조절효과 vs 매개효과
조절된 매개효과절된 매개효과? 매개된 조절효과?
조절효과와 매개효과는 사회과학 및 경영학 연구에서 독립변수와 종속변수 간의 관계를 분석할 때 자주 사용되는 두 가지 주요 개념입니다. 이 두 개념은 독립변수가 종속변수에 미치는 영향을 설명하는 데 있어 중요한 역할을 하지만, 그 본질과 적용 방식에서 명확한 차이가 있습니다. 조절효과는 독립변수와 종속변수 간의 관계가 조절변수에 의해 변화될 수 있다는 사실에 초점을 맞춥니다. 반면, 매개효과는 독립변수가 종속변수에 영향을 미치는 과정에서 매개변수라는 중간 경로를 포함하여 관계의 메커니즘을 설명합니다.
조절효과
우선 조절효과에 대해 자세히 살펴보겠습니다. 조절효과는 독립변수와 종속변수 간의 관계가 조절변수의 수준에 따라 달라질 때 나타납니다. 즉, 조절변수는 독립변수와 종속변수 간의 관계를 강화하거나 약화시키는 역할을 합니다. 이를테면, 기업의 ESG 성과가 재무성과에 미치는 영향을 분석하는 연구에서, 기업의 생산성이 조절변수로 작용할 수 있습니다. 생산성이 높은 기업은 ESG 성과가 재무성과에 더 큰 영향을 미치는 반면, 생산성이 낮은 기업에서는 그 영향이 약화될 수 있습니다. 이는 조절변수가 독립변수와 종속변수 간의 상호작용을 통해 관계의 강도와 방향을 변화시키는 경우를 의미합니다. 조절효과는 일반적으로 회귀분석에서 상호작용 항(interaction term)을 포함하여 검증되며, "독립변수와 종속변수 간의 관계가 조절변수의 수준에 따라 어떻게 달라지는가?"라는 연구 질문에 답합니다. 이를 통해 연구자는 특정 조건에서 독립변수가 종속변수에 미치는 영향을 더 세부적으로 분석할 수 있습니다.
매개효과
반면, 매개효과는 독립변수가 종속변수에 영향을 미치는 과정을 설명하는 데 초점을 맞춥니다. 매개효과는 독립변수와 종속변수 간의 직접적인 관계가 아니라, 매개변수를 통한 간접적인 관계를 강조합니다. 즉, 독립변수가 매개변수에 영향을 미치고, 이 매개변수가 다시 종속변수에 영향을 미침으로써 독립변수와 종속변수 간의 관계를 설명합니다. 예를 들어, 기업의 ESG 성과가 브랜드 가치에 미치는 영향을 분석하는 연구에서, 혁신 활동이 매개변수로 작용할 수 있습니다. 이 경우, ESG 성과는 기업의 혁신 활동을 촉진하고, 촉진된 혁신 활동은 다시 브랜드 가치를 향상시키는 방식으로 영향을 미칩니다. 매개효과는 보통 Baron과 Kenny(1986)의 3단계 접근법을 사용하여 분석되거나, 구조방정식 모델(SEM)을 통해 검증됩니다. 이러한 분석 방법은 독립변수가 매개변수를 통해 종속변수에 미치는 간접 효과와, 독립변수가 종속변수에 직접적으로 미치는 효과를 구분하여 파악할 수 있도록 합니다.
조절효과와 매개효과의 차이는 단순히 분석 방법의 차이를 넘어 연구 질문의 본질과도 밀접한 관련이 있습니다. 조절효과는 "특정 조건이나 상황에서 독립변수와 종속변수 간의 관계가 어떻게 달라지는가?"라는 질문에 답하는 반면, 매개효과는 "독립변수가 매개변수를 통해 종속변수에 어떻게 영향을 미치는가?"라는 질문에 답합니다. 이러한 차이는 연구자가 설정하는 이론적 가정과 분석 목적에 따라 분석 방법을 선택하는 데 중요한 기준이 됩니다.
또한, 분석 과정에서도 차이가 나타납니다. 조절효과를 분석할 때는 조절변수와 독립변수 간의 상호작용 항(interaction term)을 생성하여 회귀분석에 포함시키고, 이 상호작용 항의 유의성을 검증합니다. 이와 달리, 매개효과를 분석할 때는 독립변수에서 매개변수로, 그리고 매개변수에서 종속변수로 이어지는 경로를 확인하며, 이 두 경로가 통계적으로 유의한지 평가합니다. 연구자가 매개효과와 조절효과를 동시에 분석하고자 할 경우, 이를 조절된 매개효과로 확장하여 복합적인 연구 모델을 설계할 수도 있습니다. (매개된 조절은 최근 조절된 매개로 통합되는 분위기입니다.)
조절된 매개효과
조절된 매개효과는 연구에서 독립변수가 종속변수에 미치는 영향을 매개변수를 통해 간접적으로 설명하면서도, 이 관계가 특정 조절변수에 의해 달라질 수 있다는 점을 포함한 복합적 분석 모델입니다. 즉, 매개효과와 조절효과를 통합적으로 분석하는 방식으로, 매개효과의 강도나 방향이 조절변수에 의해 어떻게 변화하는지를 연구합니다. 이는 사회과학, 심리학, 경영학 등 다양한 분야에서 복잡한 변수 간 상호작용을 탐구할 때 유용하게 사용됩니다.
조절된 매개효과는 기본적으로 두 가지 질문을 동시에 다룹니다. 첫 번째는 "독립변수가 매개변수를 통해 종속변수에 간접적으로 영향을 미치는가?"이고, 두 번째는 "이 간접 효과가 조절변수의 수준에 따라 달라지는가?"입니다. 따라서 조절된 매개효과를 분석하려면 독립변수, 매개변수, 종속변수, 그리고 조절변수 간의 상호작용을 정교하게 모델링해야 합니다.
조절된 매개효과의 주요 구성 요소
1. 독립변수 → 매개변수 → 종속변수
이 경로는 매개효과의 기본적인 구조를 나타냅니다. 독립변수가 매개변수에 영향을 미치고, 매개변수가 종속변수에 영향을 미침으로써 독립변수와 종속변수 간의 관계가 간접적으로 설명됩니다.
2. 조절변수
조절변수는 매개효과의 특정 경로에서 영향을 미치는 변수입니다. 예를 들어, 독립변수가 매개변수에 미치는 영향이나 매개변수가 종속변수에 미치는 영향을 조절할 수 있습니다. 이로 인해 매개효과의 강도나 방향이 조절변수의 수준에 따라 달라질 수 있습니다.
3. 조절된 매개경로
조절변수가 매개경로의 특정 부분에 개입하여 간접효과를 변화시키는 경우를 의미합니다. 이는 조절효과가 매개변수와 결합된 형태로 나타나는 것입니다.
조절된 매개효과의 예시
기업의 ESG 성과(독립변수)가 재무성과(종속변수)에 미치는 영향을 분석한다고 가정합니다. 혁신 활동(매개변수)이 이 관계를 매개하는 역할을 한다면, ESG 성과는 혁신 활동을 촉진하고, 혁신 활동은 재무성과를 개선하는 간접 효과를 설명할 수 있습니다. 그러나 조절된 매개효과를 분석하는 경우, 기업의 생산성(조절변수)이 이 매개효과에 미치는 영향을 고려합니다. 생산성이 높은 기업에서는 ESG 성과가 혁신 활동에 미치는 영향이 더 강해질 수 있고, 이는 재무성과로 이어지는 간접 효과를 더욱 강화할 수 있습니다. 반대로 생산성이 낮은 기업에서는 이 간접 효과가 약화될 가능성이 있습니다.
분석 방법
조절된 매개효과는 보통 Hayes의 PROCESS 매크로와 같은 통계적 도구를 통해 분석됩니다. 주요 분석 단계는 다음과 같습니다.
https://processmacro.org/index.html#/
1. 매개효과 검증
독립변수와 매개변수 간, 그리고 매개변수와 종속변수 간의 관계가 유의미한지 확인합니다.
2. 조절효과 검증
조절변수가 매개효과의 특정 경로에 미치는 영향을 분석합니다. 이를 위해 상호작용 항(interaction term)을 회귀모델에 포함시킵니다.
3. 조절된 매개효과 추정
조절변수의 다양한 수준에서 매개효과의 강도를 추정합니다. 예를 들어, 조절변수가 "낮음", "중간", "높음" 수준으로 구분될 경우, 각 수준에서 간접효과가 어떻게 달라지는지 분석합니다.
의미와 활용
조절된 매개효과는 복잡한 관계를 보다 심층적으로 이해하고 설명하는 데 중요한 도구입니다. 특히, 특정 조건에서 변수 간의 관계가 어떻게 변화하는지, 그리고 이러한 조건이 매개 경로를 통해 나타나는 영향을 어떻게 변화시키는지를 탐구할 수 있습니다. 이를 통해 연구자는 보다 구체적인 이론적 통찰과 실질적인 정책적 시사점을 도출할 수 있습니다.
예를 들어, 정책 연구에서는 정부 지원(독립변수)이 기업의 혁신 성과(종속변수)에 미치는 영향을 분석할 때, 혁신 문화(매개변수)와 산업 경쟁도(조절변수)가 이 관계에 미치는 복합적 영향을 밝히는 데 활용될 수 있습니다. 이를 통해 정부 지원의 효과가 특정 산업에서 더 크거나 작을 수 있다는 점을 파악할 수 있습니다.
조절된 매개효과는 복합적이고 정교한 연구 모델을 구축하는 데 필수적인 접근법으로, 사회과학, 경영학, 심리학 등 다양한 분야에서 활발히 적용되고 있습니다.
헤이즈(Hayes) 교수의 기여
Andrew F. Hayes 교수는 매개효과와 조절효과 분석 분야에서 중요한 이론과 방법론을 제시한 연구자입니다. 매개효과는 독립변수(X)가 종속변수(Y)에 영향을 미칠 때, 제3의 변수인 매개변수(M)를 통해 간접적으로 전달되는 과정을 의미합니다. Hayes 교수는 이를 통해 변수 간의 관계를 더 깊이 이해할 수 있다고 강조하며, 직간접 효과를 분석하기 위해 부트스트래핑을 사용할 것을 권장합니다. 그는 SPSS 및 SAS용 PROCESS Macro를 개발해 복잡한 매개경로와 통계적 유의성을 검증하는 과정을 간소화하였습니다.
조절효과는 독립변수(X)가 종속변수(Y)에 미치는 영향의 크기나 방향이 조절변수(W)에 따라 달라지는 현상을 의미합니다. Hayes 교수는 상호작용항의 유의성 검토를 통해 조절효과를 확인하고, 조절변수의 값에 따라 관계가 어떻게 달라지는지를 시각화하는 단순기울기 분석과 Johnson-Neyman 기법을 제시하였습니다. 이러한 방법은 PROCESS Macro를 통해 손쉽게 구현할 수 있으며 조절효과가 발생하는 조건이나 상황에 대한 해석을 명확히 합니다.
또한 Hayes 교수는 매개효과와 조절효과를 통합한 조건부 과정 모델(Conditional Process Analysis)을 제안했습니다. 이는 매개경로의 일부 또는 전체가 조절변수에 의해 달라질 수 있다는 것을 의미하며, 변수 간 복잡한 관계를 더 정교하게 분석하는 방법입니다. 예를 들어, 독립변수가 매개변수를 통해 종속변수에 영향을 미치는 과정에서 조절변수가 특정 경로를 조절할 수 있습니다. 이를 통해 연구자는 매개효과의 크기나 방향이 조건에 따라 달라지는지를 검토할 수 있습니다.
Hayes 교수의 PROCESS Macro는 단순 매개효과(모델 4), 단순 조절효과(모델 1), 그리고 매개와 조절이 결합된 조건부 과정 모델(모델 7, 14 등)을 포함해 다양한 분석을 가능하게 합니다. 그의 연구는 부트스트래핑과 조건부 과정 분석을 통해 기존의 방법론적 한계를 극복하고 실증 연구의 신뢰성과 정확성을 높이는 데 기여하고 있습니다.
참고문헌
1. Hayes, A. F. (2013). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. Guilford Press.
2. Hayes, A. F., & Preacher, K. J. (2014). Statistical mediation analysis with a multicategorical independent variable. British Journal of Mathematical and Statistical Psychology, 67(3), 451–470.
3. Hayes, A. F. (2017). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (2nd ed.). Guilford Press.
4. Hayes, A. F., Montoya, A. K., & Rockwood, N. J. (2017). The analysis of mechanisms and their contingencies: PROCESS versus structural equation modeling. Australasian Marketing Journal, 25(1), 76–81.
5. Hayes, A. F. (2018). Partial, conditional, and moderated mediation: Quantification, inference, and interpretation. Communication Monographs, 85(1), 4-40.
