논문 통계 분석을 하다 보면 대학원생 분들께 가장 많이 받는 질문이 있어요.
"이 변수는 어떤 척도로 봐야 하나요?"
그리고 대부분은 ‘그게 뭐였더라...’ 하는 표정을 지으시죠.

사실 척도(scale)란 게 별건 아닙니다. 우리가 어떤 개념이나 현상을 수치화해서 표현할 때, 그 수치가 갖는 의미와 성격을 구분해놓은 체계거든요. 예를 들어볼게요.

누군가의 성별을 조사한다면 '남자', '여자' 라는 값에는 크고 작음이 없죠. 그냥 구분만 되는 거예요. 이런 걸 명명척도(명목척도, Nominal scale)라고 합니다.

반면, 학년이나 직급처럼 순서를 매길 수 있는 경우가 있죠. 1학년, 2학년, 3학년... 이건 순서가 있지만 1학년과 2학년의 차이와 3학년과 4학년의 차이가 같다고는 할 수 없잖아요. 이런 걸 서열척도(Ordinal scale)라고 부릅니다.

조금 더 나가볼까요?
온도나 점수처럼 숫자 간 간격이 일정하고, 덧셈과 뺄셈이 가능한 경우가 있어요. 예를 들어 20도와 30도의 차이와 30도와 40도의 차이는 같죠. 하지만 0도가 ‘없음’을 의미하진 않잖아요. 그래서 이건 등간척도(Interval scale)예요.

마지막으로 몸무게, 키, 수입 같은 건 비율척도(Ratio scale)라고 해요. 0이 절대적인 의미를 갖고, 비율 계산도 가능합니다. 0kg은 아무것도 없는 상태니까요.

이걸 왜 알아야 할까요?
척도의 종류에 따라 적용할 수 있는 통계분석이 달라지거든요.
명목척도 변수엔 빈도분석이나 카이제곱검정을, 등간척도 이상이면 t검정, ANOVA 같은 분석을 쓸 수 있는 식이죠. 그래서 논문에서 변수의 척도를 잘못 설정하면 분석 자체가 엉뚱한 방향으로 가기도 해요.

논문에서 변수마다 이 척도를 정리해두면, 그걸 바탕으로 어떤 분석기법을 써야 하는지 명확해집니다. 그리고 이걸 헷갈려서 분석방식이 잘못되면 논문 심사 때 반드시 지적받게 되어 있죠.

실제로 얼마 전에도, 한 석사과정 학생분이 오셔서 ‘독립표본 t검정’을 했다고 하는데 변수 척도를 보니 명목척도라 분석법부터 다시 잡아드린 일이 있었어요. 이런 부분에서 논문컨설팅을 의뢰하시는 분들이 많고, 저도 그런 사례를 많이 다뤄왔습니다.

혹시 지금 논문에 쓸 변수와 분석법이 애매하다 싶다면, 척도를 정리해보는 것부터 시작해보세요. 그리고 필요하면 언제든 저에게 상담 주세요. 20년 넘게 논문통계만 해온 경험으로, 가장 적절한 분석설계를 함께 잡아드릴 수 있습니다.

논문 통계 분석은 결국 변수와 척도를 제대로 설정하는 데서 절반이 결정됩니다.
그거 하나만 잘 잡아도 분석 속도가 확 줄어요.
만약 지금 보고 계신 연구 설계나 변수 목록에서 이 부분이 고민된다면, 언제든 편하게 연락 주세요. 20년 동안 대학원생 분들의 논문 통계 분석을 함께 해온 경험으로, 딱 맞는 방향 잡아드릴게요.

논문통계관련 상담문의는 chsoo.lee@gmail.com 입니다. ~

📊  논문에서 통계를 다룰 때 가장 먼저 정리해야 할 개념이 있습니다.
바로 **기술통계(Descriptive Statistics)**와 **추론통계(Inferential Statistics)**의 구분입니다.

두 가지는 전혀 다른 목적을 가진 통계이며, 사용되는 분석방법도 완전히 다릅니다.

✅ 기술통계(Descriptive Statistics): "지금 가진 자료를 요약한다"

기술통계는 말 그대로 현재 확보된 데이터를 요약, 정리하는 데 목적이 있습니다.

• 예: 평균, 표준편차, 중앙값, 빈도수, 백분율 등
• 목적: 표본 데이터 자체의 특성을 파악하기 위함

📌 SPSS에서는 어떻게?
분석 → 기술통계 → 빈도 / 기술통계 / 탐색 메뉴에서 확인 가능.
논문에서는 표 1. 대상자의 일반적 특성 등에 해당하는 내용이 기술통계입니다.

✅ 추론통계(Inferential Statistics): "표본을 통해 전체를 추론한다"

추론통계는 표본 데이터를 바탕으로 모집단 전체에 대한 결론을 도출하려는 분석입니다.
즉, 검정, 예측, 일반화의 목적을 가지고 있습니다.

• 예: t-test, ANOVA, 상관분석, 회귀분석, 카이제곱검정 등
• 목적: 특정 가설을 검정하고, 표본 결과를 통해 전체를 추론

📌 SPSS에서는 어떻게?
분석 → 평균비교 / 일반선형모형 / 회귀분석 / 상관분석 등 다양한 메뉴를 통해 실행.
논문의 가설검정, 즉 결과 분석 파트가 바로 이 추론통계입니다.

🔍 핵심 구분 요약

구분 기술통계 추론통계

📌 실전 팁

“분석을 시작할 때 기술통계는 반드시 선행되어야 합니다.”
데이터의 분포나 기본 특성을 이해하지 않은 채 가설검정을 진행하는 건,
기초 없이 건물을 올리는 것과 같기 때문입니다.

좋은 논문결과 나오기를 바라며 궁금하시거나 문의사항은 언제든지 chsoo.lee@gmail.com 으로 메일 주세요. 

사회과학 논문을 쓰다 보면 “모수”와 “통계량”이라는 용어가 반복해서 등장합니다.
이 둘을 구분하는 것은 연구 설계와 해석의 정확성을 위해 반드시 필요합니다.

모수(Parameter)란?

모수란 전체 집단(모집단)의 특성을 나타내는 수치를 의미합니다.
예를 들어, 어떤 나라 전체 성인의 평균 키나 평균 소득처럼,
전체 구성원에 대해 말할 때 사용됩니다.

하지만 현실적으로 우리는 모집단 전체를 조사하는 것이 거의 불가능하죠.
그래서 연구자들은 표본을 추출해 그 안에서 특성을 측정하고,
그 측정값을 바탕으로 모수를 추정하게 됩니다.

통계량(Statistic)이란?

통계량은 표본에서 얻은 수치를 말합니다.
즉, 실제 조사를 통해 얻어진 데이터의 평균, 비율, 분산 등이 이에 해당합니다.

표본의 평균 소득, 표본의 성별 비율, 표본의 만족도 점수 등이 모두 통계량입니다.

왜 이 차이가 중요할까?

모수와 통계량을 혼동하면 분석 결과의 해석에 오류가 생깁니다.
우리는 표본을 통해 ‘추정’하고 있는 것이지, 실제 모집단의 수치를 ‘알고 있는’ 것이 아닙니다.
따라서 항상 오차의 가능성을 염두에 둬야 하고,
그 오차를 줄이기 위한 통계 기법들이 발전해온 것입니다.

요약하자면,

• 모수: 전체 모집단의 수치 (실제로는 알기 어려움)
• 통계량: 표본을 통해 관찰된 수치 (우리가 실제로 갖는 데이터)

이 개념 위에서 모든 추론통계(inferential statistics)가 작동합니다.
모수는 우리가 알고 싶은 것, 통계량은 우리가 실제로 갖고 있는 것입니다.

SPSS에서는 어떻게 확인할까?

SPSS에서는 통계량, 즉 표본 데이터에 기반한 수치들을 쉽게 확인할 수 있습니다.

1. Analyze → Descriptive Statistics → Descriptives
2. 변수 선택 후 실행(OK)
3. 표본의 평균, 표준편차, 최소값, 최대값 등이 출력됨

이 화면에 나오는 모든 수치는 통계량입니다.
우리는 이 데이터를 바탕으로 모집단(모수)의 특성을 추정하게 되는 것이죠.

추가 팁:
SPSS에서는 Confidence Interval(신뢰구간) 도 함께 확인할 수 있는데,
이것이 바로 표본에서 모수를 얼마나 정확히 추정할 수 있는지를 보여주는 핵심 도구입니다.

결론부터 말씀드리고 시작하겠습니다. 챗지피티에게 통계분석 여부를 물어보니 아래와 같이 답변을 하였습니다.

[SPSS를 직접 사용하여 통계 분석을 수행할 수는 없지만, SPSS로 통계 분석을 수행하는 방법에 대한 안내와 분석 절차를 제공할 수 있습니다. 예를 들어, SPSS에서 데이터 입력, 회귀 분석, t-검정, ANOVA, 카이제곱 검정 등의 분석을 어떻게 진행할지에 대한 방법을 설명하거나, 관련된 SPSS 명령어와 절차를 안내할 수 있습니다.

데이터나 분석 목표에 대해 더 구체적으로 말씀해 주시면, SPSS에서 그 분석을 어떻게 설정하고 실행할 수 있는지 자세히 설명해 드릴 수 있습니다!] 

요즘은 논문통계 의뢰주시는 분들이 일단 챗지피티에게 많은 부분을 도움을 받고 저에게 메일을 보내주세요. 그러다 보니 어느 면에서는 소통이 빨리 되는 부분도 있지만, 반대로 챗지피티를 너무 맹신을 하시는 경우 진척이 안 되는 경우가 있습니다. 

논문통계는 단순하게 통계결과만 내보내는게 아닙니다. 1+2=3이라는 답을 내놓고 사회과학에서 왜 이럴 수밖에 없는가를 추론을 해야 합니다. 이 또한 지피티가 할 수도 있겠지만 제가 경험한 바로는 그저 긁어내는 답변을 위주로 하는 것 같습니다. 그도 그럴 것이 챗지피티는 새로운 것을 창조하는 게 아니라 기존의 데이터를 긁어모으는 경향이 크기 때문입니다.

예를 들어서 논문통계에 있어서 회귀분석을 하는데 영향력이 유의하게 나왔다고 가정했을 때, 이를 통한 분석결과와 시사점을 물어보니 전혀 엉뚱한 대답을 하는 경우가 부지기수였습니다. 그래서 전문적인 단어를 포함해서 다시 물어보니 조금 수정은 되었지만 여전히 논문에 올릴 만큼의 해석이나 답변은 아니었습니다.

엑셀로 데이터를 주면 일부 분석을 해주기도 하지만, 아직까지 논문통계를 전문으로 할만큼 (특히나 SPSS SAS는 못한다고 고백을 하였습니다)  지피티가 능력이 되지는 않습니다. 뭐 돈을 주고 고급버전을 사면 어떤 결과가 나올지는 모르겠지만, 그 비용으로 통계를 의뢰하는 것이 아직까지는 현명한 판단이 아닐까 합니다. 

아시다시피 논문은 일생에 한두번이고 (학위를 종류별로 취득할게 아니라면요) 서초동의 국립도서관에 내가 죽어도 남는 자료입니다. 그러니 너무 쉽게만 생각지 않으셨으면 하는 바람입니다. 

논문통계 진행하시다가 막히는점이나 궁금하신 점 언제든 문의하셔도 좋습니다. 아직까지는 제가 지피티보다 유연한 답을 드릴 수 있을 것 같습니다.

통계분석만 20년째 하고 있는 사회조사분석사 입니다.

통계문의 chsoo.lee@gmail.com 

댓글보다는 메일로 주시면 답변이 가장 빠릅니다. 

어제 뉴스에 길고 길었던 코로나의 종식을 알려주네요. 돌이켜보면 바로 어제 일같은데 3년4개월이라니요. 지나간건 다행이지만 그만큼 세월이 흐름에 많은 생각을 하게 되네요. 

매년 이맘때면 통계분석의뢰가 많이 들어오는 시기입니다. 그러나 유투브에서 통계분석 영상이 꽤나 잘 되어 있어서 그걸보고 하시는 분들도 꽤 많습니다. 저도 뭔가를 할때 셀프로 할수 있는거면 무조건 해보려고 노력하는 파입니다.

근데 이 통계분석, 특히나 논문통계는 경험상 프로그램만 돌린다고 해서 뭔가 끝나는게아니라 해석과 편집 그리고 가장 중요한 이해가 필수 입니다. 왜냐하면 심사를 받아야 하니까요

왜 이런말씀을 드리냐 하면 요즘은 통계를 돌려보다가 막혀서 의뢰를 주시는 분들이 꽤나 계세요. 그러면서 어느정도 값이 나온거니 나머지 부분만 해주시고 비용을 절충해 달라고 하십니다. 

안타까운 마음이기는 하나 어차피 저도 다시 돌려봐야 하는 셈이라서 결국은 처음부터 진행을 합니다. 영상에서 하라는대로 따라하면 값은 나옵니다만 그 값으로 뭘 어떻게 해야 하는지가 막히는 겁니다. 사실 제가 20여년전 처음 논문을 쓸때 그랬거든요. 하다가 너무 막혀서 저도 전문가에 맡길까 하다가 그 비용으로 통계 수업을 들어야지 싶어서, 고려대학교에서 여름방학에 운영하는 통계강의를 들었습니다. 그리고 사회로 나와 회사를 다니면서 사회조사분석사 자격증을 취득하고, 통계분석 업무를 계속 진행하고 있습니다. 

단순 빈도분석 정도는 굳이 어려움이 없으시겠지만, 대부분의 사회과학 분야의 석사논문에서는 그래도 중급회귀정도는 들어가지 싶습니다. 당부드리고 싶은 말씀은 끝까지 셀프로 진행하실수 있다면 그보다 더 나을수는 없겠지요. 하지만 풀타임 학생이 아닌이상 그게 쉽지는 않습니다. 

차라리 시간과 비용을 절약하는 방법은 처음부터 의뢰로 가는게 낳지 싶습니다. 비단 저한테 뿐만이 아니라 많은 전문가들이 있습니다. 가급적이면 사회조사분석사 자격이 있는분이 낳겠지요. 

좋은 논문결과 나오기를 바라며 궁금하시거나 문의사항은 언제든지 chsoo.lee@gmail.com 으로 메일 주세요.