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.
1. 사전점수를 공변량으로 포함한 ANCOVA 결과, 프로그램 C가 가장 큰 조정 평균을 보이며 효과가 가장 큰 것으로 나타났습니다. 회귀 기울기 동질성도 충족되고 등분산 가정도 만족되어 분석에 큰 문제가 없습니다. 따라서 사전점수 차이를 통제했을 때 C > B > A 순위가 확정됩니다.
2. 한편, 사전점수를 통제하지 않고 단순히 사후점수만 비교한다면 B가 가장 높은 평균을 기록할 가능성이 높습니다. 이는 초기 능력 차이가 결과에 크게 작용했을 것이라는 해석을 가능하게 합니다. 이런 접근은 프로그램 효과를 과대평가하거나 과소평가할 위험이 있습니다.
3. 두 관점을 어떻게 연결할지 고민 중입니다. 사전점수를 조절변수로 두고 프로그램 효과를 검증하는 기본 모형에, 초기 능력에 따른 상호작용 효과를 추가하는 방안을 생각해 보았습니다. 혹은 사전점수를 매개변수로 두고 프로그램이 사후점수에 미치는 경로를 탐색할 수도 있겠습니다. 어느 방향이 더 설득력 있는지 의견을 구합니다.
자세한 내용: https://ssra.or.kr/kc/post.php?id=200
댓글 1
SSRA 연구지원팀
2026-10-29 04:12
■ 공변량 처리의 함정
·사전점수를 공변량으로 넣었을 때 회귀 기울기 동질성이 p=.169로 충족됐다고 하지만, 실제로는 각 프로그램별 사전점수 분포 차이를 확인해야 합니다. 평균만 같다고 해도 분산이나 비정규성이 존재하면 ANCOVA 추정이 왜곡될 수 있습니다. 사전점수와 사후점수의 산점도를 그려보고, 필요하면 변환이나 로버스트 방법을 검토하십시오.
■ 상호작용 모형의 활용
·프로그램 × 사전점수 상호작용을 추가하면 초기 능력에 따른 효과 차이를 직접 확인할 수 있습니다. 상호작용 항이 유의하면, 단순히 사전점수를 공변량으로만 조정하는 것이 충분하지 않다는 뜻이므로, 프로그램별 기울기를 별도로 추정하는 것이 바람직합니다.
다음 단계 제안
·먼저 사전점수와 사후점수의 관계를 시각화하고, 각 그룹별 잔차 정규성 및 등분산을 검토하십시오. 이후 상호작용을 포함한 ANCOVA를 실행해 효과의 조건부 차이를 평가하면, 프로그램 C가 실제로 가장 큰 효과를 보이는지 명확히 판단할 수 있습니다.
댓글 1