연속형 변수의 상호작용효과 분석:

[연구목적] 본 논문은 연속형 변수 간 상호작용효과의 분석과 범주형 변수 간 상호작용 효과의 분석의 차이점을 제시하고, 연속형 변수간 상호작용의 분석에 있어서 흔히 범할 수 있는 실수와 오해를 줄이기 위한 해결책을 제안하여 연구자들과 학생들의 연구 활동과 교육에 도움을 주고자 한다. [연구방법] 이러한 목적을 달성하기 위해, 본 연구는 ANOVA와 다중회귀분석을 이용한 상호작용효과 분석 방법의 수학적 의미를 풀이하고, SPSS를 이용한 상호작용효과 분석예시를 제시하여 두 분석 모델의 특성과 차이를 비교하였다. [연구결과] 본 논문은 범주형 변수 간 상호작용효과 분석과 연속형 변수 간 상호작용효과 분석의 근원적 차이를 제시하고, 다중회귀분석 모델의 변수 설정(specification), 연속형 변수의 범주형 변수로의 전환(dichotomization), 변수의 평균중심화(centering) 및 표준화 (Standardization), 상호작용효과 그래프 작성 등과 관련한 실수와 오해에 대한 해결책을 제시하였다. [연구의 시사점] ANOVA의 다양한 장점에도 불구하고, 연속형 변수 간 상호작용효과의 분석에 있어서는 다중회귀분석을 이용한 분석 모형을 활용하는 것이 보다 적절하며, 다중회귀분석을 이용한 상호작용효과 분석에 있어서도 본 연구에 제시된 다섯 가지 이슈들에 대한 신중한 고려가 필요하다.

[Purpose] The purpose of this paper is clarifying difference between analyses of interactions among categorical variables and continuous variables, and suggesting heuristic suggestions for reducing common mistakes and misunderstanding in interaction analyses that some researchers and students may have. [Methodology] To achieve the goals, this paper compares ANOVA with multiple regression models for analyzing interaction effects by presenting mathematical expressions of the models and implications of the equations and by demonstrating regression analyses with SPSS. [Findings] This paper introduces fundamental differences between interactions among categorical variables and continuous variables, and then provides five suggestions for common mistakes regarding model specification, dichotomization of continuous variables, centering and standardization of variables, and plotting interactions. [Implications] While ANOVA has its own strength in various aspects, this study suggests careful use of multiple regression as a better way to analyze interaction effects among continuous variables.