연구·통계 용어 사전

실제로 효과가 있을 때 그것을 통계적으로 찾아낼 확률. 보통 80% 이상을 목표로 표본크기를 정한다.

빠진 시점을 계열 평균, 인접한 점의 평균·중앙값, 선형 보간, 해당 지점의 선형 추세 중 하나로 채우는 일. 시계열 모형은 빈 시점을 허용하지 않는다.

변수 사이 영향의 크기. 그림의 화살표 위에 표시되며 별표(*)는 유의수준을 뜻한다.

관심 사건이 더는 일어날 수 없게 만드는 다른 사건(예: 이직 연구의 정년퇴직). 중도절단으로 두면 누적확률이 부풀려지므로 경쟁위험 분석(누적발생함수·Fine–Gray)으로 다룬다.

관심 사건(예: 이직)을 더는 일어날 수 없게 만드는 다른 사건(예: 정년퇴직)이 있는 상황. 이때 Kaplan–Meier 는 누적확률을 부풀리므로 누적발생함수(CIF)와 Fine–Gray 회귀를 쓴다.

계열을 추세·계절·불규칙 성분으로 나누는 일.

사전점수 같은 공변량의 영향을 통계적으로 걷어 낸 뒤 집단 평균을 비교하는 분석. 결과는 «조정된 평균»으로 보고한다.

생존분석에서 «일어났는가·언제 일어났는가»를 보는 사건(이직·중도탈락·재발 등). 무엇을 사건으로 셀지 미리 분명히 정의해야 한다.

신청을 검토 중인 공고를 담아 두는 목록. 여기 담긴 공고의 마감일이 대시보드에 나온다.

두 계열 사이에서, 한 계열이 다른 계열보다 몇 시점 앞서거나 뒤처질 때의 상관.

2수준 변수가 1수준 변수와 결과의 관계(기울기)를 조절하는 효과. 안정적으로 추정하려면 집단 50개 이상이 권장된다(Maas & Hox, 2005).

한 계열의 과거 값이 다른 계열의 미래를 더 잘 예측하게 해 주는지로 «시간상의 선후 영향» 을 보는 검정. 실제 인과를 증명하지는 않는다.

결측값을 그럴듯한 값으로 여러 번 채워 여러 벌의 자료를 만들고, 분석 결과를 Rubin 규칙으로 합치는 결측 처리 방법.

조절변수 값이 높을 때와 낮을 때 독립→종속 관계의 기울기를 따로 그린 그림.

한 요인의 수준을 고정해 두고 다른 요인의 효과를 따로 본 것. 상호작용이 유의할 때 그 모양을 풀어 설명하는 데 쓴다.

계열이 정상인지 판정하는 검정. ADF·PP 는 «단위근이 있다(비정상)», KPSS 는 «정상이다» 를 영가설로 둔다.

연구처(연구산학처)·산학협력단·대학원(대학원혁신본부)·도서관(학술정보원)·연구윤리센터·대학혁신지원사업단·국립대학육성사업단·연구지원센터. 대학마다 이름이 다르지만 이 가운데 한 곳이 연구 지원 도구의 도입을 맡는다.

한 문헌 안에 함께 등장하는 단어 쌍을 찾아 연구 흐름의 지도를 그리는 분석.

동의서 아래에 붙는 [예] / [아니오] 선택. [아니오] 를 고르면 설문으로 넘어가지 않는다.

기술수용모형(TAM), 계획된 행동이론(TPB), 분해된 계획행동이론(DTPB), 합리적 행동이론(TRA), 혁신확산 이론(DOI), 사회교환이론(SET), 자기결정이론(SDT), 기대불일치 이론(EDT), 보호동기이론(PMT), 건강신념모형(HBM), SERVQUAL, 정보시스템 성과모형(ISSM) 등 24개.

독립변수가 매개변수를 거쳐 종속변수에 미치는 간접 영향.

체크하면 그 문항을 비워 두고도 제출할 수 있다. 체크하지 않으면 반드시 답해야 한다.

응답자를 실험조건에 우연히 나누어 넣는 것. 조건 간 차이를 조작 외의 요인으로 설명할 여지를 줄인다. SSRA 는 응답이 가장 적은 조건 중에서 무작위로 골라 조건별 인원을 고르게 맞춘다.

예측변수 없이 초기수준과 변화율만 추정하는 잠재성장모형. 평균적으로 변화가 있는지, 그 변화에 개인차가 있는지를 본다.

모든 시점에서 같은 척도로 다시 재는 변수. 변화의 대상이 된다.

잠재변수가 원인이고 문항이 결과인 관계. 화살표가 잠재변수에서 문항으로 향한다.

평균 0, 분산 일정, 자기상관이 없는 순수한 무작위 계열. 잘 맞춘 모형의 잔차는 백색잡음이어야 한다.

기존 변수들로 새 변수를 만드는 일. 잠재변수 평균 점수 등.

잠재성장모형의 기울기(slope). 시점이 지날 때마다 평균적으로 변하는 정도.

응답자가 프로파일로 얼마나 분명하게 나뉘었는지를 0~1로 나타낸 값. .80 이상이면 분류가 양호하다고 본다.

프로파일이 k−1개인 모형과 k개인 모형을 비교해 프로파일을 하나 더 두는 것이 나은지 검정하는 방법. BIC 와 함께 프로파일 수를 정하는 근거가 된다.

인건비·연구장비비·연구활동비처럼 연구비를 나누는 항목 구분.

같은 분야 학술지를 순위로 4등분한 구간. Q1 이 상위 25% 다.

논문 등에 연구비 지원 사실을 밝히는 문구. 과제 성과로 인정받으려면 대체로 필수다.

한 요인의 효과가 다른 요인의 수준에 따라 달라지는 것.

독립변수 × 조절변수. 이 항이 유의하면 조절효과가 있다고 본다.

지금 상태로 신청했을 때 선정될 가능성을 0~100% 로 어림한 값. 실제 심사 결과가 아니다.

집단 표집으로 표준오차가 단순무작위표본보다 커지는 정도. DE = 1 + (집단당 인원 − 1) × ICC (Kish, 1965).

설문지 작성 화면에서 정하는 값들 — 설문기간(시작일·종료일), 중복 입력 방지, 설문지 언어(프리미어), 설문 소개·지시문, 종료 메시지, 제출 버튼 이름, 로고 표시, 인구통계 문항 사용 여부.

자료수집 화면에서 응답 받기를 켜고 끄는 곳. «설문 중지»로 두면 응답자가 설문에 들어와도 진행되지 않고 중지 안내 메시지가 보인다. 실제로 수집을 마감하는 기능은 이것이다.

시작일과 종료일. 연구 계획과 안내를 위한 표기이며, 종료일이 지나도 응답이 자동으로 막히지는 않는다. 실제 마감은 자료수집 화면의 «설문 중지»로 한다.

계열을 여러 주파수의 주기 성분으로 나누어, 어떤 길이의 주기가 강한지 보는 분석.

변화율 요인에 주는 시점별 적재값(예: 0·1·2·3). 측정간격이 고르지 않으면 실제 간격에 비례하게 줄 수 있다.

모형으로 설명되지 않는 튀는 시점. 한 시점만 튀는 가법(AO), 수준이 옮겨 가는 수준이동(LS), 서서히 사라지는 일시적 변화(TC) 등으로 나눈다.

생존시간을 세기 시작하는 때(time 0) — 입사·입학·진단 등. 사람마다 날짜가 달라도 그로부터 걸린 기간을 잰다.

A 가 있을 때 B 도 있을 확률. 기본값 0.8.

요인 수준의 한 조합. 응답자는 이 중 하나에 배정된다. 2×2 설계는 네 조건, 3×3 설계는 아홉 조건이다.

조건마다 다른 시나리오·자극물을 보여 주어 독립변수의 수준을 인위적으로 만드는 일.

체크한 문항의 응답을 암호화해 저장한다. 개인정보나 민감한 답변을 다룰 때 쓴다.

뜻이 반대로 적힌 문항(예: "나는 불만족한다"). 분석 전에 점수를 뒤집어야 한다.

기간별로 한 일과 애로사항을 남기는 기록. 여기 적은 진행률이 과제 진행률에 반영된다.

연구 목적·절차·연락처와 동의 문구를 담아 응답 시작 전에 보여 주는 문서. IRB 심의에서 요구된다.

미래 값이 일정 확률(예: 95%)로 들어갈 범위. 먼 미래일수록 넓어진다.

독립변수(요인)가 갖는 조작 단계. 예: «광고 유형» 요인의 «감성형·이성형» 두 수준.

독립변수(요인) 둘 이상을 교차해 조건을 만드는 설계. 2×2 는 두 요인이 각각 두 수준이라 네 조건이 된다.

Cox 회귀에서 변수가 한 단위(또는 기준범주 대비) 바뀔 때 사건 위험이 몇 배가 되는지. 1보다 크면 사건이 더 빨리 일어난다.

연 1회 패널처럼 «몇 번째 기간에 사건이 일어났는지»만 아는 자료를 사람-기간 꼴로 펼쳐 기간별 사건 발생을 로지스틱(logit·cloglog)으로 분석하는 생존분석.

두 요인의 주효과와 상호작용 효과를 함께 검정하는 분산분석(Two-way ANOVA). 2×2·2×3·3×3 요인설계의 기본 분석이다.

AHP 설문에서만 나오는 항목. 응답의 일관성 비율이 지정한 값 이하일 때만 유효한 응답으로 받는다.

한 칸에 여러 항목이 들어 있을 때 그것을 나누는 기호. 기본은 쉼표(,).

실험조작을 위해 응답자에게 보여 주는 글·이미지·동영상.

한 계열이 몇 시점 앞의 자기 자신과 얼마나 상관이 있는지 나타낸 값. PACF 는 중간 시점의 영향을 뺀 편자기상관이다.

같은 학술지가 자기 논문을 인용한 것을 뺀 영향력지수. 인용을 부풀리는 자기인용의 영향을 걷어낸 값이다.

오차가 1차 자기상관을 갖는 회귀모형. Prais-Winsten 방식으로 자기상관을 보정해 회귀계수를 추정한다.

조건에 맞는 응답만 남기거나 빼는 일. 불성실 응답 제거에 쓴다.

직접 측정할 수 없어 여러 문항으로 간접 측정하는 변수. 그림에서 원(또는 사각형)으로 그린다.

반복측정 자료에서 개인별 성장 궤적을 초기수준(절편)과 변화율(기울기)이라는 잠재변수로 요약하는 구조방정식 기반 종단분석 모형.

연속형 지표의 응답 양상이 비슷한 사람끼리 보이지 않는 하위 집단(프로파일)으로 묶는 혼합분포 모형. 변수 중심이 아니라 사람 중심 분석이다.

연구자의 전공·경력·실적이 그 사업의 지원 목적과 얼마나 맞는지를 0~100 으로 나타낸 값.

지수평활과 ARIMA 를 각각 자동 적합한 뒤 정보기준(BIC)이 더 나은 쪽을 고르는 자동 모형 선택. SPSS 의 같은 이름 기능에 해당한다.

평균·분산·자기상관 구조가 시간에 따라 변하지 않는 성질. ARIMA 같은 모형은 정상 계열을 전제로 한다.

미리 등록해 둔 코드(값 목록) 중 하나를 골라 그 문항에 연결하는 값. 응답 값의 형식을 정해 둘 때 쓴다.

초기수준과 변화율을 예측변수에 회귀시키는 잠재성장모형. 무엇이 성장의 개인차를 만드는지를 본다.

추상적인 개념(예: 직무만족)을 실제로 측정할 수 있는 형태로 바꿔 적은 정의.

실험조작이 의도대로 받아들여졌는지 확인하는 문항.

제3의 변수가 두 변수 사이 관계의 강도를 바꾸는 효과.

문항들이 모여 잠재변수를 구성하는 관계. 화살표가 문항에서 잠재변수로 향한다.

같은 척도가 모든 시점에서 같은 뜻으로 측정되었는지 확인하는 검증. 형태·측정단위·절편 동일성 순으로 제약을 더해 비교한다.

같은 대상을 시간 간격을 두고 여러 번 측정해 변화를 보는 연구.

시점별로 따로 모은 응답을 패널 식별값으로 이어 한 사람이 한 행이 되도록 만드는 일(wide 형식).

계절 패턴이 한 바퀴 도는 시점 수. 분기 자료는 4, 월 자료는 12, 요일 자료는 7 이다. SPSS 의 «날짜 정의» 에 해당한다.

문헌들에서 자주 나오는 핵심어를 뽑아 묶어 보여 주는 분석.

다른 요인과 상관없이 한 요인의 수준 차이만으로 종속변수가 달라지는 효과.

관찰이 끝날 때까지 사건(이직·폐업 등)을 보지 못한 사례. 생존분석은 이 사례를 버리지 않고 «그때까지는 사건이 없었다»는 정보로 쓴다.

켜 두면 같은 기기에서 같은 설문지에 다시 응답하는 것을 막는다.

인용해 준 학술지가 얼마나 무게 있는 곳인지를 반영한 지수. 많이 인용되는 것보다 «어디에» 인용되는지를 본다.

그해 실린 논문이 같은 해에 곧바로 인용되는 정도. 주제가 얼마나 시의성 있는지를 나타낸다.

진단 결과 맨 위에 나오는 한 칸. 다음에 열어야 할 화면 하나를 가리킨다.

최근 관측값에 더 큰 가중치를 주어 수준·추세·계절을 갱신해 가며 예측하는 방법.

영어, 중국어, 일본어, 스페인어, 베트남어, 몽골어, 우즈베크어, 네팔어, 미얀마어, 벵골어, 인도네시아어, 러시아어, 프랑스어.

전체 자료 중 그 항목 조합이 나타난 비율. 기본값 0.05.

응답자 한 사람이 한 조건에만 배정되어, 조건끼리 서로 다른 사람의 응답을 비교하는 실험설계.

구성원 설문과 집단 대표 설문을 같은 집단으로 잇기 위해 맨 앞에 두는 «소속 집단» 문항. 목록에서 고르거나 안내받은 번호를 적는다.

구성원 응답을 집단 평균으로 집계할 때 그 평균이 믿을 만한 정도, ICC(2). 보통 .70 이상이 바람직하다(Bliese, 2000).

이웃한 시점끼리 값을 빼는 변환. 추세를 걷어 비정상 계열을 정상 계열로 만든다. 계절차분은 한 주기 앞의 값을 뺀다.

연구자가 그 과제에 투입하는 시간의 비율(%). 국가연구개발사업에서 인건비 계상의 근거가 된다.

그 화면에 들어가서 맨 처음 누를 버튼.

입력칸에 미리 채워 두는 기본값. 시간 문항은 14:00:00, 날짜 문항은 2020:10:01 같은 형식으로 넣는다.

잠재성장모형의 절편(intercept). 첫 시점의 평균적인 수준.

이웃한 두 측정시점 사이의 시간(일·주·개월·년).

반복측정을 하는 각 회차(T1, T2, …). 선형 성장모형은 최소 3시점이 필요하다.

하나의 잠재변수를 재기 위해 쓰는 개별 관측 항목. 보통 설문 문항이 된다.

시점마다 따로 받은 응답을 같은 사람의 것으로 잇기 위해 모든 시점에 똑같이 적게 하는 값(식별코드·이메일·전화번호).

앞 시점에 응답한 사람이 뒤 시점에 응답하지 않아 생기는 결측. 종단연구 표본 설계에서 미리 감안해야 한다.

제3의 변수를 통제한 뒤 두 변수 사이에 남는 상관.

중간 시점들의 영향을 걷어 낸 뒤 남는, 몇 시점 앞 자기 자신과의 상관. ACF 와 함께 ARIMA 차수를 정하는 단서가 된다.

프로파일을 나누는 기준이 되는 연속 변수(보통 하위요인 척도 평균 3~10개).

생존분석의 검정력을 정하는 사건의 수. Schoenfeld 공식으로 위험비·유의수준·검정력에서 구하고, 사건 비율과 탈락률로 나누어 필요한 표본을 정한다.

A 와 B 가 우연히 함께 나올 경우 대비 몇 배나 더 함께 나오는지. 1 보다 크면 서로 끌어당기는 관계로 본다.

과제 협약서에 적어 낸 정량 성과목표(논문 몇 편 등)에 해당하는 성과.

연구계획서를 심사 관점에서 훑어 총점과 절별 지적·고칠 방법을 내는 기능. 실제 심사 결과가 아니다.

자기회귀(AR)·차분(I)·이동평균(MA)을 결합한 시계열 모형.

평균분산추출. 잠재변수가 지표들의 분산을 얼마나 설명하는지. 보통 0.5 이상.

공분산 기반 구조방정식모형. 이론 검증과 모형 적합도 판단에 쓴다.

공통방법편의. 한 사람이 모든 문항에 답해서 생기는 인위적 상관을 점검하는 절차.

복합신뢰도(Composite Reliability). 잠재변수 단위의 신뢰도.

문항들이 얼마나 일관되게 같은 것을 재는지 나타내는 값. 보통 0.7 이상을 본다.

그날 분야별 HOT 중 점수가 가장 높은 논문 한 편. 전체 분야에서 하나만 고른다.

같은 분야·같은 해 논문의 평균 인용을 1로 놓았을 때 이 논문이 몇 배 인용됐는지를 나타내는 지표.

최근 24개월 안에 나온 논문 중 피인용·동년 인용 백분위·FWCI 를 합산해 가장 주목받는 한 편.

이질-단일 특성 비율. 두 잠재변수가 서로 구별되는지 보는 판별타당도 지표.

Institutional Review Board. 사람을 대상으로 하는 연구의 윤리성을 심의하는 기관생명윤리위원회.

최근 2년간 실린 논문이 평균 몇 번 인용됐는지를 나타내는 지수. 한국연구재단이 발표한다.

잔차에 남은 자기상관이 있는지 여러 시차를 한꺼번에 보는 검정. 유의하지 않아야 모형이 시간 구조를 다 담았다고 본다.

최근 120일 안에 게재된 논문 중 리뷰·자료류를 뺀 가장 최신 한 편.

부분최소제곱 구조방정식모형. 표본이 작거나 예측이 목적일 때 쓴다.

표본을 k겹으로 나눠, 학습 겹으로 추정한 모형이 나머지 응답자의 내생변수 측정지표를 얼마나 맞히는지 재는 표본 외 예측력 평가. Q²predict 와 RMSE·MAE 를 선형회귀(LM) 기준모형과 견준다.

입력칸이 비어 있을 때 흐리게 보이는 안내 문구. 응답자가 무엇을 어떻게 적어야 하는지 알려 준다.

2~10년 전 논문 중 척도·모형·프레임워크처럼 후속 연구설계에 바로 쓸 수 있는 한 편.

결정계수. 종속 잠재변수의 분산 중 모형이 설명하는 비율.

국내 학술지를 8개 항목 100점 척도로 평가한 SSRA 자체 종합점수. 값이 클수록 그 분야에서 위치가 높다.

세 집단 이상을 짝지어 비교할 때 1종 오류를 통제하는 사후검정 방법.

분산분석의 효과크기. 해당 효과와 오차를 합친 분산 가운데 그 효과가 설명하는 비율.