통제변인 (Controlled Variable)
쉽게 풀면
화분에 물 주는 양을 다르게 해서 키 차이를 확인하는 실험을 다시 떠올려봅시다. 만약 한 화분은 햇볕이 잘 드는 창가에, 다른 화분은 그늘진 구석에 두었다면, 나중에 키가 다르게 자라도 그것이 "물의 양" 때문인지 "햇볕" 때문인지 알 수 없게 됩니다.
그래서 물의 양 말고는 화분의 종류, 흙, 햇볕, 온도처럼 결과에 영향을 줄 수 있는 나머지 조건들을 모든 화분에서 똑같이 맞춰야 합니다. 이렇게 일부러 똑같이 고정해 두는 조건들을 통제변인이라고 하며, 이 과정을 "변인 통제"라고 부릅니다. 변인 통제가 제대로 안 되면 실험 결과를 믿을 수 없게 됩니다.
왜 중요한가
통제변인을 제대로 다루지 못하면, 연구자가 확인하려는 독립변인과 종속변인 사이의 관계가 사실은 다른 요인 때문에 생긴 착시일 수 있습니다. 그래서 실험연구든 준실험연구든 논문 심사자들은 어떤 변인을 어떻게 통제했는지를 꼼꼼히 살펴보며, 이는 연구 결과의 내적타당도를 판단하는 핵심 근거가 됩니다. 결국 통제변인을 명확히 밝히는 일은 "이 결과가 정말 그 원인 때문에 나온 것인가"라는 인과관계 주장을 뒷받침하는 데 필수적입니다.
핵심 정리
- 통제변인(통제변수)은 결과에 영향을 줄 수 있지만 연구하려는 원인이 아니어서 그 영향을 걷어내거나 고정하려는 변수입니다.
- 다루는 방법은 크게 세 가지입니다.
| 방법 | 어떻게 하나 | 예 |
|---|---|---|
| 고정(실험적 통제) | 모든 조건에서 같은 값으로 유지 | 식물 실험에서 온도, 물 양, 화분 크기를 같게 함 |
| 배정·짝짓기 | 무작위 배정이나 짝짓기로 집단 간 분포를 비슷하게 맞춤 | 연령과 성별을 짝지어 두 집단에 배정 |
| 통계적 통제 | 분석 모형에 변수를 넣거나 층별로 나눠 영향을 보정 | 회귀모형에 연령, 소득을 공변량으로 포함 |
- 통제변인은 독립변수와 종속변수와 함께 실험 변수의 세 가지 역할 중 하나입니다.
- 무엇을 통제할지는 인과 그림(변수 사이의 화살표)을 그려 정하는 것이 안전합니다. 원인과 결과 모두에 영향을 주는 변수(교란)는 통제하고, 원인에서 결과로 가는 경로의 중간 변수(매개)나 원인과 결과의 공통 결과(충돌변수)는 통제하면 오히려 편향이 생깁니다(Greenland 등, 1999; Pearl, 2009).
예시로 보기
가상의 자료입니다(컴퓨터로 만든 2,000건). x가 y에 미치는 참 효과를 0.3으로 두고, 변수 z가 x와 y 모두에 영향을 주도록 만들었습니다.
| 분석 | x의 회귀계수 | 참값 0.3과의 차이 |
|---|---|---|
| z를 통제하지 않음 | 0.83 | 크게 과대추정 (z의 영향이 x에 섞임) |
| z를 통제함(공변량으로 포함) | 0.35 | 참값에 가까움 |
z를 모형에 넣자 x의 효과가 참값에 가까워졌습니다. 이것이 통계적 통제의 역할입니다. 다만 z를 측정하지 못했거나 다른 교란 변수가 남아 있으면 이 보정은 완전하지 않습니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 통제변인과 통제집단은 같다. | 통제집단은 처치를 받지 않는 비교 집단이고, 통제변인은 영향을 고정하거나 보정하려는 변수입니다. |
| 통제하면 교란이 모두 사라진다. | 측정되지 않은 변수와 측정 오차가 있는 변수는 보정되지 않습니다. 통제는 관찰된 교란에만 효과가 있습니다. |
| 변수를 많이 넣을수록 좋다. | 매개변수나 충돌변수까지 넣으면 효과를 가리거나 없던 연관을 만들 수 있습니다(과대조정 편향, Schisterman 등, 2009). 변수는 인과 구조에 근거해 고릅니다. |
| 모형의 모든 계수를 같은 방식으로 해석할 수 있다. | 통제변수의 계수는 그 변수가 결과에 미치는 총효과를 뜻하지 않을 수 있습니다. 이를 오해하는 것을 Westreich와 Greenland(2013)는 ‘표 2 오류’라 불렀습니다. |
| 실험에서는 모든 변수를 통제할 수 있다. | 현실에서는 불가능하므로 무작위 배정으로 나머지 요인이 집단 사이에 고르게 퍼지도록 합니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“독립변수로는 OECD DAC 국가들의 AfT 공여액을 사용하였으며, 통제변수로는 GDP, 일인당 GDP, 해외직접투자유입액, 거시경제관리수준과 경제자유도를 포함시켰다.”
무역을 위한 원조가 수원국의 무역량에 미치는 영향에 관한 연구, 국제경영리뷰, 2018 · KCI 한국학술지인용색인 · 원문 보기 ↗
“이 때, 재직과정연수현황, 경력, 학습지사용횟수, 담임교사수를 통제변인으로 투입한 후 위계적 중다회귀분석을 실시하였다.”
유아교사의 수학적 상호작용에 대한 수학지원지식의 영향: 교수창의성의 조절효과를 중심으로, 학습자중심교과교육연구, 2024 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 연구자가 관심 있는 독립변인(학습 방법) 외에, 연령이나 성별 같은 다른 조건들을 두 집단에서 최대한 똑같이 맞춰서 결과 차이가 오직 학습 방법 때문이라고 말할 수 있게 했다는 뜻입니다.
생명과학 실험에서는 온도나 습도, 빛에 노출되는 시간처럼 생물의 반응에 영향을 줄 수 있는 환경 조건을 모든 실험군에서 똑같이 맞춰야, 관찰된 대사 반응의 차이를 처치 효과로 해석할 수 있습니다.
사용자 경험(UX) 연구처럼 사람을 대상으로 한 실험에서는 참여자의 배경지식이나 실험 환경 같은 요인이 결과에 섞여 들어가기 쉬우므로, 이런 조건을 통제 변인으로 명시해 관심 있는 설계 요인의 효과만 분리해 보려는 것입니다.
조금 더 깊게 보면
논문을 읽다 보면 통제변인은 실험적으로 조건을 고정하는 방식 외에도, 통계적으로 그 영향을 제거하는 방식으로 다뤄지기도 합니다. 예를 들어 회귀분석이나 분산분석에서는 특정 변수를 "공변량"으로 모형에 포함시켜, 실험적으로 완전히 고정하기 어려운 변인의 영향을 통계적으로 보정합니다.
또한 실험설계 표현에서 "통제집단"과 "통제변인"은 다른 개념이므로 혼동하지 않아야 합니다. 통제집단은 처치를 받지 않는 비교 대상 집단을 가리키고, 통제변인은 모든 집단에서 동일하게 유지되는 조건 자체를 가리킵니다.
주의할 점
모든 변수를 완벽하게 똑같이 맞추는 것은 현실적으로 불가능하기 때문에, 미처 통제하지 못한 변수가 결과에 영향을 주는 교란변수 문제가 생길 수 있습니다. 그래서 연구자는 무작위로 집단을 나누는 무작위배정 같은 방법을 함께 사용해 이 문제를 줄이려고 합니다.
헷갈리기 쉬운 용어
‘통제’가 붙은 말이 많습니다.
| 용어 | 한 줄 설명 | 역할 |
|---|---|---|
| 통제변인 | 영향을 고정하거나 보정하는 변수 | 교란을 줄임 |
| 통제집단(대조군) | 처치를 받지 않는 비교 집단 | 처치 유무의 비교 기준 |
| 교란변수 | 원인과 결과 모두에 관련되어 연관을 왜곡하는 변수 | 통제해야 할 대상 |
| 독립변수 | 결과에 미치는 영향을 알고자 하는 원인 변수 | 연구의 관심 원인 |
참고 문헌
- Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.
- Greenland, S., Pearl, J., & Robins, J. M. (1999). Causal diagrams for epidemiologic research. Epidemiology, 10(1), 37–48.
- Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press.
- Schisterman, E. F., Cole, S. R., & Platt, R. W. (2009). Overadjustment bias and unnecessary adjustment in epidemiologic studies. Epidemiology, 20(4), 488–495.
- Westreich, D., & Greenland, S. (2013). The Table 2 fallacy: Presenting and interpreting confounder and modifier coefficients. American Journal of Epidemiology, 177(4), 292–298.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.