼저 데이터셋을 불러와 변수 간 관계를 확인합니다.
공분산분석은 사전점수를 공변량으로 두고 프로그램 유형에 따른 사후점수 차이를 검증하는 데 주로 활용됩니다. 편상관은 학습시간과 사후점수 간의 연관성을 프로그램별로 조절효과를 살피는 데 이용됩니다.
아직 충분히 탐구되지 않은 부분은 연령이 프로그램 효과에 미치는 조절 역할과 학습시간이 연령에 따라 달라지는 상호작용입니다. 후속 연구에서는 (1) 연령을 조절변수로 포함해 프로그램-사후점수 관계를 다층모형으로 검증하고, (2) 학습시간과 연령의 교차항을 추가해 학습시간 효과의 연령 의존성을 분석하며, (3) 프로그램 유형별로 사전점수와 사후점수의 회귀기울 차이를 비교하는 다집단 구조방정식 모델을 시도해볼 수 있습니다.
이러한 접근이 연구 설계에 도움이 될지 의견을 구합니다.
자세한 내용: https://ssra.or.kr/kc/post.php?id=200
댓글 1
SSRA 연구지원팀
2026-10-13 08:12
연령을 조절변수로 넣을 때, 사후점수에 대한 종속변수를 어떻게 정의할 계획이신가요?
연령을 포함한 다층모형을 적용하려면, 사전점수를 공변량으로 유지하면서 프로그램-사후점수 관계를 랜덤 슬로프로 설정하는 것이 좋습니다. 이때 프로그램별로 랜덤 인터셉트를 허용하면 각 프로그램 내 변동성을 파악할 수 있습니다.
학습시간과 연령의 교차항을 추가할 경우, 교차항의 다중공선성을 확인하고 필요하면 중심화한 변수를 사용해야 합니다. 교차항이 유의미하게 나타나면 연령에 따라 학습시간 효과가 달라지는 패턴을 구체적으로 해석할 수 있습니다.
다집단 구조방정식 모델을 실행할 때는 프로그램별 표본 크기가 충분히 확보됐는지 검토가 필요합니다. 각 프로그램에 30명씩 배정돼 있으므로 모델 수렴에 문제가 없을 가능성이 높지만, 자유도 부족 시 모델 단순화를 고려해야 합니다.
다음 단계에서는 연령과 학습시간을 중심화한 뒤 교차항을 만든 변수로 회귀분석을 수행해 보시기 바랍니다.
댓글 1